Objective of the present study is the development of design methods for the control of products’ architecture in order to obtain modular designs. Towards this target, an integrated approach is proposed, investigating the design architecture from two aspects: the -functions to parts- mapping as well as the point of view related to parts’ interactions. For the first aspect, an approach utilizing Axiomatic Design Theory is described in order to control the design architecture with regards to the -functions to parts- mapping. As far as the second aspect is concerned, two indexes are developed quantifying the design architecture in terms of the parts’ interactions perspective. Furthermore, an algorithm for clustering of product’s parts into clusters/modules is introduced. The algorithm utilizes Artificial Neural Networks (ANNs) and Design Structure Matrices (DSMs). The aforementioned developments were incorporated into a CAD based software tool, having as objective the support of modular design. Its main functions are: (a) DSM generation from product CAD model, (b) calculation of the aforementioned indexes, (c) facilitation of clustering and (d) representation of clustered DSM in CAD form. Application of the tool to real case studies from the automotive industry, provide an evaluation of the developed methods. The main outcome of the present work is the integrated approach that was proposed and realized through the software tool, which integrates methods for the handling of a product’s design architecture. This process assists in real time (during the design process) design engineers to the generation of modular designs. The evaluation of the case studies reveals the efficiency of the proposed approach to produce such designs and validates its applicability to industry. / Το αντικείμενο της παρούσας διατριβής είναι η ανάπτυξη μεθόδων για τον έλεγχο της σχεδιαστικής αρχιτεκτονικής των προϊόντων. Για το σκοπό αυτό προτείνεται μια ολοκληρωμένη προσέγγιση η οποία διερευνά τη σχεδιαστική αρχιτεκτονική και από τις δύο της διαστάσεις: την αντιστοίχιση των λειτουργιών του προϊόντος στα μέρη από τα οποία αποτελείται καθώς και την αλληλεπίδραση που έχουν τα μέρη αυτά μεταξύ τους. Για τη πρώτη διάσταση, προτείνεται ένας τρόπος χρησιμοποίησης της Θεωρίας του Αξιωματικού Σχεδιασμού (Axiomatic Design Theory) ώστε να γίνεται έλεγχος της σχεδιαστικής αρχιτεκτονικής ως προς την αντιστοίχιση των λειτουργιών στα μέρη του προϊόντος. Όσον αφορά τη δεύτερη διάσταση, αναπτύσσονται δύο δείκτες οι οποίοι ποσοτικοποιούν την σχεδιαστική αρχιτεκτονική που αφορά τη δομή των αλληλεπιδράσεων των τμημάτων του προϊόντος. Επίσης, εισάγεται ένας αλγόριθμος για την ομαδοποίηση (clustering) των μερών ενός προϊόντος. Ο αλγόριθμος αυτός χρησιμοποιεί Τεχνητά Νευρωνικά Δίκτυα και πίνακες DSM (Design Structure Matrix). Οι παραπάνω μέθοδοι ενσωματώθηκαν σε ένα λογισμικό εργαλείο που αναπτύχθηκε. Το εργαλείο αυτό συνεργάζεται με προγράμματα CAD και έχει ως στόχο την στήριξη του ομαδοποιημένου σχεδιασμού. Οι βασικές του λειτουργίες είναι η δημιουργία του πίνακα DSM ενός προϊόντος χρησιμοποιώντας το αντίστοιχο σχέδιο CAD, ο υπολογισμός των προαναφερθέντων δεικτών, η διευκόλυνση της διαδικασίας ομαδοποίησης καθώς και η αναπαράσταση σε CAD ενός ομαδοποιημένου πίνακα DSM. Μέσω της εφαρμογής του εργαλείου αυτού σε πραγματικές περιπτώσεις της αυτοκινητοβιομηχανίας, πραγματοποιήθηκε αξιολόγηση των μεθόδων που αναπτύχθηκαν. Το κυριότερο αποτέλεσμα της εργασίας είναι η ολοκληρωμένη λύση που προτάθηκε και υλοποιήθηκε μέσω ενός λογισμικού εργαλείου, η οποία ενσωματώνει μεθόδους ελέγχου της σχεδιαστικής αρχιτεκτονικής προϊόντων. Η λύση αυτή βοηθάει σε πραγματικό χρόνο (κατά τη διάρκεια της σχεδιαστικής διαδικασίας) τους σχεδιαστές μηχανικούς, στη δημιουργία καινοτόμων σχεδιασμών. Η αξιολόγηση των περιπτώσεων της αυτοκινητοβιομηχανίας έδειξε την δυνατότητα της προτεινόμενης λύσης να παράγει τέτοιους σχεδιασμούς και επικύρωσε την εφαρμοσιμότητά της σε βιομηχανικό περιβάλλον.

