Computer Engineering Commons^™

การเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง, กนกภรณ์ ปัญจันทร์สิงห์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มุ่งเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง เพื่อแก้ปัญหาความไม่สอดคล้องระหว่างแผนการอัดประจุกับพฤติกรรมการอัดประจุจริงของผู้ใช้ โดยเริ่มจากการพัฒนาแบบจำลองการทำนาย (Predictive Model) เพื่อคาดการณ์ความต้องการพลังงาน ระยะเวลาการอัดประจุ และสถานะการประจุเริ่มต้นของแบตเตอรี่ (State of Charge: SOC) จากข้อมูลการอัดประจุในอดีต จากนั้นได้ทำการสร้างโปรไฟล์การอัดประจุของแบตเตอรี่ที่เป็นตัวแทนของรถยนต์แต่ละรุ่น เพื่อสะท้อนลักษณะการอัดประจุจริงทั้งในกรณีของเครื่องอัดประจุแบบกระแสสลับ (AC) และกระแสตรง (DC) แล้วนำข้อมูลดังกล่าวมาใช้ในการเพิ่มประสิทธิภาพการจัดตารางการอัดประจุของสถานีอัดประจุ ผลการจำลองแสดงให้เห็นว่าวิธีการที่เสนอ (Optimization with Battery Profile) ให้ประสิทธิภาพสูงกว่าวิธีการทั่วไปที่ไม่ใช้ข้อมูลโปรไฟล์แบตเตอรี่ โดยสามารถเพิ่มกำไรของสถานีได้สูงสุด 3,145.3 บาท และเพิ่มอัตราการใช้พลังงานของระบบได้ร้อยละ 4.8 ในกรณีที่มีสัดส่วนเครื่องอัดประจุ DC แตกต่างกัน อีกทั้งยังให้ผลลัพธ์ที่ดีอย่างต่อเนื่องภายใต้ข้อจำกัดกำลังพีคของสถานี โดยเพิ่มกำไรได้สูงสุด 3,649.25 บาท และเพิ่มอัตราการใช้ประโยชน์ของระบบได้ร้อยละ 9.6 สะท้อนถึงประสิทธิภาพของแนวทางที่เสนอในการจัดการพลังงานอย่างชาญฉลาดสำหรับสถานีอัดประจุรถยนต์ไฟฟ้าในอนาคต

การสร้างแบบจำลองเชิงรูปนัยของกระแสงานบีพีเอ็มเอ็นสำหรับกระบวนการซิงโครนัสและอะซิงโครนัสที่มีข้อจำกัดช่วงเวลาโดยใช้เครือข่ายไทมด์ออโตมาตา, กิตติศักดิ์ เขตรการณ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

แบบจำลองบีพีเอ็มเอ็นมีบทบาทสำคัญในการออกแบบกระบวนการธุรกิจสมัยใหม่ที่มีการประมวลผลหลายส่วนพร้อมกันและรูปแบบการสื่อสารทั้งแบบซิงโครนัสและอะซิงโครนัส แต่ด้วยความเป็นแผนภาพเชิงกราฟิก บีพีเอ็มเอ็นไม่สามารถทวนสอบเชิงรูปนัยได้โดยตรง และมาตรฐานเดิมยังไม่รองรับการกำหนดข้อจำกัดช่วงเวลาให้กับกิจกรรม งานวิจัยนี้จึงเสนอการขยายบีพีเอ็มเอ็นเป็นแบบจำลองทีบีบีพี (Time-Bounded BPMN: TBBP) เพื่อรองรับการกำหนดข้อจำกัดช่วงเวลาต่ำสุด–สูงสุดของกิจกรรม พร้อมออกแบบแบบรูปสำหรับการสื่อสารแบบซิงโครนัสและอะซิงโครนัส รวมทั้งพัฒนากฎการแปลงทีบีบีพีไปเป็นไทมด์ออโตมาตาเพื่อทวนสอบด้วย UPPAAL และกฎการแปลงข้อคำถามจากตรรกศาสตร์เชิงเวลาแบบเมตริก (MTL) ไปเป็นตรรกศาสตร์เชิงเวลาแบบต้นไม้คำนวณแบบมีเงื่อนไขเวลา (TCTL) นอกจากนี้ได้พัฒนาเครื่องมือ TBBPTA Tool เพื่อแปลงไฟล์บีพีเอ็มเอ็น (XML) เป็นแบบจำลองไทมด์ออโตมาตา (XML) ที่สามารถนำเข้าสู่ UPPAAL เพื่อทวนสอบได้โดยอัตโนมัติ

