Τα Ευφυή Συστήματα Διδασκαλίας (Intelligent Tutoring Systems) είναι συστήματα που χρησιμοποιούν μεθόδους Τεχνητής Νοημοσύνης για την παροχή εξατομικευμένης διδασκαλίας, τα τελευταία χρόνια και μέσω Διαδικτύου. Τα συστήματα αυτά προσφέρουν δηλαδή μάθηση προσαρμοζόμενη στις δυνατότητες και της ανάγκες των μαθητών-φοιτητών. Ένα σημαντικό τμήμα των συστημάτων αυτών αφορά την αξιολόγηση των μαθητών. Η αξιολόγηση αφορά τον προσδιορισμό του επιπέδου γνώσης ενός μαθητή. Αυτό συνήθως γίνεται με την μέτρηση της απόδοσης του μαθητή σ’ ένα ή περισσότερα τεστ που περιέχουν ερωτήσεις-ασκήσεις που αναφέρονται σε ένα σύνολο εννοιών και είναι διαφόρων επιπέδων δυσκολίας. Ένα σημαντικό στοιχείο στην υπόθεση αυτή είναι ο σωστός προσδιορισμός του επιπέδου δυσκολίας των ερωτήσεων-ασκήσεων. Ένα δεύτερο στοιχείο είναι ο σωστός σχεδιασμός των τεστ ώστε να ανταποκρίνεται στις ανάγκες του κάθε μαθητή, ανάλογα με την μελέτη που έχει κάνει. Ένα τρίτο στοιχείο αφορά τις ευφυείς μεθόδους που θα χρησιμοποιηθούν για την επίτευξη των παραπάνω δύο στοιχείων. Συνήθως χρησιμοποιούνται απλές μέθοδοι, όπως π.χ. κανόνες παραγωγής ή σημαντικά δίκτυα. Μια ενδιαφέρουσα ερευνητική κατεύθυνση είναι η χρήση υβριδικών ευφυών τεχνικών, δηλαδή τεχνικών που συνδυάζουν δύο τουλάχιστον γνωστές ευφυείς τεχνικές, όπως είναι π.χ. ο συνδυασμός κανόνων παραγωγής και γενετικών αλγορίθμων. Το αντικείμενο αυτής της μεταπτυχιακής διπλωματικής εργασίας είναι: (α) η εύρεση μιας μεθόδου για ρεαλιστικότερο προσδιορισμό του επιπέδου δυσκολίας των ερωτήσεων-ασκήσεων, (β) η εύρεση μιας μεθόδου για προσαρμοστικό σχεδιασμό των τεστ αξιολόγησης των μαθητών, ώστε να ανταποκρίνονται στις ανάγκες και δυνατότητες του καθενός χωριστά, (γ) η χρήση υβριδικών ευφυών τεχνικών και (δ) η εφαρμογή των παραπάνω σ’ ένα υπάρχον ευφυές σύστημα διδασκαλίας θεμάτων τεχνητής νοημοσύνης. / Intelligent Tutoring Systems (ITSs) are systems that use AI techniques in order to provide adaptive assessment. ITSs adapt the course material to the student's needs, based on his/her profile and knowledge level. An important function of such systems is student evaluation. Student evaluation refers to the evaluation of the knowledge level of a student after having dealt with a learning page. This is achieved by processing the results of the exercises offered at the end of a learning page. Estimation of the knowledge level of a concept is based, among others, on the difficulty level of the correctly answered exercises included in the test. So, the right determination of the difficulty level of an exercise is very important. Another important issue is the design of the tests in order to correspond student's needs based on their study. Feedback from the students saved in the student model should be taken into account for determination of the difficulty levels of the questions/exercises that will be chosen from each concept. A third important issue is the use of Hybrid Intelligent Methods to achieve the two mentioned issues. Most ITSs use simple methods like semantic networks or production rules. An interesting research direction is the useof hybrid AI methods which combine at least two well known AI techniques like production rules and genetic algorithms. The scope of this paper is (a) the determination of a realistic method for exercise difficulty level adaptation (b) the determination of a method for the personalized assessment of the learner according to a student model (c) the use of Hybrid Intelligent Methods and (d) the implementation of all the above in an Artificial Intelligence Teaching System of the course of "Artificial Intelligence".