Η παρούσα διατριβή αφορά στην ολοκλήρωση των μεθόδων Στατιστικού Ελέγχου Ποιότητας με τεχνικές Μηχανικής Μάθησης, για την καλύτερη εξυπηρέτηση των αναγκών των σύγχρονων επιχειρήσεων. Προς αυτή την κατεύθυνση, έγινε αρχικά μια λεπτομερής ανασκόπηση της σχετικής βιβλιογραφίας για τον εντοπισμό και την αναγνώριση των σημαντικότερων ελλείψεων του Στατιστικού Ελέγχου Ποιότητας. Στη συνέχεια, χρησιμοποιήθηκαν τεχνικές Μηχανικής Μάθησης για την αντιμετώπιση των παραπάνω ελλείψεων. Πιο συγκεκριμένα, προτάθηκε μια μεθοδολογία για αναγνώριση μέσων μετατοπίσεων σε αυτοσυσχετιζόμενα δεδομένα πολυμεταβλητών διεργασιών, τα οποία συναντώνται πολύ συχνά σε πραγματικές διεργασίες. Η προτεινόμενη μεθοδολογία δοκιμάζεται και ελέγχεται ως προς την απόδοσή της και την ικανότητά της για εφαρμογή σε δεδομένα διαφορετικής φύσεως σε δυο μελέτες περίπτωσης. Τα αποτελέσματα από τις μελέτες αυτές είναι ενθαρρυντικά καθώς επιτεύχθηκαν αρκετά υψηλά ποσοστά επιτυχών αναγνωρίσεων μέσων μετατοπίσεων. Η διατριβή ολοκληρώνεται με παράθεση μιας σειράς συμπερασμάτων, ανάδειξη της συμβολής της προτεινόμενης μεθοδολογίας και υπόδειξη μελλοντικών ερευνητικών κατευθύνσεων για την επέκτασή της. / This thesis concerns the integration of Statistical Quality Control methods with Machine Learning techniques for covering contemporary business needs. The proposed approach took into account a thorough review of the literature, which identified the major shortcomings of Statistical Quality Control. A consideration of Machine Learning techniques with respect to the above shortcomings was then performed. More specifically, a methodology was proposed for identifying mean shifts in auto-correlated multivariate data processes, which occurs very often in real processes. The proposed approach was tested through two different case studies for its performance and ability to implement data of different type. The results of these case studies were encouraging as quite high rates were achieved for the successful recognition of mean shifts. The thesis concludes by listing a series of findings, highlighting the contribution of the proposed approach and suggesting a series of future research directions.

Εκτός από τα Τεχνητά Νευρωνικά Δίκτυα, ένα άλλο παρεμφερές πρόβλημα είναι αυτό της μοντελοποίησης των δομικών και λειτουργικών χαρακτηριστικών διαφόρων τμημάτων του Κεντρικού Νευρικού Συστήματος καθώς και των διαφόρων εγκεφαλικών λειτουργιών. Στόχος αυτής της διπλωματικής είναι η δημιουργία ενός μοντέλου του φυσιολογικού νευρώνα και της συγκρότησης νευρωνικών δικτύων που εμπλέκονται σε κάποια εγκεφαλική λειτουργία. Στην ανάπτυξη του μοντέλου λήφθηκαν υπόψη τα ιδιαίτερα νευροανατομικά χαρακτηριστικά και νευροφυσιολογικά χαρακτηριαστικά και οι ιδιότητες που σχετίζονται με τις υπό μελέτη εγκεφαλικές καταστάσεις. Επίσης διερευνήθηκε η αλληλεπίδραση και η αναπτυσσόμενη δυναμική, τόσο σε κυτταρικό επίπεδο όσο και σε συστημικό επίπεδο, καθώς και η δυναμική αλληλεπίδραση νευρωνικών δικτύων. Πραγματοποιήθηκε μακροσκοπική προσέγγιση με τη χρήση μαθηματικών μοντέλων και αναπτύχθηκε ένα GUI περιβάλλον για τη διαχείριση του προγράμματος από το χρήστη. / Apart from the Artificial Neural Networks, another similar problem is the modeling of structural and functional characteristics of different parts of the Central Nervous System and the various brain functions. The aim of this diploma is to create a model of normal neuron and the establishment of neural networks involved in some brain function. In developing the model were taken into account the specific neuroanatomical and neurophysiological characteristics and properties related to the studied brain states. We also investigated the interaction and the growing momentum, both at the cellular level and system level, and the dynamic interaction of neural networks. An macroscopic approach using mathematical models and developed a GUI environment for the management of the program by the user.