เครื่องมือสำหรับการตรวจสอบสินทรัพย์สารสนเทศจากแบบรูปความมั่นคง, ธีระยุทธ คชงาม

Chulalongkorn University Theses and Dissertations (Chula ETD)

สินทรัพย์สารสนเทศมีความสำคัญอย่างยิ่งต่อการดำเนินงานและความสำเร็จขององค์กร หากสินทรัพย์เหล่านี้รั่วไหลหรือถูกเข้าถึงโดยบุคคลที่ไม่ได้รับอนุญาต อาจก่อให้เกิดความเสียหายอย่างมากหรือความสูญเสียทางความเชื่อมั่นได้ ด้วยเหตุนี้การจัดหาวิธีการที่เหมาะสมเพื่อทวนสอบการออกแบบระบบเพื่อรักษาความมั่นคงของสินทรัพย์สารสนเทศจึงเป็นสิ่งจำเป็น งานวิจัยนี้มุ่งเน้นการทวนสอบแบบจำลองการออกแบบความมั่นคงของระบบที่ออกแบบโดยนักออกแบบความมั่นคงของระบบ ด้วยการใช้แผนภาพคลาส ที่สร้างขึ้นจากรูปแบบความมั่นคงและงานวิจัยที่เกี่ยวข้อง เป็นโมเดลอ้างอิงการออกแบบโครงสร้างด้านความมั่นคง ขอบเขตของแบบรูปความมั่นคงที่ใช้ในงานวิจัยนี้ครอบคลุมความปลอดภัยและการจัดการความเสี่ยงขององค์กร, การระบุตัวตนและการพิสูจน์ตัวจริง, และการควบคุมการเข้าถึงพร้อมทั้งนำเสนอกลไกการทวนสอบระหว่างแผนภาพคลาสสองชุด ซึ่งประกอบด้วยแผนภาพที่ออกแบบโดยนักออกแบบระบบ และแผนภาพจากแบบจำลองโดยใช้อัลกอริทึมสองรายการ ได้แก่ อัลกอริทึมที่ใช้สำหรับตรวจสอบความครบถ้วนขององค์ประกอบภายในแต่ละคลาส และอัลกอริทึมที่ใช้สำหรับตรวจสอบความครบถ้วนของความสัมพันธ์ระหว่างคลาส นอกจากนี้ ยังได้พัฒนาเครื่องมือซอฟต์แวร์เพื่อสนับสนุนการทวนสอบแผนภาพคลาส ซึ่งผลลัพธ์ที่ได้จากการใช้งานเครื่องมือนี้คือ แสดงองค์ประกอบคลาสตามแบบจำลองที่ได้นำเสนอและสร้างที่ขาดหายไป พร้อมคำแนะนำและคำอธิบายที่เหมาะสมเพื่อช่วยสนับสนุนให้นักออกแบบระบบมีความเข้าใจในแนวคิดและการออกแบบความมั่นคงได้ดียิ่งขึ้น เครื่องมือที่นำเสนอได้ถูกทดสอบกับกรณีศึกษาระบบจัดการข้อมูลผู้ป่วย เพื่อยืนยันประสิทธิผลของเครื่องมือในการสนับสนุนการทวนสอบการออกแบบความมั่นคงของระบบ

ปัญญาประดิษฐ์ในบทบาทนักวิเคราะห์ข้อมูล : กรอบแนวคิดสำหรับการวิเคราะห์เชิงข้อมูลแบบอัตโนมัติด้วยแบบจำลองภาษาขนาดใหญ่และตัวแทนปัญญาประดิษฐ์, วิชญาดา เล้าสุบินประเสริฐ

