Advances in Computing and Data Sciences

Inhaltsverzeichnis

1. Frontmatter

2. Text Based Traffic Signboard Detection Using YOLO v7 Architecture

   Ananya Negi, Yash Kesarwani, P. Saranya

   Das Kapitel befasst sich mit der Anwendung von YOLO v7, einem hochmodernen Algorithmus zur Objekterkennung zur Erkennung von Verkehrsschildern in Echtzeit. Er unterstreicht die Bedeutung solcher Systeme für die Vermeidung von Verkehrsunfällen, indem er sicherstellt, dass die Fahrer wichtige Navigations- und Sicherheitsinformationen umgehend erhalten. Das Modell kombiniert YOLO v7 zur Objektlokalisierung und ein CNN-basiertes OCR-System zur Zeichenerkennung und stellt damit eine umfassende Lösung zur textbasierten Erkennung von Hinweisschildern dar. Die Autoren vergleichen das vorgeschlagene Modell mit früheren Methoden und stellen seine überlegene Geschwindigkeit und Genauigkeit unter Beweis. Das Kapitel diskutiert auch die Herausforderungen bei der Implementierung, wie ungünstige Wetterbedingungen und Einschränkungen der Datensätze, und schlägt zukünftige Verbesserungen für Anwendungen in der realen Welt vor. Die detaillierte Leistungsbewertung und der Vergleich mit früheren Modellen machen dieses Kapitel zu einer wertvollen Ressource für Fachleute, die sich für die Weiterentwicklung von Verkehrszeichenerkennungssystemen interessieren.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

3. Energy Preserving ABE-Based Data Security Scheme for Fog Computing

   Sandeep Kumar, Ritu Garg

   Das Kapitel geht auf die Sicherheitsherausforderungen ein, vor denen Nebelmaschinen stehen, insbesondere Datensicherheit und unbefugter Zugriff aufgrund ihrer ressourcenbeschränkten Natur. Es schlägt ein leichtes Kryptosystem vor, das auf Chosen-Ciphertext Attribute-based Encryption (CP-ABE) mit dynamischem Schlüsselwechsel basiert, um Daten zu sichern und unbefugten Zugriff zu verhindern und gleichzeitig den Energieverbrauch zu optimieren. Das System nutzt IP-Adressen von IoT-Geräten für eine feinkörnige Zugangskontrolle und nutzt eine bilineare Karte zur Verschlüsselung. Das vorgeschlagene Modell wird hinsichtlich des Energieverbrauchs und der Widerstandsfähigkeit gegen Angriffe wie Man-in-the-Middle und rohe Gewalt bewertet und demonstriert seine Wirksamkeit und Effizienz im Vergleich zu bestehenden Methoden.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

4. An Approach for Effective Object Detection

   Rohit Bisht, Nileshkumar Patel

   Dieses Kapitel vertieft sich in die Feinheiten der effektiven Objekterkennung, insbesondere auf die YOLO-Modelle (You Only Look Once). Es beginnt mit der Definition der Objekterkennung und ihrer Bedeutung sowohl in menschlichen als auch in künstlichen Sehsystemen. Der Text untersucht die Entwicklung von Objekterkennungstechniken, von traditionellen Methoden bis hin zu fortgeschrittenen Deep-Learning-Algorithmen wie YOLO, YOLOv2, YOLOv3 und YOLOv5. Darin werden die Herausforderungen und Grenzen aktueller Modelle diskutiert, wie etwa der Umgang mit kleinen Objekten und unterschiedlichen Aspektverhältnissen. Der Autor stellt einen umfassenden Vergleich zwischen YOLOv4 und YOLOv5 vor, der die überlegene Leistung von YOLOv5 in Bezug auf Genauigkeit, Präzision und Geschwindigkeit zeigt. Darüber hinaus wird in diesem Kapitel ein neuartiger Ansatz zur Feineinstellung von YOLOv5 durch Anpassung von Hyperparametern vorgestellt, der vielversprechende Verbesserungen der Leistungskennzahlen aufzeigt. Diese detaillierte Erforschung von Objekterkennungstechniken und Modelloptimierung ist für Fachleute, die ihr Wissen in den Bereichen Computervision und Deep Learning erweitern möchten, von entscheidender Bedeutung.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