Στην παρούσα διατριβή γίνεται μία μεθοδολογική συστηματική προσέγγιση του σχεδιασμού που βασίζεται στη χρήση τεχνικών της υπολογιστικής νοημοσύνης και στην εκμετάλλευση της προϋπάρχουσας διαθέσιμης σχεδιαστικής γνώσης. Προσδιορίζονται τα βασικά στοιχεία που οφείλει να ενσωματώνει η προτεινόμενη μεθοδολογία (αναπαράσταση και διαχείριση σχεδιαστικής γνώσης, αναζήτηση της βέλτιστης σχεδιαστικής λύσης και μάθηση και επαναχρησιμοποίηση σχεδιαστικής γνώσης), τα οποία σχηματίζουν τους πυρήνες γύρω από τους οποίους αναπτύσσονται αλγόριθμοι που βασίζονται στην χρήση τεχνικών υπολογιστικής νοημοσύνης (ασαφής λογική, τεχνητά νευρωνικά δίκτυα και γενετικοί αλγόριθμοι). Καθώς αναπτύσσεται η διατριβή, αναπτύσσεται η μαθηματική βάση για τη διατύπωση του παραμετρικού σχεδιαστικού προβλήματος και παρουσιάζεται ο συνεργατικός τρόπος βάσει του οποίου σχηματίζονται ασαφείς πίνακες δομής σχεδιασμού, βάσει των οποίων η διαθέσιμη σχεδιαστική γνώση οργανώνεται σε εύχρηστες ιεραρχικές δομές. Στη συνέχεια, εισάγεται ένα πλαίσιο ασαφούς συλλογιστικής για τη μοντελοποίηση από την πλευρά του σχεδιαστή των σχεδιαστικών στόχων/απαιτήσεων/περιορισμών υπό τη μορφή ασαφών προτιμήσεων. Προτείνεται επίσης το μέτρο της μέγιστης συνολικής ασαφούς προτίμησης ως κριτήριο βελτιστότητας των σχεδιαστικών λύσεων και προσαρμόζεται στην προτεινόμενη δομή οργάνωσης της σχεδιαστικής γνώσης. Η βέλτιστη σχεδιαστική λύση εξάγεται είτε μέσω μίας διαδικασίας βελτιστοποίησης που βασίζεται σε γενετικούς αλγόριθμους ή, εναλλακτικά, μέσω άλλων τεχνικών βελτιστοποίησης, ή χρησιμοποιώντας σχεδιασμό αναλογικής συλλογιστικής με ανάκτηση προηγούμενων σχεδιαστικών λύσεων. Οι σχεδιαστικές λύσεις είναι καταχωρημένες σε μία βάση και ανακτώνται χρησιμοποιώντας ένα εκπαιδευμένο ανταγωνιστικό τεχνητό νευρωνικό δίκτυο, το οποίο ομαδοποιεί τις λύσεις κατάλληλα και αποδίδει την ομάδα λύσεων που συγκλίνει προς τις τρέχουσες ασαφείς προτιμήσεις του σχεδιαστή. Στη διατριβή αναπτύσσονται και εισάγονται αρχιτεκτονικές, μέσω των οποίων οι διαδικασίες βελτιστοποίησης και ανάκτησης σχεδιαστικών περιπτώσεων συνδυάζονται υβριδικά, επιτυγχάνοντας αποτελέσματα ανώτερα σε ποιότητα και ταχύτητα επίτευξης σε σχέση με περιπτώσεις χρήσης μεμονωμένων (μη υβριδικών) τεχνικών. Εισάγεται επίσης μια μεθοδολογία σύμφωνα με την οποία οι σχεδιαστικές λύσεις που υπάρχουν στη βάση λύσεων χρησιμοποιούνται για τη νευρο-ασαφή προσέγγιση του αρχικού σχεδιαστικού προβλήματος και την απλοποιημένη μοντελοποίησή του. Αποδεικνύεται ότι η προσέγγιση αυτή είναι ιδιαίτερα κατάλληλη για σχεδιαστικά προβλήματα που παρουσιάζουν σημαντικό υπολογιστικό κόστος. Στα πλαίσια της συστημικής προσέγγισης για την υλοποίηση των προτεινόμενων μεθοδολογιών και αρχιτεκτονικών και για την αξιολόγηση αυτών, αναπτύχθηκε το σύστημα παραμετρικού σχεδιασμού Case-DeSC (Case-based design with Soft-Computing), το οποίο δοκιμάστηκε σε τρία διαφορετικά σχεδιαστικά προβλήματα. Τα αποτελέσματα εφαρμογής των προτεινόμενων μεθοδολογιών, οι προοπτικές εξέλιξης αυτών, καθώς και μια γενικότερη τοποθέτηση περί σχεδιασμού συνοψίζονται στο τέλος της παρούσας διατριβής. / The current Ph.D. thesis introduces a methodogical and systematic approach in order to perform engineering design by utilizing methods and techniques of computational intelligence as well as past design knowledge. Important issues and processes, such as representation and manipulation of design knowledge, extraction of optimal design solution, learning and reuse of design knowledge etc. are analytically discussed. Each one of the aforementioned elements is considered as core around which integrated algorithms are developed that combine various computational intelligence (soft-computing) techniques such as fuzzy logic, artificial neural networks and genetic algorithms. The parametric design problem is formulated on a mathematical basis, whereas the collaborative formation of fuzzy design structure matrices (DSM) is introduced as a basis on which the available design knowledge is organized in convenient hierarchical structures. Furthermore, in order to model the design objectives/requirements/constraints, a fuzzy inference framework is introduced that facilitates the expression of fuzzy preferences on various design parameters. The metric of the total maximum fuzzy preference is introduced as optimality criterion for the design solutions and then it is integrated in the proposed design knowledge organizational structure. The optimal solution is extracted either through an optimization process basically using a genetic algorithm or -alternatively- other optimization techniques, or through deploying analogical reasoning design with retrieval of past design solutions. The design solutions are preserved in a case base and they are retrieved by a trained competitive artificial neural network, which classifies the solutions into clusters and extracts the cluster that converges to the current designer’s preferences. Multiple options are provided for the extraction of optimal solutions. These options include: a) an optimization process that utilizes genetic algorithms, b) other evolutionary optimization techniques and c) analogical reasoning with retrieval of past design solutions. The design solutions are preserved in a case (solution) base and they are retrieved by a trained competitive artificial neural network that classifies the solutions into clusters and extracts the cluster that suits best to the current designer’s preferences. Architectures are developed and introduced, based on which the optimization and case-based retrieval processes are combined. This combination provides more efficient results in terms of quality and speed, if a comparison is made versus the implementation of individual (non-hybrid) techniques. Additionally, a methodology is proposed, according to which the design solutions located in the case base can be retrieved and utilized for a simplified neuro-fuzzy approximation of the initial design problem. It is proved that this approximation is suitable in case of design problems with high computational cost. In the context of a systemic approach of implementing the proposed methodologies and architectures and their evaluation, a system named Case-DeSC (Case-based design with Soft-Computing) is developed and tested against overall performance in three different design problems. The results from the implementation of the proposed methodologies, their future enhancements and evolution, as well as a general discussion about engineering design conclude the present dissertation.