Στην εργασία που ακολουθεί, ασχολούμαστε με την εφαρμογή μεθόδων Τεχνητής Νοημοσύνης σε ένα πραγματικό πρόβλημα, που αναφέρεται στην διάγνωση του βαθμού ασφαλισιμότητας ενός πελάτη μιας ασφαλιστικής εταιρείας. Η ανάγκη για την εφαρμογή αυτή προέκυψε από το γεγονός ότι πολλές φορές ο εμπειρογνώμονας της εταιρείας δεν είναι διαθέσιμος, αλλά και όταν είναι, χρειάζεται ένα συμβουλευτικό πρόγραμμα. Πιο συγκεκριμένα, για τη λύση του προβλήματος χρησιμοποιούνται: α) ένα ασαφές έμπειρο σύστημα υλοποιημένο με τη βοήθεια του εργαλείου FuzzyCLIPS, β) ένα έμπειρο σύστημα που χρησιμοποιεί κανόνες με συντελεστές βεβαιότητας τύπου MYCIN, γ) ένα έμπειρο σύστημα που χρησιμοποιεί κανόνες με συντελεστές βεβαιότητας τύπου weighted, υλοποιημένα και τα δύο με βάση το εργαλείο CLIPS και δ) ένα νευρωνικό δίκτυο υλοποιημένο με βάση το εργαλείο WEKA. Στο τέλος συγκρίνουμε τα παραπάνω συστήματα με βάση κάποιες μετρικές. Πριν να ξεκινήσουμε την ανάλυση του προβλήματός μας και των υλοποιήσεων των παραπάνω συστημάτων, αναλύουμε λίγο παραπάνω τους όρους και τα εργαλεία που ήδη αναφέραμε, δίνοντας περισσότερες πληροφορίες για την προέλευση τους, τα χαρακτηριστικά τους, τη χρησιμότητά τους, κτλ. Έτσι, αρχικά δίνουμε περισσότερα στοιχεία για τον τομέα της Τεχνητής Νοημοσύνης και πώς αυτός έχει εξελιχτεί στις τελευταίες δεκαετίες, και αναλύουμε τη συσχέτιση των Έμπειρων Συστημάτων με την Τεχνητή Νοημοσύνη, τα χαρακτηριστικά τους, τη δομή τους, τα πλεονεκτήματα και μειονεκτήματά τους. Στη συνέχεια, αναλύουμε τα τρία εργαλεία που θα χρησιμοποιήσουμε και τις δυνατότητες αυτών. Κι αφού δώσουμε περισσότερες πληροφορίες για το πρόβλημα της ‘Ασφαλισιμότητας’ και τον τρόπο που το αντιμετωπίζουμε, γίνεται παρουσίαση των παραπάνω ευφυών συστημάτων και των αποτελεσμάτων τους σε συγκεκριμένο σύνολο δεδομένων. Τέλος, προχωράμε σε σύγκριση και σχολιασμό των τιμών των μετρικών που προέκυψαν από τις προηγούμενες εφαρμογές, και εξαγωγή των συμπερασμάτων της σύγκρισης. / In the work that follows, we deal with the application of methods of Artificial Intelligence in a real problem, that is concerned with the diagnosis of degree of ‘how safe is to insure a customer’ in an insurance company. The need for this application resulted from the fact that many times over, the expert of the insurance company may not be available, but also when he is, he could use an advisory program. To be more exact, for the solution of the problem described above we use: a) a fuzzy expert system (in our case we use FuzzyCLIPS), b) an expert system that use rules with certainty factors as in the MYCIN tool, c) an expert system that uses rules with certainty factors as in the Weighted tool, both programmed using the CLIPS expert systems tool d) a neural network through WEKA neural network producer tool. Finally, we compare the above mentioned systems by calculating a set of metrics to conclude which method produces the most accurate results. Before analysing our problem and running the systems mentioned above, we analyze fatherly the terms and the tools that we use, providing more information on their characteristics, usefulness, etc. Thus, initially we give more information about Artificial Intelligence and how it has developed in the last decades, and we analyze the cross-correlation of Expert Systems with Artificial Intelligence, their characteristics, their structure, their advantages and disadvantages. After that, we analyze the three tools that we will use, and their possibilities, advantages and disadvantages. After giving more information on the problem of ‘how safe is to insure a customer’ and the way we deal with it, we present the above expert systems and their results in a specific dataset. Finally, we compare the metrics that were calculated from the previous applications, and comment on the conclusions of this comparison.