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิเคราะห์เชิงข้อมูลที่ดำเนินการโดยมนุษย์มีความท้าทาย เนื่องจากต้องใช้เวลา ทักษะเฉพาะทาง และทรัพยากรจำนวนมาก งานวิจัยนี้มีจุดมุ่งหมายเพื่อค้นหาวิธีในการใช้ปัญญาประดิษฐ์เชิงสร้างสรรค์เพื่อทำให้กระบวนการวิเคราะห์ข้อมูลเป็นแบบอัตโนมัติ โดยปฏิบัติตามวิธี 6 ขั้นตอน ได้แก่ ถาม เตรียม ประมวลผล วิเคราะห์ แบ่งปัน และดำเนินการ โดยไม่มีมนุษย์เข้ามาแทรกแซงตลอดกระบวนการวิเคราะห์ การดำเนินการเริ่มตั้งแต่ผู้ใช้ป้อนชุดข้อมูล วัตถุประสงค์ที่ต้องการ บริบทของข้อมูล และสมมติฐานที่มีอยู่ก่อน จากนั้นระบบจะสร้างคำสั่ง และดำเนินงานต่าง ๆ โดยอัตโนมัติผ่านตัวแทนปัญญาประดิษฐ์ที่ออกแบบเฉพาะทาง โดยตัวแทนเหล่านี้มีบทบาทในการวางแผนและกำหนดการดำเนินงาน โดยอาศัยแบบจำลองภาษาขนาดใหญ่ในการสร้างแนวคิดและใช้เหตุผลเพื่อกำหนดแนวทางการวางแผนและการดำเนินการ ผลการทดลองจาก 5 ชุดข้อมูลในสาขาที่แตกต่างกัน ได้แก่ การศึกษา สุขภาพ ธุรกิจ สิ่งแวดล้อม และเศรษฐกิจ แสดงให้เห็นว่า ผลการประเมินตามเกณฑ์คะแนนการวิเคราะห์เชิงข้อมูลเฉลี่ย 8.1 – 9.4 จากคะแนนเต็ม 10 โดยมีความสอดคล้องระหว่างผลการประเมินโดยแบบจำลองภาษาขนาดใหญ่และมนุษย์เฉลี่ย 0.94 – 0.97 มีเวลาในการดำเนินงานเฉลี่ย 1.8 - 6.6 นาที มีข้อผิดพลาดเฉลี่ย 0.2 - 1.8 ครั้ง และมีความสามารถในการทำงานต่าง ๆ เช่น ประมวลผลโค้ด คำนวณสถิติหรือสร้างแบบจำลองการเรียนรู้ของเครื่อง และแสดงผลภาพได้ งานวิจัยนี้ชี้ให้เห็นถึงศักยภาพของแบบจำลองภาษาขนาดใหญ่ในการทำหน้าที่เป็นนักวิเคราะห์ข้อมูลเสมือน และสามารถต่อยอดระบบวิเคราะห์เชิงข้อมูลแบบอัตโนมัติในสาขาต่าง ๆ ได้ในอนาคต

แบบจำลองเชิงรูปนัยของกระบวนการจัดการโครงการในมาตรฐาน Iso/Iec29110 โดยใช้คัลเลอร์เพทริเน็ต, วรันณ์ธร ศิริกระจาย

Chulalongkorn University Theses and Dissertations (Chula ETD)