The last twenty years presented increased interest for the study of cerebral processes caused by external events (stimuli). One of the most significant endogenous components of Evoked Potentials is the P600 component. The P600 component may be defined as the most positive peak in the time window between 500 and 800 msec after an eliciting stimulus. This component is thought to reflect the response selection stage of information processing. P600 component is usually less pronounced compared to other components, such as the N100 or the P300. Frequently the P600 component appears as a not-easily discernible secondary peak overlying the ascending negative-going slope of the P300 waveform. In our study we used ERP data from various groups of patients and healthy controls. Patients were recruited from the outpatient university clinic of Eginition Hospital of the University of Athens. The controls were recruited from hospital staff and local volunteer groups. The aim of the study is the implementation of classification systems for these groups, using P600 features. This is usually not achieved well using as features the ERPs amplitude and latency. So for that reason, in our study, we want to extract new features using advanced techniques for processing the original ERPs, such as the Independent Component Analysis (ICA) method. However as a precursor of ICA, is considered the Principal Component Analysis (PCA) method, which we used for comparison reasons to ICA. In the application of ICA we achieve the decomposition of the recorded signals in ICs, supposing temporally independent components and propose ICs selection techniques in order to recompose the P600 component. The next stage was the use of a classification method based on the features extracted using the original data, data extracted through PCA processing and ICA-processed data. First we applied Kolmogorov-Smirnov test to check the normality of the distribution of the features, then we used the Logistic Regression method for classification and finally we have done two implementations of classification using Probabilistic Neural Networks. The first implementation was done with the creation of 15 features from the P600 peak amplitudes from the subjects’ data and the second implementation was done with the creation of four meta-features from the subjects’ P600 amplitude data. The results show that the application of ICA, combined with the logistic regression classification technique, provides notable improvement, compared to the classification performance based on the original ERPs. The main merit of the application is that classification is based on single parameters, i.e. amplitude of the P600 component, or its latency or its termination latency, which are directly related to the brain mechanisms related to ERP generation and pathological processes. / Τα τελευταία 20 χρόνια παρουσιάζεται αυξημένο ενδιαφέρον για την μελέτη εγκεφαλικών επεξεργασιών που προκλήθηκαν από εξωτερικά γεγονότα (ερέθισμα). Ένα από τα πιο σημαντικά ενδογενή συστατικά των Προκλητών Δυναμικών είναι το συστατικό P600. Το συστατικό P600 μπορεί να οριστεί σαν η πιο θετική αιχμή στο χρονικό διάστημα μεταξύ 500 και 800 msec μετά από ένα εκλυτικό ερέθισμα. Το συστατικό αυτό θεωρείται ότι απεικονίζει το στάδιο επιλογής απόκρισης της επεξεργασίας πληροφορίας. Το συστατικό P600 είναι συνήθως λιγότερο έντονο συγκρίνοντας το με άλλα συστατικά, όπως το N100 ή το P300. Συχνά το συστατικό P600 εμφανίζεται ως μια δυσδιάκριτη δεύτερη αιχμή, επικαλύπτοντας την ανοδική αρνητική κλίση της κυματομορφής του P300. Στη μελέτη μας χρησιμοποιήσαμε δεδομένα ΠΔ από ποικίλες ομάδες ασθενών και υγιών μαρτύρων. Οι ασθενείς συλλέχθησαν από τη πανεπιστημιακή κλινική του Αιγηνήτειου Νοσοκομείου του Πανεπιστημίου Αθηνών. Οι υγιείς συλλέχθησαν από το προσωπικό του νοσοκομείου και ομάδες εθελοντών. Ο σκοπός της μελέτης είναι η εφαρμογή συστημάτων ταξινόμησης για αυτές τις ομάδες, χρησιμοποιώντας χαρακτηριστικά του P600. Αυτό συνήθως δεν επιτυγχάνεται καλά χρησιμοποιώντας σαν χαρακτηριστικά το πλάτος και τον λανθάνοντα χρόνο των ΠΔ. Για αυτό το λόγο, στην μελέτη μας, θέλουμε να εξάγουμε νέα χαρακτηριστικά χρησιμοποιώντας προηγμένες τεχνικές για επεξεργασία των αρχικών ΠΔ, όπως τη μέθοδο Ανάλυσης Ανεξαρτήτων Συνιστωσών (ICA). Εντούτοις ως πρόδρομο της ICA, θεωρείται η μέθοδος Ανάλυσης Κύριων Συνιστωσών (PCA), την οποία χρησιμοποιήσαμε για συγκριτικούς λόγους με την ICA. Στην εφαρμογή της ICA προχωρήσαμε στην αποσύνθεση των