Διπλωματικές εργασίες 2020-2021

Προς φοιτητές ΗΜΜΥ – Θέματα Διπλωματικών Εργασίων 2020-2021

1. «Σύγκριση Μεθόδων Γεωστατιστικής και Μηχανικής Μάθησης για Ανάλυση Χρονοσειρών». Ερευνητικό αντικείμενο: Εκτίμηση/πρόβλεψη περιβαλλοντικών και άλλων δεδομένων. Σύγκριση μεθοδολογιών Kriging, ARIMA, και παλινδρόμησης  Γκαουσσιανών ανελίξεων/διεργασιών (Gaussian Process Regression). Στόχος: Πρόβλεψη και ανάλυση αβεβαιότητας για περιβαλλοντικές μεταβλητές. Απαιτούμενες γνώσεις: Καλή γνώση Θεωρίας Πιθανοτήτων, Στατιστικής Επεξεργασίας Σήματος, Στοχαστικές Διαδικασίες και Ανάλυση Χρονοσειρών και προγραμματισμός σε τουλάχιστον ένα των Matlab/R/Python. Επιθυμητές γνώσεις: Στατιστική Μοντελοποίηση και Αναγνώριση Προτύπων, Θεωρία Τυχαίων Πεδίων. 
2. «Φασματικές Μέθοδοι Προσομοίωσης Τυχαίων Πεδίων».  Ερευνητικό αντικείμενο: Διερεύνηση της μεθόδου της τυχαιοποιημένης φασματικής δειγματοληψίας χρησιμοποιώντας διαφορετικές επιλογές για την δειγματοληψία των κυματανυσμάτων  και ακολουθίες χαμηλής διαφοροποίησης (low discrepancy sequences). Στόχος: Ευέλικτες, μη-πλεγματικές (meshfree) μέθοδοι χωρικής προσομοίωσης. Απαιτούμενες γνώσεις: Καλή γνώση Θεωρίας Πιθανοτήτων, Στατιστικής Επεξεργασίας Σήματος, Στοχαστικές Διαδικασίες και Ανάλυση Χρονοσειρών, και προγραμματισμός σε Matlab. Επιθυμητές γνώσεις: Στατιστική Μοντελοποίηση και Αναγνώριση Προτύπων, Θεωρία Τυχαίων Πεδίων. 
3. «Πλήρωση Κενών (gap filling) σε Δεδομένα Τηλεπισκόπησης». Ερευνητικό αντικείμενο: Τα δορυφορικά δεδομένα παρατήρησης της Γης συχνά παρουσιάζουν κενά εξαιτίας της παρουσίας νεφών ή αστοχιών των δορυφορικών αισθητήρων. Στόχος: Διερεύνηση της εφαρμογής μεθόδων χωρικής παρεμβολής βασισμένων σε πεδία Gauss-Markov και σύγκριση με άλλες μεθοδολογίες πλήρωσης κενών. Ενδεικτικά, θα χρησιμοποιηθούν δορυφορικά δεδομένα Sentinel 2 (European Space Agency), ή Landsat (NASA). Συνεργασία με το Χαροκόπειο Πανεπιστήμιο.  Απαιτούμενες γνώσεις: Καλή γνώση Θεωρίας Πιθανοτήτων, Στατιστικής Επεξεργασίας Σήματος, Θεωρίας Χρονοσειρών/Στοχαστικών διαδικασιών και προγραμματισμός σε Matlab. Επιθυμητές γνώσεις: Επεξεργασία εικόνας, βασικές γνώσεις πεδίων Gauss-Markov.
4. «Ανάλυση Δεδομένων EEG». Ερευνητικό αντικείμενο: Διερεύνηση σχέσεων αιτιότητας σε εγκεφαλικά δεδομένα ηλεκτροεγκεφαλογραφίας χρησιμοποιώντας μεθόδους βασισμένες στην ανάλυση αιτιότητας κατά Granger, στην θεωρία ροής πληροφορίας, και στην μεθοδολογία convergent cross mapping. Συνεργασία με το Πανεπιστήμιο της Βρετανικής Κολομβίας.  Απαιτούμενες γνώσεις: Καλή γνώση Θεωρίας Πιθανοτήτων, Στατιστικής Επεξεργασίας Σήματος, Θεωρίας Χρονοσειρών/Στοχαστικών διαδικασιών και προγραμματισμός σε Matlab. Επιθυμητές γνώσεις: Επεξεργασία εικόνας, βασικές γνώσεις πεδίων Gauss-Markov.
5. «Ανάλυση Δεδομένων Χρονοσειρών». Ερευνητικό αντικείμενο: Διερεύνηση σχέσεων αιτιότητας σε χρονοσειρές περιβαλλοντικών, κλιματικών και άλλων δεδομένων χρησιμοποιώντας μεθόδους βασισμένες στην ανάλυση αιτιότητας κατά Granger, στην θεωρία ροής πληροφορίας, και στην μεθοδολογία convergent cross mapping. Απαιτούμενες γνώσεις: Καλή γνώση Θεωρίας Πιθανοτήτων, Στατιστικής Επεξεργασίας Σήματος, Θεωρίας Χρονοσειρών/Στοχαστικών διαδικασιών και προγραμματισμός σε Matlab. Επιθυμητές γνώσεις: Επεξεργασία εικόνας, βασικές γνώσεις πεδίων Gauss-Markov.

Contact: Διονύσης Χριστόπουλος, Office 145.A15, Email: dchristopoulos@ece.tuc.gr