Η ερευνητική ομάδα της EasyHPC επικεντρώνεται στην ανάπτυξη προηγμένων τεχνολογιών Παραγωγής Πολυμερών, Μηχανικής Μάθησης, Τεχνητής Νοημοσύνης και Υπολογιστικής Μοντελοποίησης, με εφαρμογές σε πραγματικά βιομηχανικά και εκπαιδευτικά περιβάλλοντα. Στόχος μας είναι η αξιοποίηση μεθόδων βαθιάς μάθησης, ημι-επιβλεπόμενων τεχνικών και συνθετικής δημιουργίας δεδομένων, ώστε να παράγουμε λύσεις υψηλής απόδοσης που μειώνουν το κόστος, αυξάνουν την αξιοπιστία και ξεκλειδώνουν νέες δυνατότητες αυτοματισμού.

Το ερευνητικό έργο της ομάδας καλύπτει ένα ευρύ φάσμα επιστημονικών περιοχών, όπως:

  • Educational Data Mining & EdTech AI
    Βελτίωση εκπαιδευτικών συστημάτων μέσω ευφυών αναλυτικών μοντέλων.

  • Βιομηχανική Διάγνωση & Predictive Maintenance
    Ανίχνευση και πρόβλεψη βλαβών με ελάχιστα επισημασμένα δεδομένα.

  • Synthetic Data Generation & Data Augmentation
    Δημιουργία τεχνητών δεδομένων για αύξηση ποιότητας και ποσότητας διαθέσιμης πληροφορίας.

  • High Performance Computing (HPC)
    Επιτάχυνση αλγορίθμων και AI workloads σε υποδομές υψηλών επιδόσεων.

  • Βελτιστοποίηση Παραγωγικών Διαδικασιών
    Εφαρμογή AI για έλεγχο ποιότητας, προσομοιώσεις και αυτοματοποίηση.

Μέσα από διεθνείς δημοσιεύσεις, συνέδρια και συνεργασίες με ακαδημαϊκούς και βιομηχανικούς φορείς, η EasyHPC συμβάλλει ενεργά στην εξέλιξη των υπολογιστικών επιστημών και στην ενσωμάτωσή τους σε καινοτόμες επιχειρησιακές εφαρμογές.