5. An Algorithm for Solving Two Variable Linear Diophantine Equations

   Mayank Deora

   Dieses Kapitel stellt einen effizienten Algorithmus zur Lösung zweier linearer Diophantischer Gleichungen vor, ein grundlegendes Problem in der Zahlentheorie. Der Algorithmus basiert auf dem Extended Euclidean Algorithm und erweist sich in bestimmten Fällen als effizienter. Das Kapitel behandelt die theoretischen Grundlagen des Algorithmus, einschließlich seines Korrektheitsnachweises und seiner Zeitkomplexitätsanalyse. Darüber hinaus werden praktische Anwendungen des Algorithmus in der Kryptographie untersucht, insbesondere bei der Erzeugung öffentlicher Schlüssel für asymmetrische Kryptographie. Das Kapitel enthält auch eine detaillierte Implementierung und Bewertung des Algorithmus und zeigt seine Leistungsvorteile gegenüber bestehenden Methoden auf. Der in diesem Kapitel vorgestellte innovative Ansatz bietet sowohl theoretischen als auch angewandten Forschern auf dem Gebiet der Kryptographie und Zahlentheorie wertvolle Erkenntnisse.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

6. Deep Watcher: A Surveillance System Using Deep Learning for the COVID-19 Pandemic

   Rohil Kulshreshtha, J. Jayapradha

   Das Kapitel "Deep Watcher: A Surveillance System Using Deep Learning for the COVID-19 Pandemic" stellt ein innovatives System vor, das tiefgreifendes Lernen nutzt, um die Überwachung der öffentlichen Gesundheit während der COVID-19-Pandemie zu verbessern. Das System mit dem Namen "Deep Watcher" vereint Gesichtsmaskenerkennung und soziale Distanzüberwachung in einem einzigen, robusten Rahmen. Durch den Einsatz von konvolutionalen neuronalen Netzwerken (CNN) und die Übertragung von Lernen überwindet das Modell die Beschränkungen traditioneller Methoden zur Gesichtserkennung und erreicht eine hohe Genauigkeit bei der Maskenerkennung. Das YOLOv3-Modell wird zur Objekterkennung eingesetzt, während der Deep-Sort-Ansatz Individuen verfolgt und Entfernungen berechnet, um die Einhaltung der Richtlinien für soziale Distanzierung sicherzustellen. Das Kapitel behandelt auch die Herausforderungen, vor denen bestehende Algorithmen zur Objekterkennung stehen, und hebt die einzigartigen Merkmale von Deep Watcher hervor, wie etwa Sprachwarnungen in Echtzeit und die Darstellung visueller Daten. Das vorgeschlagene System hat das Potenzial, die Verbreitung von COVID-19 durch die Durchsetzung von Sicherheitsrichtlinien im öffentlichen Umfeld deutlich zu verringern, was es zu einem wertvollen Instrument für öffentliche Gesundheitsbeamte und politische Entscheidungsträger macht.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

7. Multiple Linear Regression Based Analysis of Weather Data for Precipitation and Visibility Prediction

   Gurwinder Singh, Harun

   Dieses Kapitel befasst sich mit der entscheidenden Rolle von Wetterbedingungen für die Verkehrssicherheit und der Notwendigkeit präziser Wettervorhersagen. Es konzentriert sich auf die Anwendung multipler linearer Regression, um Wetterdaten zur Vorhersage von Niederschlag und Sichtbarkeit zu analysieren. Die Studie vergleicht Entscheidungsbaum- und lineare Regressionsmodelle und bewertet ihre Leistung anhand zentraler Kennzahlen wie RMSE, MAE und R-squared. Die Analyse wird mit dem Regression Learner von MATLAB durchgeführt, der eine benutzerfreundliche Benutzeroberfläche für Modellschulung und -auswertung bietet. Das Kapitel unterstreicht die Bedeutung präziser Wettervorhersagen in verschiedenen Sektoren, einschließlich Transport, Energie und Landwirtschaft, und diskutiert das Potenzial, andere maschinelle Lerntechniken in die zukünftige Forschung einzubeziehen.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

