Digital Commons Network^™

Evaluation Of Transfer Learning Models On Traumatic Brain Injury Severity Classification, Ngoc Do, Daniel B. Hier, Tayo Obafemi-Ajayi

Electrical and Computer Engineering Faculty Research & Creative Works

After traumatic brain injury (TBI), clinicians use the Glasgow Coma Scale (GCS) to classify patients by severity and radiologists use the Rotterdam score and the Marshall score to classify CT scans by severity. This work investigates a viable efficient low-cost transfer learning model to use MRI images to predict GCS, Rotterdam, and Marshall severity class after TBI. The enhanced transfer learning model architecture integrates multiple fine-tuning steps in which a few layers of the pre-trained model is unfrozen in each iteration so that the neural network is able to learn layer by layer further aspects of the image for better …

Low Noise Wireless Sensing In Termite Detection, Wei Zhang, Xiangshu Qi, Yunlong Luo, Alex Qi, Yihong Qi, Gang Feng

Electrical and Computer Engineering Faculty Research & Creative Works

Termites cause enormous financial damages all around the world every year. The majority of research on wireless sensing is always concerned with the various human-centric applications, however, the vast potential of wireless sensing for termite detection is often disregarded. In this article, a Wireless Intelligent Sensing (WISe) millimeter-wave (mmWave) radar system for termite detection is proposed. Here, we design a three-layer architecture with some intelligent resources to monitor the movement signs of the termites. In addition, we present a low noise sensing architecture that minimizes the noise in hardware and digital signal processing, which can reduce the impact of environment …

In-Plane And Out-Of-Plane 2-D Microdisplacement Sensor Based On A Single Microwave Resonator With Machine Learning, Shiyu Li, Osamah Alsalman, Jie Huang, Chen Zhu

Electrical and Computer Engineering Faculty Research & Creative Works

Microwave displacement sensors have garnered significant research interest in recent years and have found successful applications in industrial automation and aerospace engineering. However, most microwave sensors are limited to measuring in-plane displacement, with the assumption that out-of-plane displacement remains constant during operation. In this work, we propose and experimentally demonstrate a novel concept for 2-D micro displacement sensing that simultaneously measures both in-plane and out-of-plane displacement. We developed a proof-of-concept sensor system based on a custom-made coaxial cable resonator (CCR) serving as the stator and a rubber-metal heterogeneous plate as the movable part. The in-plane and out-of-plane micromovements of the …

Statistical Eye Diagrams For High-Speed Interconnects Of Packages: A Review, Junyong Park, Donghyun Kim

Electrical and Computer Engineering Faculty Research & Creative Works

An eye diagram, a critical metric in signal integrity analysis for high-speed interconnects such as packages, interposer, and printed circuit boards (PCBs), is generated by superposition of the received waveform. Obtaining an eye diagram is time-consuming, thus signal integrity analysis is inefficient. This article reviews that have been proposed to overcome this limitation. The statistical eye diagram provides a probability distribution depending on a sampling time and voltage, therefore it can be expanded to other metrics, such as the bit-error rate and shmoo plot. This article introduces previous research on statistical eye diagrams applied to complementary metal-oxide-semiconductors (CMOSs), noise, and …

Addressing Reactive Power Sharing In Parallel Inverter Islanded Microgrid Through Deep Reinforcement Learning, Oroghene Oboreh-Snapps, Sophia A. Strathman, Jonathan Saelens, Arnold Fernandes, Jonathan W. Kimball

Electrical and Computer Engineering Faculty Research & Creative Works

Parallel Inverter Microgrids (MGs) Present a Significant Challenge in the Form of Inverter-Based Distributed Generators (IBDGs) Connected with Varying Line Impedances, Potentially Leading to Substantial Reactive Power-Sharing Errors (RPSE). This Paper Proposes the Fusion of Data-Driven Control into the Conventional Virtual Synchronous Generator in a Bid to Minimize the Sharing Error. First, All State Variables Associated with Each IBDG in the Microgrid Are Sensed and Used as Input Data for a Deep Reinforcement Learning (DRL) Agent. Next, the DRL Agent, motivated by a Unique Reward Function, is Trained to Satisfy Two Objectives: (1) Ensure the Output Voltage of All IBDGs …

Deep Learning For Uav Detection And Classification Via Radio Frequency Signal Analysis, Prajoy Podder, Maciej Zawodniok, Sanjay Madria

