https://dione.lib.unipi.gr/xmlui/handle/unipi/2420 Department of Digital Systems 2026-04-23T05:31:02Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19191 Ενεργειακές συμμαχίες και διπλωματία του φυσικού αερίου στον παγκόσμιο χάρτη Μπουρμπουτέλη, Στυλιανή Η παρούσα Διπλωματική Εργασία, με τίτλο «Ενεργειακές συμμαχίες και διπλωματία του φυσικού αερίου στον παγκόσμιο χάρτη», εξετάζει τον ρόλο του φυσικού αερίου ως στρατηγικού πόρου στη σύγχρονη διεθνή πολιτική και οικονομία. Αναλύεται η έννοια της ενεργειακής διπλωματίας και ο τρόπος με τον οποίο το φυσικό αέριο λειτουργεί ως εργαλείο γεωπολιτικής επιρροής, διαμορφώνοντας διεθνείς συμμαχίες και σχέσεις εξάρτησης. Ιδιαίτερη έμφαση δίνεται στην ενεργειακή ασφάλεια, στις παγκόσμιες ροές και στα δίκτυα μεταφοράς (αγωγοί και LNG), καθώς και στον ρόλο βασικών κρατών-δρώντων όπως οι ΗΠΑ, η Ρωσία, το Κατάρ και η Κίνα. Επιπλέον, εξετάζονται οι επιπτώσεις των γεωπολιτικών κρίσεων, ιδίως μετά την εισβολή της Ρωσίας στην Ουκρανία, στην αναδιαμόρφωση της παγκόσμιας ενεργειακής αρχιτεκτονικής. Η εργασία αναδεικνύει τη σημασία των στρατηγικών ενεργειακών συμμαχιών στην πορεία προς την ενεργειακή μετάβαση και τη διασφάλιση βιώσιμης ανάπτυξης. 2026-02-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19179 Οι ηθικές προεκτάσεις από την υιοθέτηση της τεχνητής νοημοσύνης στον τραπεζικό τομέα – Μελέτη περίπτωσης της Apple Card Αλεξάκης, Ηλίας Η παρούσα εργασία εξετάζει τις ηθικές προεκτάσεις από την υιοθέτηση της τεχνητής νοημοσύνης στον τραπεζικό τομέα. Η ολοκληρωμένη προσέγγιση του αντικειμένου επιτυγχάνεται μέσω της παρουσίασης των βασικών χρήσεων της τεχνητής νοημοσύνης στις τραπεζικές λειτουργίες, δεδομένου ότι τα ηθικά διλήμματα δεν είναι δυνατόν να αποτιμηθούν ανεξάρτητα από τα πεδία εφαρμογής της τεχνητής νοημοσύνης. Η επισκόπηση της σχετικής βιβλιογραφίας καταδεικνύει πως τα συστήματα τεχνητής νοημοσύνης χρησιμοποιούνται ευρέως σε κρίσιμους τομείς, όπως η εξυπηρέτηση πελατών και η εξατομίκευση υπηρεσιών, η πρόληψη και η ανίχνευση απάτης, η αξιολόγηση πιστοληπτικής ικανότητας και η διαχείριση κινδύνου, η ανάλυση αγοράς και η διαχείριση επενδύσεων, καθώς και η ασφάλεια και ανάπτυξη των τραπεζικών πληροφοριακών συστημάτων. Η αξιοποίηση της τεχνητής νοημοσύνης σε αυτούς τους τομείς εγείρει κρίσιμα ηθικά ζητήματα που αφορούν την ιδιωτικότητα και την προστασία των δεδομένων, τη μεροληψία στις αλγοριθμικές αποφάσεις, τη λογοδοσία και την ανάγκη ουσιαστικής ανθρώπινης εποπτείας, τη διαφάνεια και εξηγησιμότητα των συστημάτων, καθώς και τις πιθανές επιπτώσεις στην απασχόληση στον τραπεζικό κλάδο. Στο πλαίσιο εμβάθυνσης του αντικειμένου, εξετάζεται η περίπτωση της Apple Card η οποία αναδεικνύει, κυρίως, ζητήματα σχετικά με τη λογοδοσία, την ανθρώπινη εποπτεία, τη διαφάνεια και την εξηγησιμότητα των αλγοριθμικών συστημάτων. Από την ανάλυση προκύπτει ότι η τυπική συμμόρφωση με τις εκάστοτε κανονιστικές απαιτήσεις δεν επαρκεί για την ουσιαστική αντιμετώπιση των ηθικών προκλήσεων. Αντιθέτως, απαιτείται η ανάπτυξη ολοκληρωμένων στρατηγικών για την προληπτική και υπεύθυνη διαχείρισή τους μέσω της θεσμοθέτησης πελατοκεντρικών μηχανισμών διακυβέρνησης και ελέγχου της τεχνητής νοημοσύνης. Τέλος, προτείνεται η υιοθέτηση υβριδικών ρυθμιστικών προσεγγίσεων, οι οποίες επιτρέπουν την προσαρμογή στις τεχνολογικές εξελίξεις, διατηρώντας ταυτόχρονα τη ρυθμιστική συνέπεια και τη διασφάλιση των ηθικών αρχών που διέπουν τη λειτουργία του χρηματοπιστωτικού συστήματος. 