καταγραφόμενων σημάτων σε Ανεξάρτητες Συνιστώσες και διερευνήσαμε τρεις τεχνικές επιλογής ανεξαρτήτων συνιστωσών μέσω των οποίων επανασυνθέσαμε το συστατικό P600. Το επόμενο βήμα ήταν η χρήση μεθόδου ταξινόμησης βασισμένης στα χαρακτηριστικά που εξάχθηκαν χρησιμοποιώντας τα αρχικά δεδομένα, τα δεδομένα με επεξεργασία PCA και τα δεδομένα με επεξεργασία ICA. Πρώτα εφαρμόσαμε το τεστ Kolmogorov-Smirnov για τον έλεγχο της κανονικότητας της κατανομής των χαρακτηριστικών, μετά χρησιμοποιήσαμε τη μέθοδο Λογαριθμικής Παλινδρόμησης (Logistic Regression) για ταξινόμηση και τελικά πραγματοποιήσαμε δύο εφαρμογές ταξινόμησης χρησιμοποιώντας Πιθανοκρατικά Νευρωνικά Δίκτυα (Probabilistic Neural Networks). Η πρώτη εφαρμογή έγινε με την δημιουργία 15 χαρακτηριστικών από τα πλάτη των αιχμών του P600 από τα δεδομένα των ομάδων και η δεύτερη εφαρμογή έγινε με την δημιουργία τεσσάρων μετά-χαρακτηριστικών από τα δεδομένα των πλατών των ομάδων. Τα αποτελέσματα δείχνουν ότι η εφαρμογή της ICA, συνδυασμένη με την τεχνική ταξινόμησης λογαριθμικής παλινδρόμησης, παρέχει αξιοσημείωτη βελτίωση, συγκριτικά με την απόδοση ταξινόμησης βάση των αρχικών ΠΔ. Η κύρια αξία της εφαρμογής είναι ότι η ταξινόμηση πετυχαίνει ποσοστά μεγαλύτερα του 80% βασιζόμενη σε μία μόνο κάθε φορά παράμετρο, π.χ. το πλάτος του συστατικού P600, ή τον λανθάνοντα χρόνο του ή τον λανθάνοντα χρόνο τερματισμού του, οι οποίες σχετίζονται άμεσα με τους μηχανισμούς του εγκεφάλου σχετικούς με την παραγωγή ΠΔ και τις παθολογικές διαδικασίες.

Στη Διδακτορική Διατριβή μελετώνται 3 κατηγορίες επιθέσεων άρνησης εξυπηρέτησης (Denial-of-Service). Η πρώτη κατηγορία αφορά επιθέσεις τύπου SYN Flood, μια επίθεση που πραγματοποιείται σε χαμηλό επίπεδο και αποτελεί την πιο διαδεδομένη ίσως κατηγορία. Για την αναγνώριση των επιθέσεων αυτών εξήχθησαν 9 στατιστικές παράμετροι οι οποίες τροφοδότησαν τους εξής ταξινομητές: ένα νευρωνικό δίκτυο ακτινικών συναρτήσεων, ένα ταξινομητή κ-κοντινότερων γειτόνων και ένα εξελικτικό νευρωνικό δίκτυο. Ιδιαίτερη σημασία στο σύστημα αναγνώρισης έχουν οι παράμετροι που χρησιμοποιήθηκαν. Για την κατασκευή και επιλογή των παραμέτρων αυτών, προτάθηκε μια νέα τεχνική η οποία χρησιμοποιεί ένα γενετικό αλγόριθμο και μια γραμματική ελεύθερης σύνταξης για να κατασκευάζει νέα σύνολα παραμέτρων από υπάρχοντα σύνολα πρωτογενών χαρακτηριστικών. Στη δεύτερη κατηγορία επιθέσεων, μελετήθηκαν επιθέσεις άρνησης εξυπηρέτησης στην υπηρεσία του παγκόσμιου ιστού (www). Για την αντιμετώπιση των επιθέσεων αυτών προτάθηκε η χρήση υπερσυνδέσμων-παγίδων οι οποίοι τοποθετούνται στον ιστοχώρο και λειτουργούν σαν νάρκες σε ναρκοπέδιο. Οι υπερσύνδεσμοι-παγίδες δεν περιέχουν καμία σημασιολογική πληροφορία και άρα είναι αόρατοι στους πραγματικούς χρήστες ενώ είναι ορατοί στις μηχανές που πραγματοποιούν τις επιθέσεις. Στην τελευταία κατηγορία επιθέσεων, τα μηνύματα ηλεκτρονικού ταχυδρομείου spam, προτάθηκε μια μέθοδος κατασκευής ενός πολύ μικρού αριθμού παραμέτρων και χρησιμοποιήθηκαν για πρώτη φορά νευρωνικά δίκτυα για την αναγνώριση τους. / The dissertation analyzes 3 categories of denial-of-service attacks. The first category concerns SYN Flood attacks, a low level attack which is the most common. For the detection of this type of attacks 9 features were proposed which acted as inputs for the following classifiers: a radial basis function neural network, a k-nearest neighbor classifier and an evolutionary neural network. A crucial part of the proposed system is the parameters that act as inputs for the classifiers. For the selection and construction of those features a new method was proposed that automatically selects constructs new feature sets from a predefined set of primitive characteristics. This new method uses a genetic algorithm and a context-free grammar in order to find the optimal feature set. In the second category, denial-of-service attacks on the World Wide Web service were studied. For the detection of those attacks, the use of decoy-hyperlinks was proposed. Decoy hyperlinks, are hyperlinks that contain no semantic information and thus are invisible to normal users but are transparent to the programs that perform the attacks. The decoys act like mines on a minefield and are placed optimally on the web site so that the detection probability is maximized. In the last type of attack, the email spam problem, a new method was proposed for the construction of a very small number of features which are used to feed a neural network that for the first time is used to detect such attacks.

