https://dione.lib.unipi.gr/xmlui/handle/unipi/5487 Mon, 28 Sep 2026 17:45:54 GMT 2026-09-28T17:45:54Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19792 Σχεδιασμός και λειτουργία ενός συστήματος διαχείρισης αποθήκης με τη χρήση ευφυών τεχνικών Πολυχρονόπουλος, Παρασκευάς Η παρούσα πτυχιακή εργασία μελετά τον ρόλο της τεχνητής νοημοσύνης στα Συστήματα Διαχείρισης Απο-θήκης (Warehouse Management Systems – WMS). Αρχικά πραγματοποιείται ανασκόπηση της σύγχρονης βιβλιογραφίας σχετικά με την εξέλιξη των WMS, τις τεχνολογίες που τα πλαισιώνουν (IoT, RFID, cloud computing) και τις εφαρμογές της μηχανικής μάθησης στην πρόβλεψη ζήτησης, στη βελτιστοποίηση διαδι-κασιών και στην ανίχνευση ανωμαλιών. Στη συνέχεια εξετάζονται εναλλακτικές προσεγγίσεις μοντελοποίη-σης και προτείνεται πολυεπίπεδη αρχιτεκτονική ευφυούς WMS. Στο πρακτικό μέρος αναπτύσσεται πρωτότυ-πο σύστημα (demo) σε Python, το οποίο υλοποιεί πρόβλεψη ζήτησης με γραμμική παλινδρόμηση, αυτόμα-τες προτάσεις αναπλήρωσης αποθεμάτων με απόθεμα ασφαλείας και προσομοίωση της λειτουργίας της απο-θήκης σε διαδοχικούς κύκλους, με εξαγωγή αποτελεσμάτων σε αρχεία Excel. Η εργασία ολοκληρώνεται με την ανάλυση των συμπερασμάτων και τις προοπτικές επέκτασης του συστήματος Tue, 01 Sep 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19792 2026-09-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19791 Development of a system for medical knowledge retrieval and generation from clinical studies based on deep learning and RAG architecture Gerolymos, Christos; Γερόλυμος, Χρήστος Οι κλινικές δοκιμές αποτελούν τον κύριο μηχανισμό αξιολόγησης νέων ιατρικών παρεμβάσεων, και το μητρώο ClinicalTrials.gov — το μεγαλύτερο παγκοσμίως αρχείο κλινικών μελετών με περισσότερες από 500.000 εγγεγραμμένες μελέτες — παρέχει δημόσια πρόσβαση σε λεπτομερή πρωτόκολλα, κριτήρια επιλεξιμότητας, παρεμβάσεις και στατιστικά αποτελέσματα. Παρά τη διαθεσιμότητά τους, η αποτελεσματική πρόσβαση σε αυτές τις πληροφορίες παραμένει πρόκληση: τα αρχεία δοκιμών είναι γραμμένα σε πυκνή ιατρική ορολογία και δεν υποστηρίζουν αναζήτηση με φυσική γλώσσα. Η παρούσα διπλωματική εργασία παρουσιάζει τον σχεδιασμό, την υλοποίηση και αξιολόγηση ενός ανοιχτού συστήματος Ανάκτησης-Επαυξημένης Παραγωγής (RAG) για απάντηση ερωτημάτων φυσικής γλώσσας σε αρχεία κλινικών δοκιμών. Το σύστημα επιτρέπει στους χρήστες να επιλέξουν οποιαδήποτε κλινική δοκιμή και να υποβάλλουν ερωτήματα που απαντώνται με παραπομπές σε συγκεκριμένα αποσπάσματα. Όλη η επεξεργασία εκτελείται τοπικά σε GPU χαμηλού κόστους με ανοιχτού κώδικα μοντέλα. Η κύρια τεχνική συνεισφορά είναι μία τμηματοποίηση σε ιεραρχικά επίπεδα που αξιοποιεί τη δομημένη ιεραρχία των εγγραφών JSON του ClinicalTrials.gov v2, παράγοντας 80–400 σημασιολογικά συνεκτικά τμήματα ανά δοκιμή. Το σύστημα ανάκτησης συνδυάζει ανάκτηση BM25 και πυκνή ανάκτηση BGE-M3 μέσω Αμοιβαίας Ταξινόμησης Συχνοτήτων, ακολουθούμενη από επαναταξινόμηση cross-encoder. Η αξιολόγηση σε δύο δομικά διαφορετικές δοκιμές έδειξε ότι κανένας κωδικοποιητής δεν υπερτερεί καθολικά: ο βιοϊατρικός MedCPT υπερτερεί σε ολοκληρωμένη δοκιμή με αποτελέσματα (nDCG@10 = 0.394), ενώ ο γενικός BGE-M3 υπερτερεί σε δοκιμή σε φάση στρατολόγησης (nDCG@10 = 0.508). Η πιστότητα απαντήσεων ήταν 0.862, επιβεβαιώνοντας χαμηλά ποσοστά ψευδαίσθησης με συμπαγές ανοιχτό μοντέλο. Tue, 01 Sep 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19791 2026-09-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19786 Implementation of a key generation circuit using a ring oscillator PUFs Pilichos, Nikolaos; Πηλιχός, Νικόλαος Η ραγδαία αύξηση των εφαρμογών του Διαδικτύου των Πραγμάτων (IoT) έχει εισαγάγει δισεκατομμύρια διασυνδεδεμένες συσκευές, δημιουργώντας σημαντικές προκλήσεις στη διασφάλιση της