วิทยานิพนธ์นี้นำเสนอแนวทางการตรวจสอบความถูกต้องเชิงรูปแบบ (Formal Verification) ร่วมกับกรอบการประเมินผลผ่านระบบเว็บแอปพลิเคชันสำหรับองค์กรขนาดเล็กประเมินตนเอง เพื่อสนับสนุนการปฏิบัติตามกระบวนการบริหารโครงการ (Project Management: PM) ของมาตรฐาน ISO/IEC 29110 สำหรับองค์กรขนาดเล็กมาก (Very Small Entities: VSEs) โดยใช้แบบจำลอง Colored Petri Nets (CPNs) ในการนิยามและจำลองกระบวนการหลักของ PM ได้แก่ การวางแผน การดำเนินโครงการ การควบคุม และการปิดโครงการ พร้อมทั้งตรวจสอบคุณสมบัติที่สำคัญของกระบวนการเหล่านี้อย่างเป็นระบบและระบบเว็บแอปพลิเคชันถูกพัฒนาขึ้นเพื่ออำนวยความสะดวกในการเก็บรวบรวมข้อมูล เรียกใช้การจำลอง และนำเสนอผลการประเมิน ข้อมูลที่ได้รับจากผู้ใช้จะถูกแปลงให้อยู่ในรูปของโทเคน เพื่อนำไปประเมินผ่านแบบจำลอง CPN และเชื่อมโยงผลลัพธ์กับระดับการปฏิบัติตามมาตรฐานในแต่ละกระบวนการของ ISO/IEC 29110 PM การทดลองใช้งานระบบยืนยันถึงความถูกต้อง ความสามารถในการตรวจสอบย้อนกลับ และประสิทธิภาพในการดำเนินงานของระบบที่นำเสนอ การผสานรวมระหว่างแบบจำลองเชิงรูปแบบกับระบบอัตโนมัติผ่านเว็บแอปพลิเคชันนี้ เป็นทางเลือกที่มีความยืดหยุ่นและเชื่อถือได้ โดยช่วยเสริมสร้างความเข้มงวดในการตรวจสอบ การประเมินกระบวนการอย่างเป็นระบบ และรองรับการนำไปใช้งานจริงผ่านส่วนติดต่อผู้ใช้ที่เข้าใจง่ายและเหมาะสมกับองค์กรพัฒนาซอฟต์แวร์ขนาดเล็กก่อนรับการตรวจสอบจากผู้ตรวจสอบ

Tracking Control Of A String Actuated Soft Trunk Robot Using State-Space Modeling, Jacob Trivisonno

Open Access Master's Theses

Soft robots, primarily composed of compliant materials, exhibit highly complex and nonlinear dynamics, making precise control a significant challenge. Traditional control methods often struggle with these complexities, requiring more advanced and data-driven methods. In our previous work, “Automatic Control of a Soft Trunk Robot Actuated by Strings” [1], a proportional controller was developed to drive the steady-state tracking error to zero. While this method was effective, it required time-consuming manual tuning and was not easily adaptable to physical modifications of the robot.

To address these limitations, this research implements gain-scheduled feedback control with state-space models calculated through a multiple linear …

Optical-Link-Aware Online Waypoint Planner For Asv-Auv Systems, Ansel R. Austin

Open Access Master's Theses

The growing demand for ocean mapping and survey missions has increased interest in reliable AUV-ASV platforms. In such systems, reliable communication between the AUV and ASV is critical for monitoring the AUV's status and offloading large data products such as multi-beam sonar point clouds. While the range of acoustic telemetry can span several kilometers, its bandwidth is inadequate for transmitting high-volume data streams (such as images and point clouds). Underwater optical communication modems, in contrast, provide a relatively high bandwidth but are hindered by rapid attenuation in turbid water and a narrow field of view. This thesis introduces an online, …

Earthquake Wrangler: Leveraging Ios Technology For Earthquake Detection And Early Warning Application To Enhance Public Safety., Luis F. Salome

Theses and Dissertations--Civil Engineering

Earthquakes are devastating natural phenomena and generate secondary hazards such as tsunamis, landslides and fires. Their catastrophic impacts span both developed nations including the United States, Japan, Turkey, and Italy and developing countries such as El Salvador, Haiti, Nepal and the Philippines, where disparities in early warning infrastructure remain important. Seismic events start with stress waves generated by tectonic plate motion, with body waves (P- waves and S-waves) and surface Rayleigh and love waves that carry energy through the earth. While some regions have adopted advanced early warning systems based on seismic hazard models and strong ground motion analysis, others …