Η διατριβή πραγματεύεται το αντικείμενο της Υπολογιστικής Νοημοσύνης στην Οικονομική και Χρηματοοικονομική επιστήμη. Στο πρώτο μέρος της διατριβής αναπτύσσονται μέθοδοι ομαδοποίησης και υπολογιστικής νοημοσύνης για τη μοντελοποίηση και πρόβλεψη χρονολογικών σειρών ημερησίων συναλλαγματικών ισοτιμιών. Η προτεινόμενη μεθοδολογία κατασκευάζει τοπικούς προσέγγιστές, με τη μορφή νευρωνικών δικτύων, για ομάδες προτύπων στο χώρο εισόδων που αναγνωρίζονται από μη-επιβλεπόμενους αλγόριθμους ομαδοποίησης. Στη συνέχεια κατασκευάζονται τεχνικοί κανόνες συναλλαγών απευθείας από τα δεδομένα με τη χρήση γενετικού προγραμματισμού. Η επίδοση των νέων κανόνων συγκρίνεται με αυτή των γενικευμένων κανόνων κινητού μέσου. Το δεύτερο μέρος της διατριβής πραγματεύεται την εφαρμογή εξελικτικών αλγορίθμων για τον υπολογισμό και την εκτίμηση του πλήθους σημείων ισορροπίας σε προβλήματα από τη θεωρία παιγνίων και τη νέα οικονομική γεωγραφία. Πιο συγκεκριμένα, αξιολογείται η ικανότητα των εξελικτικών αλγορίθμων να εντοπίσουν σημεία ισορροπίας κατά Nash σε πεπερασμένα στρατηγικά παίγνια και προτείνονται τεχνικές για τον εντοπισμό περισσοτέρων του ενός σημείων ισορροπίας. Τέλος εφαρμόζονται κριτήρια από τη θεωρία υπολογισμού σταθερών σημείων και τη θεωρία τοπολογικού βαθμού για τη διερεύνηση της ύπαρξης και της υπολογιστικής πολυπλοκότητας του υπολογισμού βραχυχρόνιων σημείων ισορροπίας σε μοντέλα νέας οικονομικής γεωγραφίας. / The thesis investigates Computational Intelligence methods in Economics and Finance. The first part of the thesis is devoted to computational intelligence methods and unsupervised clustering methods for modeling and forecasting daily exchange rate time series. A methodology is proposed that relies on local approximation, using artificial neural networks, for subregions of the input space that are identified through unsupervised clustering algorithms. Furthermore, we employ genetic programming to construct novel trading rules directly from the data. The performance of the novel rules is compared to that of generalised moving average rules. In the second part of the thesis we employ evolutionary algorithms to compute and to estimate the number of equilibria in finite strategic games and new economic geography models. In particular, we investigate the capability of evolutionary and swarm intelligence algorithms to compute Nash equilibria and propose an approach for the computation of more than one equilibria. Finally we employ criteria from the theory on computation of fixed points and topological degree theory to investigate the existence and the computational complexity of computing short run equilibria in new economic geography models.

Στην παρούσα διπλωματική εργασία θα γίνει μελέτη και εφαρμογή μεθόδων επίλυσης του προβλήματος αναγνώρισης γεωμετρικών χαρακτηριστικών ανθρώπινων ερυθρών αιμοσφαιρίων από προσομοιωμένες εικόνες σκέδασης ΗΜ ακτινοβολίας ενός He-Ne laser 632.8 μm. Στο πρώτο κεφάλαιο γίνεται μια εισαγωγή στις ιδιότητες και τα χαρακτηριστικά του ερυθροκυττάρου καθώς, επίσης, παρουσιάζονται διάφορες ανωμαλίες των ερυθροκυττάρων και οι μέχρι στιγμής χρησιμοποιούμενοι τρόποι ανίχνευσής των. Στο δεύτερο κεφάλαιο της εργασίας γίνεται μια εισαγωγή στις ιδιότητες της ΗΜ ακτινοβολίας, περιγράφεται το φαινόμενο της σκέδασης και παρουσιάζεται το ευθύ πρόβλημα σκέδασης ΗΜ ακτινοβολίας ανθρώπινων ερυθροκυττάρων. Το τρίτο κεφάλαιο αποτελείται από δύο μέρη. Στο πρώτο μέρος γίνεται εκτενής ανάλυση της θεωρίας των τεχνητών νευρωνικών δικτύων και περιγράφονται τα νευρωνικά δίκτυα ακτινικών συναρτήσεων RBF. Στη συνέχεια, αναφέρονται οι μέθοδοι εξαγωγής παραμέτρων και, πιο συγκεκριμένα, δίνεται το θεωρητικό και μαθηματικό υπόβαθρο των μεθόδων που χρησιμοποιήθηκαν οι οποίες είναι ο αλογόριθμος Singular Value Decomposition (SVD), o Angular Radial μετασχηματισμός (ART) και φίλτρα Gabor. Στο δεύτερο μέρος περιγράφεται η επίλυση του αντίστροφου προβλήματος σκέδασης. Παρουσιάζεται η μεθοδολογία της διαδικασίας επίλυσης όπου εφαρμόστηκαν ο αλογόριθμος συμπίεσης εικόνας SVD, o περιγραφέας σχήματος ART και ο περιγραφέας υφής με φίλτρα Gabor για την εύρεση των γεωμετρικών χαρακτηριστικών και νευρωνικό δίκτυο ακτινικών συναρτήσεων RBF για την ταξινόμηση των ερυθροκυττάρων. Στο τέταρτο και τελευταίο κεφάλαιο γίνεται δοκιμή και αξιολόγηση της μεθόδου και συνοψίζονται τα αποτελέσματα και τα συμπεράσματα που εξήχθησαν κατά τη διάρκεια της εκπόνησης αυτής της διπλωματικής. / In this thesis we study and implement methods of estimating the geometrical features of the human red blood