Electrical and Computer Engineering Faculty Research & Creative Works

Unmanned Aerial Vehicles (UAVs) are advertised as great tool that benefits society and humanity. However, UAVs also pose significant security threats ranging from privacy invasions, to interfering with commercial aircraft landing and takeoff, to accidently crashing into vehicles or people, to military or terrorist attacks. Consequently, there is a pressing need to detect and identify UAVs to mitigate such potential risks. While image-based methods are crucial for UAV detection, radio frequency (RF) emissions offer additional valuable insights. Analyzing RF signals, such as those used in UAV-ground station communications, can provide information about UAV types based on distinct frequency usage or …

Highly Sensitive Liquid-Level Sensing Based On Microwave Frequency Domain Reflectometry And Interferometry, Chen Zhu, Osamah Alsalman, Jie Huang

Electrical and Computer Engineering Faculty Research & Creative Works

Frequency domain reflectometry (FDR) and interferometry are two widely used investigative techniques that have been instrumented using optical and microwave devices for a diverse array of sensing applications. In this paper, we present a highly sensitive liquid-level sensor using a custom hollow coaxial cable transmission line. Measurements of liquid levels with high sensitivity and resolution can be achieved by both FDR and interferometry-based measurements using the same sensor device. We show that FDR-based measurements are more straightforward for liquid-level sensing and are suitable for both small and large variations of liquid level, while interferometry-based measurements provide slightly higher measurement resolution …

Anomaly Detection Approaches Of Energy Storage Systems Using Kalman Filter And Machine Learning Techniques, Phadungsak Tubuntoeng

UNF Graduate Theses and Dissertations

The increasing prevalence of cyber-attacks poses a significant concern, particularly within critical infrastructures like the power system. Such attacks have the potential to cause substantial impacts on essential services, economic stability, and national security. Energy storage systems (ESS) are integral components of the power grid and are particularly vulnerable to cyber threats. These vulnerabilities can be exploited through various means, including two-way communication, web portals, and remote access.

Given the critical nature of ESS, the ability to detect and mitigate malicious cyber-attacks is imperative. Various methods can be employed for cyber-attack detection, including signature-based, anomaly-based, and behavior-based approaches. In this …

Integrating Therapy Into Play: Stand-On Ride-On For A Child With Cerebral Palsy, Kira Flanagan

UNF Graduate Theses and Dissertations

This study focuses on the development of an adaptive ride-on toy specifically designed for a 2.5-year-old child with spastic diplegic cerebral palsy. As a feasibility study, the primary objective of this innovative device is to enhance motor function, foster autonomy, and improve the overall quality of life for the child. The Power Mobility Device (PMD) integrates actuation and steering modifications, and a harness mechanism tailored to meet the child's unique needs. Comprehensive assessments of the child's spatiotemporal gait characteristics were conducted before and after a three-month usage period. The results reveal significant improvements in the child's ability to control dynamic …

Lightweight Neural Network Pipeline Model For Drone Collision Prediction System Using Limited Computing Resources, Rifqi Nabila Zufar

Chulalongkorn University Theses and Dissertations (Chula ETD)

This thesis focuses on developing a drone collision prediction algorithm by adapting the Neural Network Pipeline (NNP) for use in limited computing resources devices. While NNP is effective with sufficient computation, its performance in constrained environments remains untested. To address this issue, an adaptation of NNP using post-training quantization is developed. This method effectively compresses the model by reducing the precision of the 32-bit floating point. This adaptation aims at reducing model complexity and offers significant benefits in terms of reduced model size, increased processing speed, and reduced power consumption. It results in the expense of prediction accuracy. The MobileNetV3Small …

Classification Of Bearing Failure In Adverse Industrial Conditions, Bawar Masih

Chulalongkorn University Theses and Dissertations (Chula ETD)

In industrial environments, the detection of machinery reliability is frequently compromised by surrounding noise. This interference can lead to unexpected machine failures, resulting in costly downtime and extensive repair expenses. This study investigates the application of CNN and LSTM networks for fault diagnosis under noisy conditions to achieve high classification accuracy across varying SNRs. The CNN model, designed to capture localized features, proved particularly effective in extracting critical information from complex vibration data despite substantial background noise. In contrast, the LSTM model, while optimized for sequential data analysis, showed limited performance under high-noise conditions. Using the CWRU Bearing dataset, the …

Small Object Detection Techniques In Remote Sensing Images Using Aam And Raspp, Farhan Iqbal