Augmenting Machine Learning Technique Through Natural Language, Tasmia Tasrin

Theses and Dissertations--Computer Science

While artificial intelligence (AI) and machine learning (ML) have proven effective at addressing many of the challenges that we face in our everyday lives, there are many situations in which these methods struggle. Examples include environments where AI or ML systems must perform complex behaviors or those where rewards are difficult to calculate. To address this limitation, interactive machine learning (IML) techniques have been introduced, which incorporate machine-understandable human feedback into traditional ML approaches. This feedback is often given as a discrete, positive or negative numeric value. This feedback is typically provided as often as possible to convey a dense …

Integrated Compliant Structure For A Hand Exoskeleton, Tristan R. Koopman

Honors Undergraduate Theses

This thesis presents the design and prototyping of a wearable hand exoskeleton that integrates a flexible structural framework to assist with hand movement while maintaining comfort and anatomical conformity. The goal was to create a device that supports tendon-driven actuation through a compliant structure, combining elements of rigidity and flexibility to match the natural geometry and motion of the human hand. Traditional hand exoskeletons often trade off motion for structure or vice versa. This project aims to bridge that gap with a hybrid compliant design that balances flexibility and support. The design process followed an iterative approach involving rapid prototyping …

Efficient And Test-Time Adaptive Visual Object Tracking In The Wild, Ram J. Zaveri

Graduate Theses, Dissertations, and Problem Reports (ETD)

Tracking a single object, given the location at the first frame, has been an ongoing challenge in the vision community for decades. Most recent approaches provide reasonably good performance, especially when benchmarked on in-distribution (ID) datasets, i.e., on the testing portion of the same datasets used for training. However, they incur high computational costs and hardware constraints, making their deployment in the wild for mobile, autonomous, and IoT applications still challenging. Efficient visual trackers address the efficiency aspect of such bottlenecks; however, they tend to overfit to their training distributions and lack generalization abilities, resulting in them performing well on …

Flower Cluster Matching Utilizing The Unscented Transform For Robotic Pollination, Andy Chu

Graduate Theses, Dissertations, and Problem Reports (ETD)

The use of automated systems for agriculture is integral to keeping the food supply secure. Both industry and academia are exploring and applying methods to increase the yield of plants in environments ranging from outdoor fields to greenhouses. Specifically, many automated systems use continuous monitoring of plants to track plant health and yield. The use of computer vision is necessary when it comes to precision operations that use robotics. Today, robots are trained to weed, harvest, and pollinate. To accomplish these tasks autonomously, a lot of data is needed, which is where spatial-temporal observations of the plants are being recorded …

Toward General Purpose Llms: From Domain Alignment To Multimodal And Multi-Agent Systems, Thang Nguyen

Dartmouth College Master’s Theses

Large Language Models have shown remarkable capabilities, but their generalization across domains, modalities, and collaborative settings remains limited. This work explores how LLMs can be adapted along three dimensions: domain specialization, multimodal processing, and multi-agent reasoning. First, we introduce a reward-guided retrieval mechanism that fine-tunes the retrieval component of a language model using preference-based supervision, improving response relevance in specialized domains. Building on this, we design a multi-agent framework for complex information-seeking tasks, where distinct agents handle query clarification, evidence extraction, and answer synthesis, enabling robust reasoning without additional model training. Extending beyond language, we investigate how LLMs can operate …

Time Series Forecasting With Lstm: An Extensive Content Analysis, Andri Pranolo, Xiaofeng Zhou, Yingchi Mao

Knowledge Engineering and Data Science

This paper presents a comprehensive bibliometric and content review of the trend, architecture, and application of long short-term memory (LSTM) models for time series forecasting. The study aims to provide insights into the overall statistics and distribution of papers focused on LSTM for forecasting. Additionally, the research questions address the most highly cited papers based on LSTM approaches in forecasting, the most productive journals in this field, and identifying trends, gaps, summary tasks and their performance, datasets availability, and future research directions for LSTM in forecasting. This paper is a comprehensive review of LSTM for forecasting from 2017 to 2023 …