cell from a set of simulated light scattering images produced by a He-Ne laser beam at 632.8 μm. Ιn first chapter an introduction to the properties and the characteristics of red blood cells are presented. Furthermore, we describe various abnormalities of erythrocytes and the until now used ways of detection. In second chapter the properties of electromagnetic radiation and the light scattering problem of EM radiation from human erythrocytes are presented. The third chapter consists of two parts. In first part we analyse the theory of neural networks and we describe the radial basis function neural network. Then, we describe the theoritical and mathematical background of the methods that we use for feature extraction which are Singular Value Decomposition (SVD), Angular Radial Transform and Gabor filters. In second part the solution of the inverse problem of light scattering is described. We present the methodology of the solution process in which we implement a Singular Value Decomposition approach, a shape descriptor with Angular Radial Transform and a homogenous texture descriptor which uses Gabor filters for the estimation of the geometrical characteristics and a RBF neural network for the classification of the erythrocytes. In the forth and last chapter the described methods are evaluated and we summarise the experimental results and conclusions that were extracted from this thesis.

Σε αυτή την Διπλωματική εργασία μελετήσαμε με ποιο τρόπο μπορούν να εφαρμοστούν οι διάφορες τεχνικές Εξόρυξης Γνώσης (Data Mining) στην εκπαίδευση. Αυτός ο επιστημονικός τομέας o οποίος ερευνά και αναπτύσσει τεχνικές προκειμένου να ανακαλύψει γνώση από δεδομένα τα οποία προέρχονται από την εκπαίδευση ονομάζεται Εξόρυξη Γνώσης από Εκπαιδευτικά Δεδομένα (Educational Data Mining –EDM. Στην εργασία αυτή εκτός από την θεωρητική μελέτη των αλγορίθμων και των τεχνικών που διέπουν την εξόρυξη γνώσης από δεδομένα γενικά, έγινε και μια λεπτομερέστερη μελέτη και παρουσίαση της κατηγορίας των αλγορίθμων κατηγοριοποίησης (Classification), διότι αυτοί οι αλγόριθμοι χρησιμοποιήθηκαν στην φάση της υλοποίησης/αξιολόγησης. Στην συνέχεια η εργασία επικεντρώθηκε στον τρόπο με τον οποίο μπορούν να εφαρμοστούν αυτοί οι αλγόριθμοι σε εκπαιδευτικά δεδομένα, τι εφαρμογές έχουμε στην εκπαίδευση, ενώ αναφερόμαστε και σε μια πληθώρα ερευνών που έχουν πραγματοποιηθεί πάνω στο συγκεκριμένο αντικείμενο. Στην συνέχεια διερευνήσαμε την εφαρμογή τεχνικών κατηγοριοποίησης στην πρόγνωση της επίδοσης μαθητών Δευτεροβάθμιας Εκπαίδευσης στα μαθήματα της Γεωγραφίας Α’ και Β’ Γυμνασίου. Συγκεκριμένα υλοποιήσαμε και θα αξιολογήσαμε έξι αλγορίθμους οι οποίοι ανήκουν στην ομάδα των αλγορίθμων κατηγοριοποίησης(Classification) και είναι αντιπροσωπευτικοί των σημαντικότερων τεχνικών κατηγοριοποίησης. Από την οικογένεια των ταξινομητών με χρήση δένδρων απόφασης (Decision Tree Classifiers) υλοποιήσαμε τον J48, από τους αλγορίθμους κανόνων ταξινόμησης (Rule-based Classification ) τον Ripper, από τους αλγόριθμους στατιστικής κατηγοριοποίησης τον Naïve Bayes, από την μέθοδο των Κ πλησιέστερων γειτόνων (KNN) τον 3-ΝΝ, από την κατηγορία των τεχνητών νευρωνικών δικτύων τον Back Propagation και τέλος από τις μηχανές διανυσμάτων υποστήριξης (Support Vector Machines SVM) τον SMO (Sequental Minimal Optimazation). Όλες οι παραπάνω υλοποιήσεις και αξιολογήσεις έγιναν με το ελεύθερο λογισμικού Weka το οποίο είναι υλοποιημένο σε Java και το οποίο προσφέρει μια πληθώρα αλγορίθμων μηχανικής μάθησης για να κάνουμε εξόρυξη γνώσης. / In this work we will study the way the misc data mining techniques can be applied to the misc fields of the education. This new scientific field is commonly named Educational Data Mining. In this study we will study the theoretical analysis of the data mining techniques focussing to the classification techniques as those are the most commonly used for prediction purpose. We also intend to predict student performance in secondary education using data mining techniques. The data we collect are concerned the class of Geography and we apply to them six data mining models with the help of the open source machine learning software Weka. We use supervised machine learning algorithms from the Classification field (Decision Tree Classifiers, Rule-based Classification, Neural Networks, k-Nearest Neighbour Algorithm, Bayesian and Support Vector Machines). After we have evaluate the algorithms we build a java tool, that uses the 3-KNN algorithm, to help us predict the performance of a student at the end of the year.