8. Optimal and Event Driven Adaptive Fault Diagnosis for Arbitrary Network

   Pradnya Chaudhari, Anjusha Joshi, Supriya Kelkar, Anupama Joshi, Soniya Durgude

   In diesem Kapitel wird der Algorithmus Optimal and Event Driven Adaptive Fault Diagnosis (OED-AFD) vorgestellt, der darauf abzielt, Probleme bei der Fehlerdiagnose beliebiger Netzwerke zu lösen. Es konzentriert sich auf die Optimierung des diagnostischen Nachrichtenaustauschs, die Verringerung der Netzwerkabhängigkeit von bestimmten Knoten und die Anpassung an verschiedene Netzwerkmodelle. Der Algorithmus ist sowohl periodisch als auch ereignisgesteuert und wird durch Ereignisse wie den Wiedereintritt eines Knotens oder das Hinzufügen eines neuen Knotens ausgelöst. Es stellt sicher, dass jeder Knoten nach jedem Diagnosezyklus über umfassende Kenntnisse über den Status des Netzwerks verfügt. Der OED-AFD-Algorithmus wird durch Simulationen auf beliebigen Netzwerken ausgewertet, was seine Effizienz bei der Verringerung des Netzwerkverkehrs und der Verbesserung der Fehlererkennungsgenauigkeit demonstriert. Verglichen mit anderen Algorithmen zeigt OED-AFD eine überlegene Leistung bei Kommunikationseffizienz und Diagnosegeschwindigkeit, was es zu einer vielversprechenden Lösung für das Fehlermanagement in verteilten Systemen macht.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

9. Analysis of Routing in IOT

   Garima Shrivastava, Mahesh Kumar

   Dieses Kapitel bietet eine gründliche Untersuchung des Routing in IoT-Netzwerken und hebt die Unterschiede zwischen IoT und traditionellen TCP / IP-Protokollstacks hervor. Es stellt das RPL-Protokoll vor und erläutert seine Struktur und Funktionsweise innerhalb des IoT-Netzwerk-Stacks. Das Kapitel geht auf die energiebewussten Routing-Protokolle ein, die speziell für das Internet der Dinge entwickelt wurden, und betont die Fähigkeit des RPL-Protokolls, ein zielorientiertes, gerichtetes Azyklisches Diagramm (DODAG) zu erstellen. Anhand detaillierter Simulationen werden im Kapitel zwei objektive Funktionen - MRHOF und OF0 - verglichen und ihre Auswirkungen auf den Stromverbrauch, Routing-Metriken und die Netzwerktopologie aufgezeigt. Die Analyse bietet wertvolle Einblicke in die Zielkonflikte zwischen Energieeffizienz und Routing-Leistung und ist daher eine wichtige Lektüre für Fachleute, die das Routing von IoT-Netzwerken optimieren wollen.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

10. Autism Children Behavioural Identification from Facial Regions Through Thermal Image Interpretations

    Kandukuri Muniraja Manjunath, Vijayaraghavan Veeramani

    Dieses Kapitel befasst sich mit dem innovativen Einsatz von Wärmebildkameras zur Identifizierung von Verhaltensmustern autistischer Kinder durch Analyse von Gesichtsemotionen. Es stellt die Herausforderungen vor, die von Rauschen in Wärmebildern ausgehen, und präsentiert fortschrittliche Entschärfungstechniken, die diskrete Wavelet-Transformation (DWT) und stationäre Wavelet-Transformation (SWT) verwenden. Das Kapitel untersucht auch die Anwendung dieser Techniken, um die Genauigkeit der Erkennung von Emotionen zu verbessern und zu einem besseren Verständnis autistischen Verhaltens zu führen. Darüber hinaus wird der Einsatz von Support Vector Machines (SVM) zur Verhaltensanalyse diskutiert, wobei die überlegene Leistung der vorgeschlagenen Methoden im Vergleich zu bestehenden Entschärfungstechniken hervorgehoben wird. Das Kapitel schließt mit der Betonung des Potenzials dieser fortgeschrittenen Bildverarbeitungstechniken im Bereich der Autismus-Forschung und Verhaltensanalyse.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