Chulalongkorn University Theses and Dissertations (Chula ETD)

Remote sensing technology has advanced substantially, with significant research focused on identifying and recognizing small, distant objects within large-scale scenes. Despite these strides, the task remains difficult due to limitations in image resolution, varied object scales, dense object distribution, and diverse orientations. Current object detection methods often struggle to maintain the fine detail essential for small object detection, resulting in the loss of critical information. To address this, we introduce an Advanced Attention Mechanism (AAM) that combines a novel Combined Channel and Spatial Attention (CCSA) approach with Residual Atrous Spatial Pyramid Pooling (RASSP). This integration enhances detection accuracy by preserving …

การประมาณค่าเส้นผ่านศูนย์กลางเพียงอกของลำต้นยูคาลิปตัสจากข้อมูลไลดาร์ที่ได้จากอากาศยานไร้คนขับด้วยเทคนิคการประมวลผลพอยต์คลาวด์, พีรพงศ์ แดงรุ่งโรจน์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การจัดการป่าไม้สำคัญสำหรับการแก้ปัญหาภาวะโลกร้อน เนื่องจากความสามารถในการดูดซับก๊าซคาร์บอนไดออกไซด์ของป่าไม้ การวัดเส้นผ่านศูนย์กลางเพียงอกของต้นไม้จำเป็นในการประเมินความสามารถในการกักเก็บคาร์บอนของป่าไม้ ซึ่งสำคัญในการพัฒนาการจัดการป่าไม้ให้มีประสิทธิภาพ วิธีการดั้งเดิมใช้แคลิเปอร์หรือเทปในการวัดเส้นผ่านศูนย์กลางเพียงอก ซึ่งใช้แรงและเวลามาก เพราะฉะนั้นวิทยานิพนธ์นี้นำเสนอวิธีการในการประมาณค่าเส้นผ่านศูนย์กลางเพียงอกของลำต้นยูคาลิปตัสจากข้อมูลไลดาร์ที่ได้จากอากาศยานไร้คนขับซึ่งเป็นวิธีที่รวดเร็วและมีประสิทธิภาพสำหรับป่าไม้ขนาดใหญ่ แต่ปัญหาคือความหนาแน่นของจุดข้อมูลไลดาร์ต่ำเนื่องจากระยะห่างระหว่างอากาศยานไร้คนขับติดกล้องไลดาร์และต้นไม้ วัตถุประสงค์ของงานวิจัยนี้คือพัฒนาวิธีการประมาณเส้นผ่านศูนย์กลางเพียงอกภายใต้ปัญหาดังกล่าว ขั้นตอนประกอบด้วย การเก็บข้อมูล การทำให้ข้อมูลเป็นมาตรฐาน การแบ่งแยกต้นไม้แต่ละต้น การแบ่งแยกลำต้น การแปลง 2 มิติ และการประมาณค่าเส้นผ่านศูนย์เพียงอกด้วยเทคนิคต่างๆ ได้แก่ การประมาณค่าเส้นผ่านศูนย์กลางเพียงอกด้วยการปรับค่าด้วยค่าคงที่ การประมาณค่าเส้นผ่านศูนย์กลางเพียงอกด้วยคุณลักษณะของเปลือกหุ้มคอนเวกซ์ และการประมาณค่าเส้นผ่านศูนย์กลางเพียงอกด้วยคุณลักษณะของต้นไม้ ประสิทธิภาพของแต่ละวิธีถูกประเมินโดยการเปรียบเทียบกับวิธีเส้นฐานที่อ้างอิงในงานวิจัย ในแง่ของความคลาดเคลื่อน และระยะเวลาดำเนินงาน ผลการวิจัยแสดงให้เห็นว่าวิธีที่นำเสนอช่วยเพิ่มความแม่นยำในการประมาณเส้นผ่านศูนย์กลางเพียงอกในสภาวะที่มีความหนาแน่นของจุดข้อมูลต่ำ โดยค่าความคลาดเคลื่อนเท่ากับ 1.24 เซนติเมตรหรือเท่ากับร้อยละ 9.5

Programmable Metasurface For Radiation Beam Control, Pubet Sangmahamad

Chulalongkorn University Theses and Dissertations (Chula ETD)