2026-04-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19176 Physics informed machine learning architectures for the solution of fundamental quantum mechanics equations Spyrou, Iraklis; Σπύρου, Ηρακλής Η παρούσα διπλωματική εργασία διερευνά τη χρήση των Physics-Informed Neural Networks (PINNs) ως ενιαίο υπολογιστικό πλαίσιο για την επίλυση θεμελιωδών εξισώσεων της κβαντομηχα- νικής. Βασικός στόχος, είναι η αξιολόγηση της ικανότητάς τους να προσεγγίζουν λύσεις τόσο της χρονικά εξαρτώμενης όσο και της χρονικά ανεξάρτητης εξίσωσης Schrödinger, ενσωματώνοντας παράλληλα φυσικούς περιορισμούς απευθείας στη διαδικασία εκπαίδευσης. Η μεθοδολογία αρχικά εφαρμόζεται στη μονοδιάστατη χρονικά εξαρτώμενη εξίσωση Schrödinger για τον αρμονικό ταλα- ντωτή, όπου τα PINNs αναπαράγουν με ακρίβεια την εξέλιξη υπέρθετων κβαντικών καταστάσεων, διατηρώντας την κανονικοποίηση και τη σταθερότητα της λύσης. Στη συνέχεια, η προσέγγιση επεκτείνεται σε χρονικά ανεξάρτητα προβλήματα μέσω μιας μεταβολικής διατύπωσης που συνδυ- άζει ελαχιστοποίηση ενέργειας και περιορισμούς ορθογωνιότητας, επιτρέποντας τον υπολογισμό τόσο της θεμελιώδους όσο και διεγερμένων καταστάσεων. Επιπλέον, αναπτύσσεται ένα δομημένο πλαίσιο PINNs για τρισδιάστατα προβλήματα, βασισμένο στον διαχωρισμό μεταβλητών σε σφαιρι- κές συντεταγμένες. Η μέθοδος επαληθεύεται με σύγκριση προς αναλυτικές λύσεις του αρμονικού ταλαντωτή, παρουσιάζοντας υψηλή ακρίβεια σε ιδιοτιμές και πυκνότητες πιθανότητας. Τέλος, η προσέγγιση εφαρμόζεται σε ρεαλιστικά προβλήματα πυρηνικής φυσικής με χρήση του δυναμικού Woods–Saxon. Τα αποτελέσματα επικυρώνονται μέσω σύγκρισης με τη βιβλιογραφία, αναλυτικές λύσεις και μεθόδους πεπερασμένων διαφορών, δείχνοντας ότι τα PINNs μπορούν να αναπαράγουν φυσικά συνεπείς λύσεις σε διαφορετικά προβλήματα. Συνολικά, η εργασία αποδεικνύει ότι τα PINNs αποτελούν μια ευέλικτη και φυσικά συνεπή εναλλακτική των κλασικών αριθμητικών μεθόδων, α- ναδεικνύοντας ταυτόχρονα προκλήσεις που σχετίζονται με την αποδοτικότητα εκπαίδευσης και τη σταθερότητα 2026-03-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19175 Χωροχρονική ανάλυση παικτών χειροσφαίρισης με τεχνικές βαθιάς μάθησης Κατσιούλας, Κοσμάς Η τεχνητή νοημοσύνη, η υπολογιστική όραση και η βαθιά μάθηση αλλάζουν τον τρόπο με τον οποίο αναλύονται τα αθλήματα. Παρ’ όλα αυτά, στη χειροσφαίριση η αξιοποίησή τους παραμένει σχετικά περιορισμένη. Η παρούσα διπλωματική εργασία προτείνει ένα πρακτικό και αναπαραγώγιμο πλαίσιο που εφαρμόζεται απευθείας σε broadcast video και καλύπτει όλη τη ροή από την ανίχνευση μέχρι την τελική παρουσίαση, μετατρέποντας το ακατέργαστο βίντεο σε τροχιές αναφοράς στο γήπεδο, μετρικές κίνησης και οπτικοποιήσεις. Αρχικά, το σύστημα ανιχνεύει τους παίκτες με YOLOv8, διατηρεί σταθερές ταυτότητες με DeepSORT και προβάλλει την κίνηση στην τυποποιημένη κάτοψη γηπέδου 40 × 20 m μέσω ομογραφίας, ώστε η κίνηση να περιγράφεται σε μέτρα και όχι σε pixels. Με αυτόν τον τρόπο διευκολύνονται ουσιαστικές συγκρίσεις μεταξύ διαφορετικών φάσεων, ενώ παράγονται θερμικοί χάρτες και συνοπτικά προφίλ κίνησης με σταθερές μονάδες και σαφείς κανόνες ανάγνωσης. Στη συνέχεια, πάνω στις προβαλλόμενες τροχιές γίνεται αναγνώριση επτά ενεργειών, crossing, defence, dribbling, jumpshot, passing, running και shot, με ερμηνεύσιμα χαρακτηριστικά κίνησης και σύγκριση πολλών ταξινομητών όπως Random Forest, Extra Trees, Gradient Boosting, XGBoost, Logistic Regression και Gaussian Naive Bayes. Η επιλογή αυτής της προσέγγισης δίνει έμφαση στη διαφάνεια και στη σταθερότητα, ειδικά όταν τα διαθέσιμα δεδομένα είναι περιορισμένα. Τέλος, το πλαίσιο είναι προσαρμοσμένο σε πραγματικές συνθήκες μετάδοσης, αντιμετωπίζοντας απόκρυψη, υψηλή πυκνότητα παικτών και μεταβολές κάμερας, ενώ αναγνωρίζει περιορισμούς όπως η μονοκάμερη λήψη, η ευαισθησία της ομογραφίας στην επιλογή σημείων και η απουσία επίσημων ταυτοτήτων. Συνολικά, παραδίδεται μια αρθρωτή και επεκτάσιμη βάση για ανάλυση χειροσφαίρισης με έμφαση στην αξιοπιστία και στην αναπαραγωγιμότητα. 2026-02-01T00:00:00Z