Mapping Of Product Sales Potential Based On Brands In The East Kalimantan Region Using Hybrid Analytical Framework, Achmad F O Gaffar Mr, Mulyanto Mulyanto Mr, Arief Bw Putra Mr, Muhammad Taufiq Sumadi Mr, Emmilya Umma Aziza Gaffar

Knowledge Engineering and Data Science

In geographically dispersed markets, operational costs should be reflected in sales planning to support accurate performance evaluation. However, such considerations are often neglected in practice. This study proposes a hybrid analytical framework to map brand-based product sales potential, with and without operational cost consideration, using historical sales data from PT Karya Inti Total Anugerah (PT KITA) in East Kalimantan. The framework integrates spatial, statistical, and machine learning techniques. Principal Component Analysis (PCA) is used to reduce the dimensionality of variables related to travel distance, total sales, and units sold, where travel distance represents the primary contributor to operational costs. K-Means …

Cognitive Eeg Differentiation With Hypnosis-Based Noise Reduction And K-Harmonic Means For Personalized Brainwave Modeling, Ahmad Azhari, Dimas Chaerul Ekty Saputra

Knowledge Engineering and Data Science

This study investigates the integration of hypnosis-based noise reduction and K-Harmonic Means (KHM) clustering for personalized brainwave modeling using Electroencephalography (EEG) data. EEG signals were collected from 100 participants using a Neurosky Mindset sensor at the FP1 (prefrontal) location, with each subject performing nine standardized cognitive tasks such as breathing, memory recall, and mathematical problem-solving. Hypnosis was applied not as a filtering method but as a behavioral protocol to standardize subject conditions and minimize physiological and environmental noise. The EEG signals were sampled at 128 Hz and analyzed using KHM clustering with K=4K = 4K=4, resulting in a Silhouette Score …

Ahp–Python Framework For Multicriteria Modeling Of Rice Production In Asean, Mayang Anglingsari Putri, Risqy Siwi Pradini, Anuraga Jayanegara, Alexander Dimas Yonanta Putra

Knowledge Engineering and Data Science

Rice production is a key indicator of food security and agricultural stability in Southeast Asia, especially among Association of Southeast Asian Nations (ASEAN) countries. Despite shared regional goals, disparities in rice production remain, and previous studies mainly rely on descriptive statistics, lacking structured multicriteria decision-making frameworks and computational tools for cross-country comparisons. This study addresses these gaps by proposing an integrated Analytic Hierarchy Process (AHP)–Python framework to evaluate and rank ASEAN rice production from 2013 to 2022. Three criteria are used: Total Production Volume (K1), Production Growth Trend (K2), and Recent Year Performance (K3), capturing both long-term consistency and short-term …

Stable Numerical Solution Of An Elliptic Pde Inverse Problem Subject To Incomplete Boundary Conditions, Qasim Abd Ali Tayyeh

Knowledge Engineering and Data Science

This study addresses the challenging problem of solving inverse elliptic Partial Differential Equations (PDE) with incomplete boundary data, data available only on a part of the domain boundary. The aim is to develop a robust, effective numerical framework that consistently recovers parameters and/or sources from incomplete, ill-posed data. In the case of a variational problem discretized by the Finite Element Method (FEM) and solved by an adjoint-based optimization strategy, the framework uses Tikhonov regularization. Morozov's Discrepancy Principle is used to determine regularization parameters that achieve the best balance between accuracy and stability. Even with 5% noise in the measurement data, …

Assessing Deep Learning Models And Hyperparameter Optimization For Stable Time-Series Electricity Load Forecasting, Sukma Patrya, Aji Prasetya Wibawa, Aripriharta Aripriharta

Knowledge Engineering and Data Science

Long-term electricity load forecasting plays an important role in ensuring system reliability, optimizing energy management, and making operational plans in face of continuously rising electricity demands. This study suggests a complete deep learning method for univariate forecasting of future electricity loads based on climatology and electricity consumption data for the period between 2019 and 2023. The initial dataset was cleaned, normalized, and partitioned chronologically into train/test datasets. Four train/test split cases (20/80, 40/60, 60/40, 80/20) were considered to explore the impact of different levels of historical data availability on the performance of the suggested framework from data-poor to data-rich situations. …