Η Αλλαγή Πεποιθήσεων είναι το πεδίο που ασχολείται, μελετά και τυποποιεί ένα πλήθος διαδικασιών της συλλογιστικής σκέψης. Οι θεμελιώδεις αρχές της βρίσκονται σε διάφορα φιλοσοφικά συστήματα της περιόδου της αρχαιότητας. Ωστόσο, η σύγχρονη προβληματική που αναπτύσσεται γύρω από το πεδίο αυτό και που καλείται να αντιμετωπίσει εντάσσεται στην ευρύτερη περιοχή της Αναπαράστασης της Γνώσης. Στα μέσα της δεκαετίας του 80 και ύστερα από την προσπάθεια μετάβασης σε πιο συστηματικές και μαθηματικές προσεγγίσεις, η Αλλαγή Πεποιθήσεων αποκτά την τελική της μορφή. Ο όρος Αλλαγή διαιρείται σε τρεις ευρείες υπό-ενότητες: την πρόσθεση, την αφαίρεση και την αναθεώρηση. Η πρόσθεση αναφέρεται στη συλλογή νέων πληροφοριών (επέκταση πεποιθήσεων), η αφαίρεση την απώλεια πληροφορίας, ενώ η αναθεώρηση ερμηνεύει τη μερική ή ολική αλλαγή στο σύνολο των πεποιθήσεών μας, εξαιτίας της εμφάνισης μίας νέας πεποίθησης. Κάθε διαδικασία Αλλαγής συνοδεύεται από ένα σύνολο ορθολογικών αξιωμάτων. Τα αξιώματα διατυπώθηκαν με κύριο σκοπό την ομαδοποίηση, ταξινόμηση και περιορισμό των συλλογιστικών μας ενεργειών. Εκτός από τους τύπους αλλαγών και τα σύνολα των αξιωμάτων που αναφέρθηκαν στο χώρο της Αλλαγής Πεποιθήσεων υπάρχουν και άλλες σημαντικές - συμπληρωματικές διαδικασίες. Μία από τις πιο γνωστές και επωφελείς είναι αυτή της Επαναλαμβανόμενης Αναθεώρησης. Ενώ η απλή αναθεώρηση ερμηνεύει καταστάσεις που προξενούνται από την εμφάνιση μίας και μόνο πληροφορίας, η επαναλαμβανόμενη αναθεώρηση διασαφηνίζει περιπτώσεις μάθησης μέσα από το φάσμα των διαδοχικών πεποιθήσεων. Η παρούσα διατριβή θα μπορούσε να διαιρεθεί σε τρεις μεγάλες κατηγορίες. Η πρώτη εξετάζει συστηματικά τις διάφορες μεθόδους και τεχνικές που αναφέρονται στη διεθνή βιβλιογραφία. Η δεύτερη περιλαμβάνει την κυριότερη ερευνητική μας συνεισφορά καθώς και οι προτάσεις μας πάνω σε ανοικτά προβλήματα της Αλλαγής των Πεποιθήσεων. Πιο συγκεκριμένα, στο αρχικό στάδιο της έρευνάς μας αποτυπώνεται η προσπάθεια σύνδεσης της αναθεώρησης με την επαναλαμβανόμενη αναθεώρηση πεποιθήσεων. Η σύνδεση αυτή επιτυγχάνεται με την εισαγωγή ενός νέου αξιώματος που ονομάζουμε αξίωμα επαναλαμβανόμενης ανάκτησης. Αποδεικνύεται ότι το αξίωμα της επαναλαμβανόμενης ανάκτησης μπορεί να χρησιμοποιηθεί σε πολλές περιπτώσεις κατά τις οποίες το δεύτερο αξίωμα (DP2) των Darwiche και Pearl χαρακτηρίζεται αρκετά ισχυρό. Αποδεικνύουμε επίσης την ορθότητα και πληρότητα του παραπάνω αξιώματος μέσα από το σύστημα σφαιρών του Adam Grove. Στη συνέχεια η έρευνά μας στρέφεται στην προσπάθεια σύνδεσης δύο πολύ σημαντικών περιοχών στην αλλαγή πεποιθήσεων: την Επαναλαμβανόμενη και τη Relevance-Sensitive αναθεώρηση πεποιθήσεων. Τα αποτελέσματα της απόδειξης αφενός αποκαλύπτουν την ύπαρξη μη-συνέπειας μεταξύ τους αξιώματος (P) για τη Relevanse-Sensitive αναθεώρηση πεποιθήσεων με κάθε ένα από τα (DP) αξιώματα της επαναλαμβανόμενης αναθεώρησης πεποιθήσεων, αφετέρου αξιώνουν μία αναγκαία και γενικότερη αποκατάσταση στα τυπικά μοντέλα της αλλαγής πεποιθήσεων. Ακόμη μπορεί να αποδοθεί στη δική μας έρευνα και κάτι διαφορετικό, σε σχέση με τις άλλες: ότι η διαδικασία της αφαίρεσης πεποιθήσεων βασίζεται σε Horn Clauses. Ωστόσο, η αμιγής ερευνητική μας προσπάθεια αναφέρεται την παροχή σημασιολογίας βασιζόμενη σε