This dissertation focuses on the design, development, and experiment of a programmable metasurface-based reconfigurable reflectarray (R-RA) system, featuring dual polarizations and 1-bit phase shift resolution. The proposed R-RA unit cell incorporates PIN diodes to dynamically control the reflection phase of incident waves, enabling real-time beam control. The dissertation addresses the complexity of the biasing network by introducing a digital control system based on a microcontroller and shift registers, allowing independent biasing control of each unit cell. A 16 by 16 R-RA array using a microstrip Jerusalem cross-shaped element is designed, fabricated, and experimentally tested. Simulations and measurements are conducted to …

Wat Arun Metaverse: A Virtual Reality Creation Process, Avishi Usarda Waidyaratne

Chulalongkorn University Theses and Dissertations (Chula ETD)

Wat Arun, known as the 'Temple of Dawn,' is a monumental Buddhist temple and a prominent tourist attraction in Thailand, reflecting the country's rich culture and serving as a focal point for Buddhist studies. This thesis addresses the limitations of traditional cultural preservation and educational methods by presenting a transformative approach through the creation of a virtual reality (VR) based metaverse. This immersive platform enables users to explore and engage with the historical landmark of Wat Arun in unprecedented ways. Utilizing advanced three-dimensional (3D) digitization techniques, this study details the creation process of digital representation of Wat Arun's Viharn-Noi area, …

การพัฒนาระบบควบคุมเครื่องปรับอากาศสำหรับผู้อยู่อาศัยโดยใช้การเรียนรู้ของเครื่อง, ภานุวัฒน์ โรจน์ณรงค์

Chulalongkorn University Theses and Dissertations (Chula ETD)

ในปัจจุบันเทคโนโลยีด้านการสื่อสารข้อมูลมีการพัฒนาอย่างรวดเร็ว โดยพัฒนาให้เข้าไปมีส่วนร่วมกับการใช้ชีวิตประจำวันเพื่อความสะดวกสบายของมนุษย์มากยิ่งขึ้น อีกทั้งยังนำมาประยุกต์ใช้กับระบบต่างๆ มากมาย อาทิเช่น การเกษตร อุสาหกรรมโรงงาน รวมไปถึงที่พักอาศัย แต่เนื่องด้วยอัตราการใช้งานเพิ่มขึ้นอย่างรวดเร็วจนอาจทำให้เกิดปัญหาตามมาในภายหลังได้ รวมทั้งยังมีข้อจำกัดด้านอุปกรณ์ที่ใช้ในระบบ อาทิเช่น รูปแบบการส่งที่ต้องสอดคล้องกับปริมาณข้อมูล ระยะทางและสภาพแวดล้อมในการส่งข้อมูล และข้อจำกัดด้านแหล่งพลังงานที่ติดตั้งเข้าไป ดังนั้นวิทยานิพนธ์ฉบับนี้จึงนำเสนอการเปรียบเทียบคุณสมบัติและประสิทธิภาพชองการสื่อสารข้อมูลจำนวนสามรูปแบบ ได้แก่ การสื่อสารข้อมูลแบบบรูทูธ (Bluetooth) การสื่อสารข้อมูลแบบวายฟาย (Wi-Fi) และการสื่อสารข้อมูลแบบลอรอ (LoRa) ผ่านอุปกรณ์การสื่อสารชนิด Heltech ESP32 LoRa ซึ่งเป็นอุปกรณ์ที่นิยมและใช้กันอย่างแพร่หลายในปัจจุบัน โดยพิจารณาถึงการใช้พลังงานในการสื่อสารข้อมูล (Energy consumption) และค่าความเข้มของสัญญาณ (Signal Intensity) ในรูปแบบของดัชนีความดังของเสียงที่ได้ยินหรือ Received Signal Strength Indicator (RSSI) รวมไปถึงการพิจารณาระยะทางสูงสุดที่ข้อมูลยังสามารถสื่อสารซึ่งกันและกันได้ โดยผลลัพธ์จากการทดลองพบว่า การสื่อสารข้อมูลแบบบลอราใช้พลังงานในการส่งข้อมูลแต่ละครั้งน้อยที่สุดซึ่งน้อยกว่าการสื่อสารแบบบรูทูธที่มีการใช้พลังงานในการส่งมากที่สุดถึงเกือบ 4 เท่า ทั้งนี้ การพิจารณาค่าความเข้มของสัญญาณพบว่าในระยะทางเท่ากันการสื่อสารแบบบรูทูธมีค่าความเข้มของสัญญาณมากที่สุด ตามมาด้วยการสื่อสารแบบวายฟายและลอราตามลำดับ ในทางกลับกันการสื่อสารแบบบรูทูธมีความสามารถในการส่งข้อมูลระหว่างภาคส่งข้อมูลและภาครับข้อมูลสั้นที่สุดอย่างมีนัยยะสำคัญเมื่อเปรียบเทียบกับการสื่อสารลอราที่สามารถส่งข้อมูลได้ระยะทางไกลที่สุดอีกด้วย

