Δυναμικά προσαρμοστικά συστήματα αισθητήρων για το Διαδίκτυο των Αντικειμένων (IoT)
Το αντικείμενο εξέτασης της παρούσας διπλωματικής είναι μια τεχνική δυναμικά προσαρμοστικής αποστολής δεδομένων στο νέφος μέσω συστημάτων αισθητήρων που υπάγονται στο ευρύτερο πλαίσιο του διαδικτύου των αντικειμένων. Στόχος είναι η μείωση του όγκου μη-χρήσιμης πληροφορίας που γεμίζει τις πλατφόρμες...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | Greek |
Έκδοση: |
2023
|
Θέματα: | |
Διαθέσιμο Online: | https://hdl.handle.net/10889/24463 |
id |
nemertes-10889-24463 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-244632023-02-17T04:35:10Z Δυναμικά προσαρμοστικά συστήματα αισθητήρων για το Διαδίκτυο των Αντικειμένων (IoT) Dynamic adaptive sensor systems for the Internet of Things (IoT) Παρασκευόπουλος, Γεώργιος Georgios Paraskevopoulos Διαδίκτυο των Πραγμάτων Συστήματα αισθητήρων Internet of Things (IoT) Sensor sytems Το αντικείμενο εξέτασης της παρούσας διπλωματικής είναι μια τεχνική δυναμικά προσαρμοστικής αποστολής δεδομένων στο νέφος μέσω συστημάτων αισθητήρων που υπάγονται στο ευρύτερο πλαίσιο του διαδικτύου των αντικειμένων. Στόχος είναι η μείωση του όγκου μη-χρήσιμης πληροφορίας που γεμίζει τις πλατφόρμες δεδομένων καθώς και την μείωση της επιβάρυνσης του δικτύου από την αποστολή αυτής της πληροφορίας. Ουσιαστικά, πρόκειται για μία τεχνική αποστολής δεδομένων στην βάση με δυναμικό ρυθμό ο οποίος απορρέει από τις σχετικά άμεσες προηγούμενες τιμές των αισθητήρων ώστε να έχουμε μικρό όγκο δεδομένων, αλλά χωρίς να έχουμε απώλεια ποιότητας της πληροφορίας. Αρχικά, γίνεται μια βιβλιογραφική ανασκόπηση για το διαδίκτυο των αντικειμένων. Έπειτα, περιγράφεται εκτενέστερα η έννοια της ανωμαλίας σε τέτοια συστήματα, καθώς και την λογική πίσω από διάφορες προσεγγίσεις και τεχνικές ανίχνευσης ανωμαλιών. Τέλος, με βάση μερικά πειραματικά δεδομένα, αναπτύσσονται δύο μοντέλα μηχανικής μάθησης που μειώνουν δυναμικά τον όγκο των δεδομένων που αποστέλλονται ανάλογα με την κρισιμότητα της εκάστοτε κατάστασης. The subject of examination of this thesis is a technique of dynamically adaptive sending of data to the cloud through sensor systems that fall under the wider context of the Internet of Things. The goal is to reduce the amount of non-useful information that fills the data platforms as well as to reduce the burden on the network from sending this information. Essentially, it is a technique of sending data to the base with a dynamic rate that derives from the relatively immediate previous values of the sensors so that we have a small amount of data, but without losing the quality of the information. First, a literature review on the Internet of Things is done. Then, the concept of anomaly in such systems is described in more detail, as well as the rationale behind various anomaly detection approaches and techniques. Finally, based on some experimental data, two machine learning models are developed that dynamically reduce the amount of data sent depending on the criticality of each situation. 2023-02-16T12:35:04Z 2023-02-16T12:35:04Z 2023-02-16 https://hdl.handle.net/10889/24463 el application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Διαδίκτυο των Πραγμάτων Συστήματα αισθητήρων Internet of Things (IoT) Sensor sytems |
spellingShingle |
Διαδίκτυο των Πραγμάτων Συστήματα αισθητήρων Internet of Things (IoT) Sensor sytems Παρασκευόπουλος, Γεώργιος Δυναμικά προσαρμοστικά συστήματα αισθητήρων για το Διαδίκτυο των Αντικειμένων (IoT) |
description |
Το αντικείμενο εξέτασης της παρούσας διπλωματικής είναι μια τεχνική
δυναμικά προσαρμοστικής αποστολής δεδομένων στο νέφος μέσω συστημάτων
αισθητήρων που υπάγονται στο ευρύτερο πλαίσιο του διαδικτύου των αντικειμένων.
Στόχος είναι η μείωση του όγκου μη-χρήσιμης πληροφορίας που γεμίζει τις
πλατφόρμες δεδομένων καθώς και την μείωση της επιβάρυνσης του δικτύου από την
αποστολή αυτής της πληροφορίας. Ουσιαστικά, πρόκειται για μία τεχνική αποστολής
δεδομένων στην βάση με δυναμικό ρυθμό ο οποίος απορρέει από τις σχετικά άμεσες
προηγούμενες τιμές των αισθητήρων ώστε να έχουμε μικρό όγκο δεδομένων, αλλά
χωρίς να έχουμε απώλεια ποιότητας της πληροφορίας. Αρχικά, γίνεται μια
βιβλιογραφική ανασκόπηση για το διαδίκτυο των αντικειμένων. Έπειτα, περιγράφεται
εκτενέστερα η έννοια της ανωμαλίας σε τέτοια συστήματα, καθώς και την λογική πίσω
από διάφορες προσεγγίσεις και τεχνικές ανίχνευσης ανωμαλιών. Τέλος, με βάση
μερικά πειραματικά δεδομένα, αναπτύσσονται δύο μοντέλα μηχανικής μάθησης που
μειώνουν δυναμικά τον όγκο των δεδομένων που αποστέλλονται ανάλογα με την
κρισιμότητα της εκάστοτε κατάστασης. |
author2 |
Georgios Paraskevopoulos |
author_facet |
Georgios Paraskevopoulos Παρασκευόπουλος, Γεώργιος |
author |
Παρασκευόπουλος, Γεώργιος |
author_sort |
Παρασκευόπουλος, Γεώργιος |
title |
Δυναμικά προσαρμοστικά συστήματα αισθητήρων για το Διαδίκτυο των Αντικειμένων (IoT) |
title_short |
Δυναμικά προσαρμοστικά συστήματα αισθητήρων για το Διαδίκτυο των Αντικειμένων (IoT) |
title_full |
Δυναμικά προσαρμοστικά συστήματα αισθητήρων για το Διαδίκτυο των Αντικειμένων (IoT) |
title_fullStr |
Δυναμικά προσαρμοστικά συστήματα αισθητήρων για το Διαδίκτυο των Αντικειμένων (IoT) |
title_full_unstemmed |
Δυναμικά προσαρμοστικά συστήματα αισθητήρων για το Διαδίκτυο των Αντικειμένων (IoT) |
title_sort |
δυναμικά προσαρμοστικά συστήματα αισθητήρων για το διαδίκτυο των αντικειμένων (iot) |
publishDate |
2023 |
url |
https://hdl.handle.net/10889/24463 |
work_keys_str_mv |
AT paraskeuopoulosgeōrgios dynamikaprosarmostikasystēmataaisthētērōngiatodiadiktyotōnantikeimenōniot AT paraskeuopoulosgeōrgios dynamicadaptivesensorsystemsfortheinternetofthingsiot |
_version_ |
1771297172681129984 |