διατάξεις πιθανών κόσμων για τη διαδικασία του e-contraction που εισήγαγε ο James Delgrande. Η Τρίτη κατηγορία, τέλος, αποβλέπει στην παρουσίαση της κλασσικής θεωρίας της Αναθεώρησης Πεποιθήσεων μέσα από την εφαρμογή της στην επιστήμη των υπολογιστών και πιο συγκεκριμένα, μέσω του Σημασιολογικού Ιστού. / Belief Change is an area that studies and standardizes several reasoning processes. However, the problems it has to confront rest in the wider area of Knowledge Representation. In the mid-1980s and after a transition effort to more systematic and mathematical Approaches, the Belief Change gets into its final form. The term “change” splits in three wide subgroups: expansion, contraction and revision. The expansion regards the collection of new information (belief expansion), while contraction concerns the loss of information. Finally, the revision explains the partial or total change in our beliefs, deriving from the appearance of new information. Every Change process is coupled with several rational postulates. Those were mainly formulated to group, classify and constrain our reasoning. Apart from the change formulas and the postulates mentioned above, in the field of Belief Change there are other important – additional processes. One of the most known and useful is the Iterated Revision. While the simple Revision explains conditions that are induced from the emergence of one and only information, the Iterated Revision clarifies cases of learning through the spectrum of successive beliefs. The present dissertation is classified in three major categories. The first one concerns the systematic study of several methods and techniques found in the international bibliography. The second incorporates our main contribution in research and our propositions with regard in open problems of the Belief Change. More specifically, the initial stage of our research is an effort to connect the revision with the iterated belief revision. This connection is achieved with the introduction of a new postulate called “iterated recovery postulate”. It is also established that the iterated recovery postulate (IR) can be used in many cases where the second postulate DP2, by Darwiche and Pearl, is qualified as rather strong. Moreover, we prove hereby that the postulate is sound and complete through the Adam Grove’s System of Spheres. Our research continues to connect two very important areas in the Belief Change: the Iterated and the Relevance-Sensitive belief revision. The conclusions of this proof reveal the inconsistency between the (P) postulate, regarding the Relevance-Sensitive belief revision, with “each and every one” of the DP postulates of the iterated belief revision. Likewise, they urge for a broad and imperative recovery of the “belief change” typical models. Unlike others, our contribution in research has to do with the belief contraction process, based on Horn Clauses. Our pure research regards the provision of semantics based on possible worlds orderings for the process of e-contraction, introduced by James Delgrande. Finally, the third category tries to present the classical theory of Belief Revision through its application in the computer science and specifically through the Semantic Web.