Multiple Face Detection And Recognition For System-On-Chip Fpgas, Siraphop Santiwiwat

Chulalongkorn University Theses and Dissertations (Chula ETD)

Recognizing multiple faces within a single frame or image presents a significant challenge in facial recognition tasks. This challenge demands robust algorithms capable of handling variations in facial position, unstable brightness, and the presence of accessories such as glasses or hats. However, in current surveillance applications, multiple face recognition is vital for maintaining various security measures. In such applications, there is a need for processors that are compact and deployable in diverse environments. FPGA is popular due to its compact size, cost-effectiveness, and high performance. In this thesis, we proposed the implementation of multiple face detection and recognition on an …

Studying Ht-Mcss In Ieee 802.11n Networks Via Simulations, Jun Peng

Electrical and Computer Engineering Faculty Publications

We study the High Throughput Modulation and Coding Schemes (HT-MCS) in IEEE 802.11n In networks in this paper. The HT-MCSs are designed to deal with various channel conditions in the networks. We used ns-3 simulations to study HT-MCS 0 to HT-MCS 31 under various radio propagation models. The simulation results are presented in this paper. In our simulations the HT-MCSs were tested in networks with Friis, Nakagami, and log-distance propagation models for studying their performance under various signal attenuation and fading effects. The HT-MCSs provided consistent performance under most channel conditions in our simulations. However, they showed significantly degraded performance …

Evaluating Electromagnetic Interference On Gnss Receivers, Giorgi Tsintsadze

Masters Theses

"Due to high power and efficiency requirements of modern electrical drive system, inverters are utilizing fast-edge pulses as a drive signal. The high frequency pulses contain higher order harmonics can radiate electromagnetic interference above accepted levels. Modelling and understanding the mechanism that causes the radiation is studied, modelled and presented as gray-box model which contains circuit level modelling of coupling between electrical machine phase windings and low power sensor harness. The thesis consists of two main papers. In the first paper, radiated emissions from an electrical drive system is charac- terized thru gray-box modelling where coupling between electrical machine phase …

A High-Gain Wideband Antenna Employing Novel Partial Reflective Surfaces, Mia Maria Ulfah

Chulalongkorn University Theses and Dissertations (Chula ETD)

In this dissertation, different partially reflective surfaces (PRS) are investigated to improve the gain and bandwidth of a Fabry–Perot cavity (FPC) antenna for wireless local-area network (WLAN) and vehicle-to-vehicle (V2V) communication applications. Each of the proposed PRSs has the phase of a reflection coefficient that increases with frequency. This property of the PRS is required for a broadband characteristic of the FPC antenna, which is desirable for the intended applications. A U-shaped microstrip patch antenna (MPA) with a parasitic rectangular patch is used as a feed antenna. It is designed for operation in the WLAN and V2V frequency bands. The …

A Study Of Electric Vehicle Charging To Mitigate Impacts On A Power Distribution System, Samran Saleem

Chulalongkorn University Theses and Dissertations (Chula ETD)

Electric vehicles continue to gain rapid acceptance in the global market thus reshaping the way power distribution systems function today. The study examines how EV’s charging affects the voltage quality, voltage unbalance, overloading the system as well as performance of the distribution grids. MATLAB/Simulink simulations have been done using the modified IEEE 13 node test system on Node 634, Node 692, and Node 611 to analyze four charging cases including no charging (Case A) and evening peak (Case B) and early morning (Case C) and overnight off-peak (Case D) charging to assess EVs charging impact on domestic power grid. The …

แบบจำลองการจับคู่ของผู้เข้าร่วมตลาดซื้อขายไฟฟ้าแบบเพียร์ทูเพียร์โดยพิจารณาความพึงพอใจของผู้เข้าร่วมตลาด, ชัพวิชญ์ สมเพาะ

Chulalongkorn University Theses and Dissertations (Chula ETD)