Classification Of Indonesian Sign Language (Sibi) Using Data Mining Algorithms K-Nearest Neighbor And Random Forest, Muhammad Zaki Wirawan, Achmad Afif, Anik Nur Handayani, Imanuel Hitipeuw, Osamu Fukuda

Knowledge Engineering and Data Science

This study aims to address the communication hallenges faced by the Indonesian deaf community by developing an automatic classification model for Sistem Bahasa Isyarat Indonesia (SIBI) using data mining techniques. The main objective is to identify a practical algorithm for recognizing SIBI hand gestures to enhance accessibility and inclusiveness in digital communication. A comprehensive dataset consisting of 32,850 gesture samples representing SIBI alphabet signs was collected and processed through feature extraction, data cleaning, and normalization using Z-Transform and Min-Max methods. Two classification algorithms, K-Nearest Neighbor (KNN) and Random Forest, were implemented and evaluated using metrics such as accuracy, precision, recall, …

Exploring The Benefits, Barriers, And Sustainability Of Community Stem Partnerships: A Qualitative Case Study On Stem Collaboration In Elementary Education, Katherine M. Blagden

Open Access Dissertations

In an era of increasing emphasis on science, technology, engineering, and mathematics (STEM) education, elementary schools often face significant challenges in implementing high-quality, integrated STEM instruction. These challenges include limited resources, inconsistent professional development, and a lack of access to real-world, community-based learning experiences (Dorph et al., 2018; National Science Board, 2024). This dissertation explores how collaborative partnerships among elementary schools, community organizations, and industry professionals can overcome these barriers and foster meaningful, sustainable STEM learning opportunities for young students. Drawing on the Asset-Based Community Development (ABCD) model (Kretzmann & McKnight, 1993) and informed by a constructivist theoretical framework (Vygotsky, …

Predicting Biomechanical Risk Factors For Division - I Women’S Basketball Athletes, Aayushi Shah, Vanaja Agarwal, Dhairya Shah, Harman Jani, Sristi Sharma, Kaya Tolga, Christopher Taber, Mehul Raval

School of Computer Science & Engineering Faculty Publications

Collegiate basketball is characterized by high-impact movements such as jump landings, making athletes more susceptible to injuries. Critical biomechanical factors like knee flexion, lateral trunk flexion, and foot landing asymmetry are strongly associated with injury risk. This study aims to predict six biomechanical risk factors in the landing error scoring system (LESS). The dataset comprises 8600 video frames of counter-movement jumps (CMJs) from 17 NCAA Division I female basketball athletes, recorded from frontal and lateral perspectives and annotated using a customized error annotation algorithm. The study uses the You Only Look Once (YOLOv5nu) model to analyze the basketball athletes’ CMJ …

Smart Qos-Aware Resource Management For Edge Intelligence Systems, Minoo Hosseinzadeh

Theses and Dissertations--Computer Science

There are several definitions for Smart Cities. One common key point of these definitions is that smart cities are technologically advanced cities which connect everything in a complex urban environment including infrastructure, information, and even people to cope with the crucial problems linked with the urban life such as traffic, pollution, city crowding, health, and poverty. Central to this vision are the Internet of Things (IoT) and Big Data, where interconnected devices with sensors collect vast amounts of data for informed decision-making. However, the rapid expansion of IoT devices challenges efficient data processing while meeting diverse Quality-of-Service (QoS) requirements; for …

Optimization, Machine Learning, And Networking Solutions For Cyber-Physical Systems, Xu Tao

Theses and Dissertations--Computer Science

Cyber-Physical Systems (CPS) represent a transformative paradigm that integrates sensing, computation, and actuation through networked systems to enable intelligent, context-aware applications across various domains. Despite their growing potential, CPS still face critical challenges, particularly in maintaining reliable, low-latency communication and efficient data processing in resource-constrained and dynamic environments. These challenges are further magnified in rural or remote deployments, where traditional network infrastructure is often unavailable or unreliable. This dissertation addresses these challenges through the development of optimization and inference algorithms that enhance network performance in Software-Defined Networks (SDN), using techniques such as reinforcement learning and network tomography for efficient routing. …