Η παρούσα διδακτορική διατριβή έχει ως στόχο τη δημιουργία ενός αποδοτικού μοντέλου για το Λειτουργικό Συνδυασμό Βιο-Ιατρικών δεδομένων (BioMedical data integration). Ξεκινώντας από τη σχεδιαστική ανάλυση της ιατρικής γνώσης και των προβλημάτων που προκύπτουν από τον τρόπο παραγωγής των ιατρικών δεδομένων, προχωρεί στην επίλυση των επιμέρους θεμάτων Λειτουργικού Συνδυασμού εντός ενός συγκεκριμένου ιατρικού πεδίου και καταλήγει στον ολοκληρωμένο Λειτουργικό Συνδυασμό ιατρικών δεδομένων προερχόμενων από διαφορετικές πηγές και πεδία γνώσης. Συνεχίζει με τη σχεδίαση ενός μοντέλου βάσεων δεδομένων που ακολουθεί «οριζόντια» λογική και είναι αρκετά αποδοτικό ώστε να αποκρίνεται σε πολύπλοκα και ευρείας κλίμακας ερωτήματα σε πραγματικό χρόνο. Καταλήγει με την παρουσίαση μίας ολοκληρωμένης εφαρμογής η οποία εκμεταλλευόμενη τα πλεονεκτήματα του Λειτουργικού Συνδυασμού και της οριζόντιας δομής των δεδομένων είναι σε θέση να διαχειριστεί εξετάσεις προερχόμενες από κάθε κυτταρομετρητή ροής και συνδυάζοντάς αυτές με τις υπόλοιπες αιματολογικές κλινικοεργαστηριακές εξετάσεις να απαντά σε καθημερινά και σύνθετα ερευνητικά, ιατρικά ερωτήματα. Τα πρωτότυπα ερευνητικά αποτελέσματα που προέκυψαν στα πλαίσια της παρούσης εργασίας δημοσιεύτηκαν σε έγκυρα διεθνή περιοδικά και σε διεθνή και ελληνικά συνέδρια με κριτές. / Current dissertation focuses on the creation of an efficient model for Bio-medical data integration. Starting with an analytical approach of the medical knowledge and the problems that may occur cause of the way that medical data are produced, continues with the necessary solutions for single domain data integration and concludes with the proposal of a working framework for mass data integration, originating from multiple medical domains. The proposed integration model is based on the “horizontal” logic of a database design and it’s efficient enough to produce query results in real time, even for complex real-life medical questions. The proof of concept of the working framework and its goals for mass data integration is achieved through the presentation of a medical information system. The presented system, by taking advantage of the “horizontal” database design, is able to manage Flow Cytometry measurements, originating for any available hardware and by integrating the cytometric data with other types of hematological data is able to give answers to everyday and research medical questions. All original research results that produced within the scope of this dissertation were published in international research journals and medical conferences.

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.

Η βιομηχανία της ένδυσης εξακολουθεί να στηρίζεται σε πολύ μεγάλο βαθμό στην χειρωνακτική εργασία. Αυτό οφείλεται στο γεγονός ότι τα υφάσματα είναι σώματα που παρουσιάζουν πολύ μικρή δυσκαμψία με αποτέλεσμα να παραμορφώνονται εύκολα, ενώ παράλληλα έχουν ένα μεγάλο εύρος δομών και ιδιοτήτων που καθιστά δύσκολη την ανάπτυξη αξιόπιστων και ευέλικτων συστημάτων χειρισμού. Στη διατριβή αυτή παρουσιάζεται μία μέθοδος για τον διαχωρισμό και σύλληψη ενός τεμαχίου υφάσματος από στοίβα, βασισμένη στη ροή αέρα υπό πίεση πάνω από τη στοίβα. Η ροή ανασηκώνει το άνω τεμάχιο, ενώ η τυρβώδης φύση της ροής διαχωρίζει το τεμάχιο από τα υποκείμενά του. Αναπτύσσονται δύο συστήματα για τον αυτόνομο προσδιορισμό της τροχιάς άκρου εργασίας ρομπότ, για την πραγματοποίηση του χειρισμού της απλής απόθεσης τεμαχίου υφάσματος σε τράπεζα εργασίας. Αυτά τα συστήματα βασίζονται σε μεθόδους υπολογιστικής νοημοσύνης, και πιο συγκεκριμένα στην ασαφή λογική, χωρίς να απαιτούν τη χρήση επιπρόσθετων συσκευών ή τη γνώση πολλών μηχανικών ιδιοτήτων των υφασμάτων. Μελετάται ο χειρισμός του διπλώματος υφάσματος σε τράπεζα εργασίας και εισάγονται τρία στάδια στα οποία μπορεί να χωριστεί αυτός ο χειρισμός ώστε να μειωθεί η πολυπλοκότητα του συνολικού χειρισμού. Αναλύεται το κάθε στάδιο και παρουσιάζονται τα χαρακτηριστικά μορφής του υφάσματος που επιλέγονται για να περιγράψουν την κατάστασή του για κάθε στάδιο του χειρισμού. Εισάγεται μια μέθοδος για την εξαγωγή αυτών των χαρακτηριστικών με τη χρήση δύο αισθητήρων όρασης, η οποία βασίζεται στην αναζήτηση των χαρακτηριστικών αυτών σε συγκεκριμένες περιοχές του χώρου της εικόνας. Αυτό καθίσταται δυνατό χάρη στην βαθμονόμηση των αισθητήρων. Αναπτύσσεται μία στρατηγική για το δίπλωμα υφασμάτων βασισμένη σε ασαφή λογική με ανάδραση όρασης. Ο ασαφής ελεγκτής, πολλών εισόδων-εξόδων, εκπαιδεύεται