จากปัญหาภาวะโลกร้อนและการเปลี่ยนแปลงสภาพภูมิอากาศ และนโยบายภาคพลังงานที่ได้ส่งเสริมให้ผลิตไฟฟ้าจากพลังงานหมุนเวียนมากขึ้น ส่งผลให้มีผู้ใช้ไฟฟ้าที่สามารถผลิตไฟฟ้าเอง (Prosumer) เพิ่มขึ้น และนำไปสู่การเกิดขึ้นของตลาดซื้อขายไฟฟ้าแบบเพียร์ทูเพียร์ (P2P) ซึ่งเปิดโอกาสให้ผู้ใช้ไฟฟ้าสามารถซื้อขายกันโดยตรงในราคาและปริมาณที่พึงพอใจได้ อย่างไรก็ตาม การออกแบบตลาดซื้อขายไฟฟ้าแบบเพียร์ทูเพียร์ให้เกิดความเท่าเทียมระหว่างผู้เข้าร่วมตลาด อีกทั้งสามารถสะท้อนความต้องการของผู้เข้าร่วมตลาดได้นั้น เป็นสิ่งที่จำเป็น ดังนั้น งานวิจัยนี้จึงมุ่งเน้นนำเสนอแบบจำลองการจับคู่ในตลาดซื้อขายไฟฟ้าเพียร์ทูเพียร์แบบล่วงหน้า (Day-ahead) โดยเปิดโอกาสให้ผู้เข้าร่วมตลาดทั้งผู้ซื้อและผู้ขายสามารถให้คะแนนความพึงพอใจซึ่งกันและกัน และกำหนดให้คู่ที่มีคะแนนความพึงพอใจร่วมสูงสุดได้จับคู่ก่อน อย่างไรก็ตาม เพื่อให้สามารถนำแบบจำลองนี้ไปทดสอบใช้จริงได้ โดยเฉพาะอย่างยิ่งในประเทศไทย ควรมีการดำเนินการในด้านอื่น ๆ ควบคู่ไปด้วย เช่น การปรับปรุงระเบียบ/ข้อกำหนด การอนุญาตให้เรียกเก็บค่าใช้บริการโครงข่ายจากเจ้าของโครงข่าย และการพัฒนาตลาดไฟฟ้าในช่วงเวลาอื่น ๆ เป็นต้น

Optimal Centralized Operations Of Local Energy Market Considering Electric Vehicle Charging Activity For Local Grid Services, Arnon Teawnarong

Chulalongkorn University Theses and Dissertations (Chula ETD)

This dissertation investigates the optimal operation of local energy markets (LEM) within Thailand’s low-voltage distribution system (LVDS) to integrate renewable energy sources and electric vehicles (EVs). Despite extensive research, uncertainties persist in selecting optimal transaction partners and negotiating prices to maximize social welfare. Additionally, LEM operations should consider self-managing energy consumption and utilizing EVs to mitigate distribution network constraint (DNC) violations and leverage local resources to alleviate power imbalances during real-time electricity delivery. Local grid service programs, which offer incentives, face challenges in ensuring equitable participation and allocating fair incentives. Additionally, implementing a penalty scheme presents issues in fairness, mitigating …

Real-Time Occupancy-Based Control Of Hvac Systems In Office Buildings Considering Energy Saving And Thermal Comfort, Emmanuel Agabi

Chulalongkorn University Theses and Dissertations (Chula ETD)

Traditional heating, ventilation, and air conditioning (HVAC) control systems often waste energy and fail to maintain thermal comfort due to their reliance on static setpoints, manual on/off control, and limited responsiveness to occupancy and weather conditions. With advancements in the Internet of Things (IoT), integrating occupancy data into building energy management systems, including HVAC systems, has progressed beyond conventional sensor-based approaches. This thesis addresses the inefficiency of traditional control of HVAC systems by proposing two strategies for a single-zone office building. The first one is occupancy-based control (OBC), and the second is data-driven supervisory model predictive control (SMPC). By leveraging …

Enhancing Energy Efficiency In Kubernetes Cluster Through Energy-Aware Resource Scheduling By Node Labeling Assignment, Soundharya Moorthi

Chulalongkorn University Theses and Dissertations (Chula ETD)

As the demand for cloud-native infrastructure grows, managing energy becomes increasingly essential for small-scale and large-scale Kubernetes clusters. This research introduces two scheduling strategies to enhance energy usage in Kubernetes clusters: the energy-aware resource scheduler and the adaptive energy-aware resource scheduler. Both approaches aim to reduce energy consumption by dynamically managing node states and workload assignments based on resource utilization. Both schedulers are implemented as extenders on top of the default Kubernetes scheduler. A comparative evaluation against the default Kubernetes scheduler and the bin packing scheduler, using power and energy utilization metrics, demonstrates that while the energy-aware scheduler achieves notable …

