Please use this identifier to cite or link to this item:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19141
Title: | Μηχανισμοί ∆ιαχείρισης Edge Cloud Υποδομών Μέσω Βαθιάς Ενισχυτικής Μάθησης |
Authors: | Καρατζίκος, Άρης Βαρβαρίγος Εμμανουήλ |
Keywords: | Cloud-Edge κατανεμημένο σύστημα μηχανική μάθηση ενισχυτική μάθηση ϐαθιά ενισχυτική μάθηση QoS μετρικές target Q-Network δρομολογητής εργασιών χρονικές καϑυστερήσεις εργασιών RTT |
Issue Date: | 1-Jul-2024 |
Abstract: | Στη σύγχρονη τεχνολογική πραγματικότητα της απαίτησης δεδομένων σε πραγματικό χρόνο, δημιουργείται η ανάγκη για ϐελτιστοποίηση της διαχείρισης των υποδομών που ε- πεξεργάζονται αυτά τα δεδομένα. Ωστόσο, η διόγκωση των μεγεθών των υποδομών αυξάνει σημαντικά και την πολυπλοκότητα της ανάλυσής τους. Οι ανάγκες αυτές οδήγησαν στη χρήση τεχνητής νοημοσύνης και πιο συγκεκριμένα μεθόδων μηχανικής μάθησης, για την κατανόηση και διαχείριση των πολύπλοκων συστημάτων και υποδομών σε πραγματικό χρόνο αυτοματοποιημένα. Το αντικείμενο αυτής της διπλωματικής εργασίας αποτελεί η ανάπτυξη μεθόδων διαχείρι- σης και αντίδρασης σε πιθανές καταστάσεις μιας Cloud-Edge υποδομής για την ϐελτιστοπο- ίηση παραμέτρων του συστήματος καθώς και Quality of Service μετρικών. Χρησιμοποιούνται μοντέλα ενισχυτικής μάθησης που χρησιμοποιούν ϐαθιά νευρωνικά δίκτυα για να αναγνω- ϱίζουν μοτίβα συσχέτισης καταστάσεων-ενεργειών ϐάση συνάρτησεων κέρδους. |
URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19141 |
Appears in Collections: | Διπλωματικές Εργασίες - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
thesis_karatzikos.pdf | 1.97 MB | Adobe PDF | View/Open |
Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.