με τη μέθοδο δοκιμής-και-σφάλματος και παρέχει τα κέρδη ενός Ρ-ελεγκτή. Το σύστημα παρουσιάζει ευελιξία και αξιοπιστία για υφάσματα που ικανοποιούν τους περιορισμούς που έχουν τεθεί. Παρουσιάζεται μία στρατηγική για τον έλεγχο του ενεργού διπλώματος όπου δύο ανεξάρτητα υποσυστήματα αναλαμβάνουν τον προσδιορισμό της κατάστασης στόχου του υφάσματος και την επίτευξη αυτού του στόχου αυξάνοντας με αυτόν τον τρόπο την ευελιξία του συστήματος. Οι μέθοδοι που αναπτύχθηκαν μπορούν να χρησιμοποιηθούν ως αφετηρία για την εισαγωγή αξιόπιστων και ευέλικτων αυτοματισμών με σκοπό την εκτέλεση των χειρισμών της βιομηχανίας ένδυσης από ρομπότ. / The apparel industry is still mainly based on manual labor. The main reason for the automation delay is the fact that fabrics are bodies that present very low bending rigidity, and as a result they are easily deformed. Fabrics also present a great variety of structures and properties. These facts deter the development of reliable and flexible robotic handling systems. In this thesis a method for the separation and capture of a piece of fabric from a stack is presented, based on air flow over the stack. The difference in static pressure, caused by the flow, lifts the upper piece of the fabric, while the turbulent nature of the flow separates it from its underlying pieces. Two systems are developed for the determination of the trajectory of the end-effector of a robot, for the realization of the simple laying task of a piece of fabric on a work table. These systems are based on soft computing, and particularly on fuzzy logic, and any additional apparatuses or the knowledge of many mechanical properties of the fabrics are not required. The task of folding a piece of fabric on a work table is investigated and three stages are introduced, in which the folding task can be decomposed in order to reduce the complexity of the robot controller development. Each stage is explained and the shape characteristics that are selected in order to describe the shape of the fabric for each stage are presented. A method for the extraction of the selected characteristics from two vision sensors is introduced, which is based on variable image segmentation. The calibration of the vision sensors is also presented. A strategy is developed for the folding of rectangular pieces of fabric based on fuzzy logic with vision feedback. The indirect fuzzy controller is trained via trial-and-error and provides the variable gains of a P-controller. The system presents flexibility and reliability for the fabrics that satisfy the restrictions that have been set. Finally, a strategy for the control of the true folding stage is presented, according to which two separate subsystems determine the target state of the fabric and lead the fabric towards that state, increasing thus the flexibility of the system. The methods that are developed in this thesis can be the stepping stone for the introduction of reliable and flexible automation schemes for the realization of some of the apparel industry tasks that are still labor intensive.

Αντικείμενο της Διπλωματικής εργασίας είναι η μεταφορά ενός παιχνιδιού στρατηγικής, πού έχει αναπτυχθεί με γνώμονα τους κανόνες της Ενισχυτικής Μάθησης (Reinforcement Learning) & των Νευρωνικών δικτύων (Neural Networks), σε πλατφόρμα κινητού τηλεφώνου 6ης γενιάς & μέσω διαδικτύου με σκοπό την εκπαίδευσης του συστήματος από τον απλό χρήστη. Σκοπός της διπλωματικής εργασίας είναι η σχεδίαση, ανάπτυξη του συστήματος λογισμικού βασισμένου σε τεχνολογίες διαδικτύου & κινητής τηλεφωνίας. Η Παρούσα εργασία επικεντρώνεται σε τρεις τομείς: • Έρευνα υφιστάμενων mobile τεχνολογιών • Δυνατότητα επανασχεδιασμού εφαρμογής με χρήση τεχνολογιών mobile internet • Έλεγχος υφιστάμενης δυνατότητας επανασχεδίασης και επαναϋλοποίησης του παιχνιδιού με χρήση άλλων συστημάτων (πλατφόρμων) σε συνδυασμό με χρήση ενισχυτικής μάθησης. / In this paper we review our work on th acquisition of game-playing capabilitiew by a computer , when the only source of knowledge comes from extended self-play and sparsely dispersed human-expert play. We summarily present experiment that showhow a reinforcement learning backbone coupled with neural networks for approximation can indeed serve as amechanism of the acquisition oof game playing skill and we derive game interestingness measures that are inexpensive and strightforward to compute, yert also capture the relative quality of the game playing engine.