Federated Learning: Overview, Strategies, Applications, Tools And Future Directions, Betul Yurdem, Murat Kuzlu, Mehmet Kemal Gullu, Maliha Tabassum

Engineering Technology Faculty Publications

Federated learning (FL) is a distributed machine learning process, which allows multiple nodes to work together to train a shared model without exchanging raw data. It offers several key advantages, such as data privacy, security, efficiency, and scalability, by keeping data local and only exchanging model updates through the communication network. This review paper provides a comprehensive overview of federated learning, including its principles, strategies, applications, and tools along with opportunities, challenges, and future research directions. The findings of this paper emphasize that federated learning strategies can significantly help overcome privacy and confidentiality concerns, particularly for high-risk applications.

Non-Invasive Monitoring Device For Early Detection Of Breast Cancer Related Lymphedema, Amy Prendergast

Honors Theses and Capstones

Breast Cancer Related Lymphedema (BCRL) is a common co-morbidity in cancer survivors following neoadjuvant therapies such as chemotherapy, radiation, and/or surgery. It is brought about by the disruption in the lymphatic system (think lymph node biopsy) that leads to a buildup of lymphatic fluid in the arm. Current diagnostic strategies for this condition are merely retroactive, and fairly limited in the parameters that are examined to ensure patient well-being long term. We hypothesize that with an approach that mimics bioimpedance spectroscopy analysis, we will be able to provide a clinical support tool that would better determine early stages of lymphedema …

Evaluating The Performance Of 5g Nr In Indoor Environments: An Experimental Study, Bikash Chandra Singh, Rafael Diaz, Sachin Shetty

School of Cybersecurity Faculty Publications

The 5G wireless standard has emerged as a trans-formative technology with the potential to revolutionize various industries by providing enhanced connectivity and communication capabilities. This advanced standard offers a diverse range of applications, including Ultra-Reliable Low-Latency Communication (URLLC), Enhanced Mobile Broadband (eMBB), and Massive Machine Type Communication (mMTC). In this Scientific research paper, we present a comprehensive analysis of the performance and capabilities of a deployed indoor 5G network in a controlled laboratory environment. The experimental setup comprises an Amarisoft Callbox, serving as the 5G core, along with a Remote Radio Head (RRH) and user equipment (UEs). Our primary objective …

Gnss Software Defined Radio: History, Current Developments, And Standardization Efforts, Thomas Pany, Dennis Akos, Javier Arribas, M. Zahidul H. Bhuiyan, Pau Closas, Fabio Dovis, Ignacio Fernandez-Hernandez, Carles Fernandez-Prades, Sanjeev Gunawardena, Todd Humphreys, Zaher M. Kassas, Jose A. Lopez Salcedo, Mario Nicola, Mario L. Psiaki, Alexander Rugamer, Yong-Jin Song, Jong-Hoon Won

Faculty Publications

Taking the work conducted by the global navigation satellite system (GNSS) software-defined radio (SDR) working group during the last decade as a seed, this contribution summarizes, for the first time, the history of GNSS SDR development. This report highlights selected SDR implementations and achievements that are available to the public or that influenced the general development of SDR. Aspects related to the standardization process of intermediate-frequency sample data and metadata are discussed, and an update of the Institute of Navigation SDR Standard is proposed. This work focuses on GNSS SDR implementations in general-purpose processors and leaves aside developments conducted on …

Using Feature Selection Enhancement To Evaluate Attack Detection In The Internet Of Things Environment, Khawlah Harahsheh, Rami Al-Naimat, Chung-Hao Chen

Electrical & Computer Engineering Faculty Publications

The rapid evolution of technology has given rise to a connected world where billions of devices interact seamlessly, forming what is known as the Internet of Things (IoT). While the IoT offers incredible convenience and efficiency, it presents a significant challenge to cybersecurity and is characterized by various power, capacity, and computational process limitations. Machine learning techniques, particularly those encompassing supervised classification techniques, offer a systematic approach to training models using labeled datasets. These techniques enable intrusion detection systems (IDSs) to discern patterns indicative of potential attacks amidst the vast amounts of IoT data. Our investigation delves into various aspects …