Cnns And Transformers For Visual Understanding: From Feature Alignment To Image Captioning, Xuehao Liu

Doctoral

Deep learning has developed rapidly since the introduction of Deep Belief Networks during the past decade. As an area of machine learning, it still has many open challenges. Among these open challenges is the issue of transparency, with deep learning models known as black boxes. Both explainability of a model for understanding the decision making process, and the transparency of the relationship between the input and output are crucial for understanding a model. The understanding of models can build trust between AI systems and humans, verify models behavior, and identify potential biases or errors.

Navigating Human-Robotic Interaction Challenges In Teaching-By-Demonstration, Shakra Mehak

Doctoral

The advancement in interdisciplinary research domains, like robotics and HRI, presents a challenging task. It is an exception rather than the norm for research to extend beyond the boundaries of individual disciplines and encompass the challenges presented by other fields of study. This project is part of ”Collaborative Intelligence for Safety Critical Systems” (CISC), which is a Marie Curie Training Network funded by the European Commission to hire and train researchers with the expertise and skillset necessary to carry out the major tasks required to develop a Collaborative Intelligence system. The program encompasses four overarching themes: Artificial Intelligence (AI), Human …

Personalized Persuasion In The Digital Age: A Data-Driven Approach To Effective Communication, Annye Braca

Doctoral

This thesis investigates the potential of Machine Learning (ML) to personalize persuasive marketing messages. It explores the identification of individuals receptive to specific persuasion techniques based on their psychometric profiles. By developing ML models that incorporate these profiles, the thesis aims to predict the impact of tailored messages and improve the effectiveness of marketing communication.

Machine Learning Applications In Epigenomics And Its Association With Health And Disease, Trevor Doherty

Doctoral

Epigenetic modifications can lead to altered phenotypes without a change in the DNA sequence itself. Disrupted gene expression regulated by epigenetic processes can result in cancers, autoimmune diseases and various other maladies. Machine learning (ML) involves the use of algorithms and models which are trained to learn patterns in data, and has demonstrated remarkable success in solving diverse, complex challenges. Epigenomic studies, such as those that use DNA methylation (DNAm) data, increasingly make use of ML techniques to process extremely high dimensional data obtained from high throughput platforms e.g., DNAm arrays. These datasets suffer from the curse of dimensionality, increased …

Deep Learning For Computer Vision Applications In Medical Diagnostics And Wildlife Monitoring, Mostapha Al Saidi

Electronic Theses and Dissertations

This dissertation explores innovative applications of deep learning and computer vision techniques across three distinct domains: medical imaging, dermatological diagnostics, and wildlife monitoring. The research addresses critical challenges in each field through the development and optimization of convolutional neural networks and other deep learning architectures.

The first study examines COVID-19 classification from X-ray images, comparing one-shot versus two-stage classification approaches using transfer learning with pre-trained models such as VGG16 and VGG19. The initial hypothesis was that breaking down the classification task into two optimized tasks would yield better results than one-shot classification. Results demonstrated that the single-stage approach achieved superior …

C 3 An: Custom, Compact And Composite Ai Systems - A Neurosymbolic Approach: 4Th-Generation Evolution Of Intelligent Systems, Amit P. Sheth, Kaushik Roy, Revathy Venkataramanan, Venkatesan Nadimuthu

Publications

Artificial Intelligence (AI) systems continue to evolve rapidly. From the architecture perspective, it is evolving from large, monolithic models trained on massive internet data to complex, multi-component “compound” systems and “agentic” frameworks capable of semi-autonomous decision-making. These systems show immense promise yet face numerous challenges in reliability, consistency, transparency, and alignment with user goals. In this article, we propose Custom, Compact and Composite AI with Neurosymbolic (C3AN) approach, a framework that paves way to 4th-generation of AI that integrates data, knowledge, and human expertise to build robust, intelligent and trustworthy AI systems defined by 14 foundation elements.

Custom emphasizes …