Χρήση μεθόδων τεχνητής νοημοσύνης για την επίλυση προβλημάτων με εφαρμογές στον ηλεκτρομαγνητισμό, την βιοϊατρική και τις τηλεπικοινωνίες

Abstract

This PhD thesis focuses on solving problems related to Electromagnetics and Biomedical Engineering through the use of artificial neural networks. At the same time, it examines the monitoring of the electromagnetic environment in a popular tourist region of Greece, with the aim of informing the public. Initially, is proposed a methodology based on a neural network architecture that utilizes measurements, in order to accurately determine the position and electric dipole moment of equivalent electric dipoles for unit characterization. These dipoles, are used to match the electric field generated by various sources within a spacecraft during space exploration missions. The identification and characterization of these sources aim to ensure electromagnetic cleanliness. In the second part of the dissertation, which pertains to the biomedical domain, a neural network model is developed to estimate heart rate during physical exercise. The prediction is based on artificially generated data from 40 different constant and 40 exponentially increasing speeds. In both cases, the model achieves high accuracy, with a Mean Absolute Error of 0.0201 beats per minute. Finally, the evolution of electromagnetic radiation levels is studied, using continuous monitoring data from a sensor belonging to the National Observatory of Electromagnetic Fields in Greece and is installed in Platanias, Chania, a region with significant tourist activity. The recorded data are presented for both the past decade and a 12-month period. The maximum recorded electric field intensity was 1.274 V/m, remaining within the legally defined safety limits.

Η παρούσα διδακτορική διατριβή εστιάζει στην επίλυση προβλημάτων που σχετίζονται με τον Ηλεκτρομαγνητισμό και τη Βιοϊατρική, αξιοποιώντας τα τεχνητά νευρωνικά δίκτυα. Παράλληλα, εξετάζεται η παρακολούθηση του ηλεκτρομαγνητικού περιβάλλοντος σε δημοφιλή τουριστική περιοχή της Ελλάδας, με σκοπό την ενημέρωση του κοινού. Αρχικά, προτείνεται μια μεθοδολογία βασισμένη σε αρχιτεκτονική νευρωνικού δικτύου, η οποία αξιοποιεί μετρήσεις για τον ακριβή προσδιορισμό της θέσης και της ηλεκτρικής ροπής ισοδύναμων ηλεκτρικών διπόλων για τον χαρακτηρισμό των μονάδων. Τα δίπολα αυτά, χρησιμοποιούνται για την αντιστοίχιση του παραγόμενου ηλεκτρικού πεδίου από διάφορες πηγές εντός του διαστημόπλοιου, κατά τη διάρκεια αποστολών εξερεύνησης του διαστήματος. Ο εντοπισμός και ο χαρακτηρισμός των πηγών, αποσκοπεί στη διασφάλιση της ηλεκτρικής καθαρότητας. Στο δεύτερο μέρος της διατριβής, που εντάσσεται στον τομέα της Βιοϊατρικής, αναπτύσσεται μοντέλο νευρωνικού δικτύου για την εκτίμηση του καρδιακού ρυθμού κατά τη διάρκεια φυσικής άσκησης. Η πρόβλεψη βασίζεται σε τεχνητά παραγόμενα δεδομένα από 40 διαφορετικές σταθερές και 40 εκθετικά αυξανόμενες ταχύτητες. Και στις δύο περιπτώσεις, το μοντέλο πετυχαίνει υψηλή ακρίβεια, με Μέσο Απόλυτο Σφάλμα 0.0201 παλμούς ανά λεπτό. Τέλος, μελετάται η εξέλιξη των επιπέδων ηλεκτρομαγνητικής ακτινοβολίας μέσω δεδομένων συνεχούς παρακολούθησης από έναν αισθητήρα, ο οποίος ανήκει στο Εθνικό Παρατηρητήριο Ηλεκτρομαγνητικών Πεδίων και είναι εγκατεστημένος στον Πλατανιά Χανίων, μια περιοχή με έντονη τουριστική δραστηριότητα. Τα καταγεγραμμένα δεδομένα παρουσιάζονται τόσο για την τελευταία δεκαετία όσο και για περίοδο 12 μηνών. Η μέγιστη καταγεγραμμένη τιμή έντασης ηλεκτρικού πεδίου ήταν 1.274 V/m, παραμένοντας εντός των επιτρεπόμενων ορίων που ορίζονται από τη νομοθεσία.