Είναι ευρύτατα γνωστό ότι ο θόρυβος δημιουργείται από δονούμενες επιφάνειες. Για την αντιμετώπιση του θορύβου στην πηγή του, δηλαδή τη δονούμενη επιφάνεια, δύο κυρίως τρόποι έχουν αναπτυχθεί. Ο πρώτος τρόπος αφορά τη χρησιμοποίηση παθητικών μέσων, δηλαδή ηχομονωτικών υλικών που αποσβένουν συγκεκριμένες συχνότητες. Ο δεύτερος τρόπος αφορά τη χρήση ενεργητικών μέσων. Τα ενεργητικά μέσα είναι διατάξεις που αποτελούνται από ένα σύστημα ελέγχου και ένα σύνολο αισθητήρων και ενεργοποιητών. Η λειτουργία ενός τέτοιου Συστήματος Ενεργού Ελέγχου Δονήσεων (ΣΕΕΔ) βασίζεται στην καταγραφή μέσω των αισθητήρων του τρόπου δόνησης της επιφάνειας (πρωτεύον πεδίο δόνησης), την δημιουργία σημάτων ελέγχου από τον ελεγκτή (ίδιου πλάτους αλλά με διαφορά φάσης 180o) και την αποστολή τους στους ενεργοποιητές που θα δημιουργήσουν ένα δευτερεύον πεδίο δόνησης. Η υπέρθεση των δύο πεδίων έχει σαν αποτέλεσμα την δημιουργία ενός εναπομείναντος πεδίου με πλάτη δόνησης αισθητά χαμηλότερα από αυτά του πρωτεύοντος. Το αντικείμενο της παρούσας διατριβής είναι η ανάπτυξη ενός γενικευμένου ΣΕΕΔ, ο έλεγχος του οποίου βασίζεται σε εργαλεία Τεχνητής Νοημοσύνης όπως τα Τεχνητά Νευρωνικά Δίκτυα και οι Γενετικοί Αλγόριθμοι για την αναγνώριση του τρόπου δόνησης οποιασδήποτε επιφάνειας και το βέλτιστο έλεγχο της δόνησής της, χωρίς να απαιτείται καμία πρότερη γνώση της δυναμικής συμπεριφοράς της επιφάνειας. Επιπλέον, το υπό μελέτη ΣΕΕΔ είναι ικανό να ελέγχει τέσσερις συχνότητες αντί μιας που απαντάται συνήθως στην πλειονότητα των εφαρμογών. Ο σκοπός της διατριβής αυτής είναι η απόδειξη της αρχής λειτουργίας ενός τέτοιου συστήματος. Η προσέγγιση για την επίτευξη αυτού του στόχου περιλαμβάνει πειραματικές μετρήσεις ενός πρωτότυπου ΣΕΕΔ σε μία απλοποιημένη πειραματική διάταξη. Τα αποτελέσματα από την εφαρμογή του εν λόγω ΣΕΕΔ δείχνουν ότι παρά τους περιορισμούς που υπεισέρχονται λόγω των δυνατοτήτων του υλικού (hardware) του χρησιμοποιούμενου εξοπλισμού, το υπό μελέτη ΣΕΕΔ λειτουργεί επιτυχώς στη βασική αρχή του, ενώ έχει τις προϋποθέσεις και τη δυναμική για περαιτέρω βελτιστοποίηση και εξέλιξη σε ένα ευρύ φάσμα εφαρμογών. / It is generally approved that noise is created by vibrating surfaces. In order to tackle this phenomenon at its source, mainly two approaches have been followed. The first approach involves passive means, that is sound insulation materials that dampen certain frequencies. The second approach involves the use of active means. The active means are arrangements that consist of a control system and a set of sensors and actuators. The application of such an arrangement for vibration control is called Active Vibration Control (AVC) and is based on the sampling (by means of sensors) of the primary field of vibration of the surface, the creation of control signals by the controller (secondary field - of the same amplitude but with phase difference of 180o) and finally applying these control signals on the vibrating surface, by means of the actuators. The superimposing of the two vibration signals (primary and secondary) results to a residual field where the amplitudes of vibration are significantly lower than in the primary. The objective of the thesis at hand is to develop a Generic AVC with the controller developed using Artificial Intelligence tools such as the Artificial Neural Networks (ANNs) and Genetic Algorithms (GAs), in order to identify the vibration patterns of any surface and the optimal control of its vibration, without any prior knowledge of the dynamic behavior of the surface. Moreover, the developed AVC system will be able to identify and control four dominating frequencies instead of one that is usually the choice in the majority of similar applications. The scope of this work is the ‘Proof of Concept’ of the successful operation of such a generic AVC system. The approach to this end includes experimental testing of a prototype AVC system on a simplified experimental set-up. The results of the application of the developed AVC system, performed also by independent parties in the framework of a EC-funded Basic Research project, prove the successful operation of the developed AVCS, even within the limitation of the contemporary data acquisition platform (hardware and software) used, imposes limitations in the efficiency of the AVCS, and provide the basis for its further development and application in a multitude of problems.