εμπιστευτικότητας, της ακεραιότητας των δεδομένων και της αυθεντικοποίησης συσκευών. Οι παραδοσιακοί μηχανισμοί ασφαλείας βασίζονται συχνά στην ασφαλή αποθήκευση κρυπτογραφικών κλειδιών, τα οποία όμως είναι ευάλωτα σε φυσικές επιθέσεις, κλωνοποίηση και εξαγωγή κλειδιών, ιδιαίτερα σε περιβάλλοντα IoT με περιορισμένους πόρους. Για την αντιμετώπιση αυτών των προκλήσεων, οι Φυσικά μη Κλωνοποιήσιμες Συναρτήσεις (PUFs) έχουν αναδειχθεί ως μια πολλά υποσχόμενη υλικοκεντρική λύση, η οποία παράγει κρυπτογραφικά χρήσιμη πληροφορία παραμένοντας παράλληλα ανθεκτική στις προαναφερθείσες επιθέσεις. Η παρούσα εργασία παρουσιάζει τον σχεδιασμό και την υλοποίηση ενός συστήματος παραγωγής κλειδιών βασισμένου σε PUF Ταλαντωτή Δακτυλίου (Ring Oscillator – RO), εμπνευσμένου από την αρχιτεκτονική που προτείνεται στη σχετική βιβλιογραφία [1]. Η προτεινόμενη αρχιτεκτονική παράγει κρυπτογραφικά κλειδιά μέσω ενός μηχανισμού ζευγών ερωτήματος-απόκρισης (Challenge-Response Pairs), σε συνδυασμό με στάδια μετεπεξεργασίας που διασφαλίζουν τη μοναδικότητα και την επαναληψιμότητα υπό διαφορετικές περιβαλλοντικές συνθήκες. Παράλληλα με την υλοποίηση σε υλικό του γεννήτριου κλειδιών, η εργασία περιλαμβάνει και λογισμικό διεπαφής που υλοποιείται στο υποσύστημα επεξεργασίας (Processing System) της χρησιμοποιούμενης πλακέτας. Τέλος, παρουσιάζεται ένα σύνολο σεναρίων αξιολόγησης και εξειδικευμένων εργαλείων που αναπτύχθηκαν στο πλαίσιο της εργασίας. Mon, 01 Jun 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19786 2026-06-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19785 Ευφυή συστήματα συστάσεων : τεχνικές και υλοποίηση Βεργής, Χρήστος Η ραγδαία αύξηση του όγκου της διαθέσιμης ψηφιακής πληροφορίας έχει αναδείξει τα συστήματα συστάσεων (Recommendation Systems) σε έναν από τους πιο κρίσιμους τομείς εφαρμογής της τεχνητής νοημοσύνης, με εφαρμογές που εκτείνονται από το ηλεκτρονικό εμπόριο και τις υπηρεσίες ροής περιεχομένου έως την εκπαίδευση, την υγεία και τη γεωργία. Η παρούσα πτυχιακή εργασία πραγματοποιεί συστηματική βιβλιογραφική ανασκόπηση εκατό πρόσφατων επιστημονικών δημοσιεύσεων, κυρίως της περιόδου 2020-2026, με στόχο να χαρτογραφήσει συγκριτικά την εξέλιξη, τις αρχιτεκτονικές και τις προκλήσεις του πεδίου. Η εργασία ξεκινά από τις κλασικές μεθόδους συνεργατικής διήθησης και παραγοντοποίησης πίνακα, προχωρά στις αρχιτεκτονικές βαθιάς μάθησης (όπως οι αυτόματοι κωδικοποιητές, το Neural Collaborative Filtering και οι μηχανισμοί Self-Attention) και εξετάζει εκτενώς τα Γραφικά Νευρωνικά Δίκτυα, τα οποία αναπαριστούν τις αλληλεπιδράσεις χρήστη-αντικειμένου ως γράφο, επιτρέποντας πιο εκφραστική μοντελοποίηση πολύπλοκων σχέσεων. Ιδιαίτερη έμφαση δίνεται σε ειδικές κατηγορίες συστημάτων (context-aware, multi-behavior, ερμηνεύσιμα, με επίγνωση δικαιοσύνης), καθώς και στους κυριότερους τομείς εφαρμογής, από το παραδοσιακό ηλεκτρονικό εμπόριο έως αναδυόμενα πεδία όπως η υγεία, η γεωργία και η κυβερνοασφάλεια. Η εργασία αναλύει επίσης κριτικά τις κεντρικές προκλήσεις του πεδίου (αραιότητα δεδομένων (data sparsity), ψυχρή εκκίνηση, μεροληψία δημοτικότητας, ζητήματα ιδιωτικότητας και ανθεκτικότητας σε ανταγωνιστικές επιθέσεις) και παρουσιάζει συγκριτική αξιολόγηση των κυριότερων αρχιτεκτονικών βάσει αναφερόμενων αποτελεσμάτων της βιβλιογραφίας. Τα ευρήματα αναδεικνύουν σαφή τάση μετάβασης από τις κλασικές προς τις αρχιτεκτονικές βαθιάς μάθησης και γράφων, παράλληλα με αυξανόμενο ενδιαφέρον για ζητήματα δικαιοσύνης, ερμηνευσιμότητας και υπεύθυνης τεχνητής νοημοσύνης, θέτοντας τις βάσεις για μελλοντική έρευνα σε κατευθύνσεις όπως η ενσωμάτωση Μεγάλων Γλωσσικών Μοντέλων και οι αρχιτεκτονικές εξατομίκευσης on-device. Tue, 01 Sep 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19785 2026-09-01T00:00:00Z