Συντάχθηκε 11-05-2026 12:12
Τόπος: Δ5 - Κτίριο ΜΠΔ
Έναρξη: 13/05/2026 11:00
Λήξη: 13/05/2026 12:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Μηχανικών Παραγωγής και Διοίκησης
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Ημερομηνία: Τετάρτη, 13 Μαΐου 2026, 11:00
Αίθουσα: ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ ΚΤΗΡΙΟ Δ5 ΜΠΔ
Ονοματεπώνυμο: ΚΩΤΣΗΣ ΔΗΜΟΣΘΕΝΗΣ
Θέμα: Βιβλιογραφική ανασκόπηση του ANFIS
Title: Literature review of ANFIS
Εξεταστική Επιτροπή
- ΑΤΣΑΛΑΚΗΣ ΓΕΩΡΓΙΟΣ, Αναπληρωτής Καθηγητής (επιβλέπων)
- ΖΟΠΟΥΝΙΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ, Καθηγητής
- ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής
Περίληψη
Η συγκεκριμένη διπλωματική εργασία αφορά τη συλλογή, την ανάλυση και την ταξινόμηση διάφορων ερευνητικών άρθρων σχετικά με το Νεύρο-Ασαφές Σύστημα ή αλλιώς ANFIS (Adaptive Neuro-Fuzzy Inference System). Σκοπός της είναι η μελέτη του τρόπου με τον οποίο το ANFIS εφαρμόζεται σε διάφορα επιστημονικά πεδία, όπως η Μηχανική, η Τεχνολογία και η Ιατρική. Θα συγκεντρωθούν 200 άρθρα από τις πλατφόρμες Google Scholar και ScienceDirect, τα οποία έχουν συγγραφεί κατά την περίοδο 2015–2025, και έπειτα θα ταξινομηθούν με βάση τον τομέα εφαρμογής και τα χαρακτηριστικά τους. Η ανάλυση θα γίνει με χρήση πινάκων και γραφημάτων για την καλύτερη αποτύπωση των δεδομένων και των τάσεων των εφαρμογών. Τέλος, μέσω αυτής της διαδικασίας θα εξαχθούν συμπεράσματα σχετικά με τα πλεονεκτήματα, τα όρια και τις προοπτικές του ANFIS στη μοντελοποίηση πολύπλοκων συστημάτων.
Abstract
This diploma thesis focuses on the collection, analysis, and classification of research articles related to the Neuro-Fuzzy System, also known as ANFIS, Adaptive Neuro-Fuzzy Inference System. The objective is to examine how ANFIS is applied across different scientific fields, including Engineering, Technology, and Medicine. A total of 200 research articles published between 2015 and 2025 will be collected from the Google Scholar and ScienceDirect platforms and then classified according to their application domain and technical characteristics. The analysis is carried out using structured tables and graphical representations to clearly present the data and identify application trends. Based on this process, conclusions are drawn regarding the advantages, limitations, and future prospects of ANFIS in the modeling of complex systems.