Title Authors Year Published DOI Short Description (EL)
Enhancing Semi-Supervised Learning in Educational Data Mining Through Synthetic Data Generation Using Tabular Variational Autoencoder Kostopoulos, G., Fazakis, N., Kotsiantis, S. & Dimakopoulos, Y. 2025 Algorithms link Χρήση TVAE για δημιουργία συνθετικών δεδομένων και βελτίωση ημι-επιβλεπόμενης μάθησης σε εκπαιδευτικά δεδομένα. Δείχνει ότι τα τεχνητά δεδομένα μειώνουν την εξάρτηση από χειρωνακτική επιμέλεια και αυξάνουν την ακρίβεια πρόβλεψης.
Fault Detection in Inverter-Driven Permanent Magnet Synchronous Motor Systems Using Semi-Supervised Learning Davrazos, G., Fazakis, N. & Kotsiantis, S. 2025 IFIP AIAI Conference, Springer Nature link Ανίχνευση βλαβών σε κινητήρες PMSM με ημι-επιβλεπόμενη μάθηση. Εντοπίζονται βλάβες με λίγα ετικετοποιημένα παραδείγματα, βελτιώνοντας αξιοπιστία και προληπτική συντήρηση σε βιομηχανικά συστήματα.
Active Learning for Fault Diagnosis of Inverter-Driven Permanent Magnet Synchronous Motors Fazakis, N., Davrazos, G., Kotsiantis, S. & Dimakopoulos, Y. 2026 IFIP AIAI Conference, Springer Nature link Αξιολόγηση στρατηγικών ενεργητικής μάθησης για διάγνωση βλαβών σε κινητήρες PMSM με ταξινομητές βασισμένους σε δέντρα. Η στοχευμένη επιλογή παραδειγμάτων μειώνει τις απαιτήσεις επισημείωσης, διατηρώντας υψηλή ποιότητα ταξινόμησης.
Energy Load Forecasting with Distributional Emotion Embeddings Liapis, C. M., Karanikola, A. & Kotsiantis, S. 2025 IFIP AIAI Conference, Springer Nature link Πρόβλεψη του φορτίου του ελληνικού ενεργειακού συστήματος με συναισθηματικά χαρακτηριστικά από διεθνείς ειδήσεις. Οι κατανεμητικές αναπαραστάσεις συναισθημάτων αξιοποιούν διαδοχικές συναισθηματικές σχέσεις και βελτιώνουν μοντέλα παλινδρόμησης.
Trust, Education, and Artificial Intelligence: Adoption, Explainability, and Epistemic Authority Among Teacher-Education Undergraduates in Greece Panagopoulos, E., Liapis, C. M., Adamopoulou, A., Kamarianos, I. & Kotsiantis, S. 2026 Algorithms link Μελέτη της χρήσης και της εμπιστοσύνης στην τεχνητή νοημοσύνη σε 363 προπτυχιακούς φοιτητές παιδαγωγικών τμημάτων στην Ελλάδα. Αναδεικνύεται η απόσταση μεταξύ εκτεταμένης χρήσης και περιορισμένης εμπιστοσύνης, καθώς και η ανάγκη επαληθευσιμότητας και ανθρώπινης εποπτείας.
Ethics in Artificial Intelligence: A Cross-Sectoral Review of 2019–2025 Liapis, C. M., Fazakis, N., Kotsiantis, S. & Dimakopoulos, Y. 2026 Informatics link Διατομεακή ανασκόπηση της ηθικής στην τεχνητή νοημοσύνη για την περίοδο 2019–2025, με έμφαση στη διαφάνεια, τη μεροληψία, τη διακυβέρνηση και τη δικαιοσύνη. Προτείνεται επιχειρησιακό πλαίσιο για την εφαρμογή ηθικών αρχών σε οργανισμούς.
Human-in-the-Loop Artificial Intelligence: A Systematic Review of Concepts, Methods, and Applications Lazaros, K., Vrahatis, A. G. & Kotsiantis, S. 2026 Entropy link Συστηματική ανασκόπηση μεθόδων ενσωμάτωσης ανθρώπινης κρίσης, ανατροφοδότησης και εποπτείας σε συστήματα τεχνητής νοημοσύνης. Παρουσιάζεται ταξινομία προσεγγίσεων και εξετάζονται εφαρμογές, προκλήσεις κλιμάκωσης και ζητήματα εμπιστοσύνης στη συνεργασία ανθρώπου και AI.
A Comprehensive Review and Benchmarking of Fairness-Aware Variants of Machine Learning Models Raftopoulos, G., Fazakis, N., Davrazos, G. & Kotsiantis, S. 2025 Algorithms link Ανασκόπηση και πειραματική σύγκριση παραλλαγών κλασικών μοντέλων μηχανικής μάθησης που ενσωματώνουν περιορισμούς δικαιοσύνης. Εξετάζονται οι τροποποιήσεις των αλγορίθμων και οι συμβιβασμοί μεταξύ μείωσης της μεροληψίας και προβλεπτικής απόδοσης.
Enhancing sentiment analysis with distributional emotion embeddings Liapis, C. M., Karanikola, A. & Kotsiantis, S. 2025 Neurocomputing (Elsevier) link Αξιοποίηση κατανεμητικών διανυσματικών αναπαραστάσεων συναισθημάτων για την ενίσχυση της ανάλυσης συναισθηματικού προσανατολισμού κειμένων. Η προσέγγιση εστιάζει στην ενσωμάτωση συναισθηματικής πληροφορίας στις αναπαραστάσεις που χρησιμοποιούνται για την ταξινόμηση.
Evaluating Fairness Strategies in Educational Data Mining: A Comparative Study of Bias Mitigation Techniques Raftopoulos, G., Davrazos, G. & Kotsiantis, S. 2025 Electronics link Συγκριτική αξιολόγηση τεχνικών μείωσης της μεροληψίας σε εκπαιδευτικά δεδομένα, πριν, κατά τη διάρκεια και μετά την εκπαίδευση μοντέλων. Αναλύονται οι συμβιβασμοί μεταξύ αλγοριθμικής δικαιοσύνης και ακρίβειας πρόβλεψης σε διαφορετικά εκπαιδευτικά σύνολα δεδομένων.
Τελευταία τροποποίηση: Παρασκευή, 11 Σεπτεμβρίου 2026, 10:15 AM