11. Synthesis of Elementary Cellular Automata for Targeted Cache Applications

    Sutapa Sarkar, Mousumi Saha

    Das Kapitel befasst sich mit der Synthese und Analyse elementarer zellulärer Automaten (ECA) für zielgerichtete Cache-Anwendungen. Darin werden die grundlegenden Konzepte des ECA, ihre Klassifizierung und Charakterisierungswerkzeuge wie De Bruijn-Diagramme und Zustandsübergangsdiagramme vorgestellt. Der Schwerpunkt liegt dabei auf Single-Length Cycle Attractors und deren Anwendungen in verschiedenen Bereichen, darunter fehlertolerante Designs, Datenmigration und Speichertests. Die Forschung beleuchtet die Eigenschaften von SACA, TACA und MACA im Kontext aktiver und passiver Rule Mean Terms (RMTs) und ihre Bedeutung für skalierbare VLSI-Designarchitekturen. Das Kapitel schließt mit der Betonung des zukünftigen Umfangs der CA-basierten Maschinenkonstruktion durch die Analyse von Zustandsübergangsdiagrammen.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

12. Optimal Perfect Phylogeny Using ILP and Continuous Approximations

    B. E. Pranav Kumaar, A. Aadharsh Aadhithya, S. Sachin Kumar, Harishchander Anandaram, K. P. Soman

    Das Kapitel befasst sich mit dem Einsatz von Integer Linear Programming (ILP) und Non-Negative Matrix Factorization (NMF), um das Minimum Character Removal (MCR) und Maximal Character Clique Problem (MCCP) in der Phylogenetik zu behandeln. Es untersucht die Macht dieser Methoden beim Aufbau perfekter Stammbäume, die für das Verständnis evolutionärer Beziehungen von entscheidender Bedeutung sind. Die Autoren präsentieren intuitive und anfängerfreundliche Lösungen unter Verwendung von Python und Matlab, die deutliche Leistungsverbesserungen gegenüber herkömmlichen Methoden aufzeigen. Im Kapitel werden auch die theoretischen Grundlagen und praktischen Implementierungen dieser Methoden diskutiert und ihr Potenzial in der bioinformatischen Forschung hervorgehoben.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

13. A Novel Method for Near-Duplicate Image Detection Using Global Features

    Kunj Bihari Meena, Vipin Tyagi

    Dieses Kapitel stellt eine neuartige Methode zur Erkennung nahezu doppelter Bilder unter Verwendung globaler Funktionen vor, die sich den Herausforderungen durch Bildmanipulation und -duplikation widmet. Die vorgeschlagene Methode nutzt Gauß'sche Hermite-Momente, um Rotations- und skaleninvariante Merkmale zur Verfügung zu stellen, wodurch sie in verschiedenen Anwendungen wie dem Abrufen von Bildern, der Erkennung von Urheberrechtsverletzungen und der Verwaltung der Speicherung höchst effektiv ist. Die Methode ist rechnerisch effizient und robust bei verschiedenen Nachbearbeitungsoperationen und geometrischen Transformationen, wie umfangreiche experimentelle Ergebnisse belegen. Das Kapitel bietet auch eine umfassende Übersicht über bestehende Techniken und hebt die Vorteile der vorgeschlagenen Methode in Bezug auf Genauigkeit und Geschwindigkeit hervor.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

14. VSMAS2HN: Verifiably Secure Mutual Authentication Scheme for Smart Healthcare Network

    Shivangi Batra, Bhawna Narwal, Amar Kumar Mohapatra

    Das Kapitel stellt VSMAS2HN vor, ein sicheres gegenseitiges Authentifizierungssystem zum Schutz sensibler Patientendaten in intelligenten Gesundheitsnetzwerken. Es nutzt IoMT, um die Fernüberwachung von Patienten und die sichere Kommunikation zwischen Patienten, Ärzten und Cloud-Servern zu ermöglichen. Das System verwendet elliptische Kurvenkryptographie und biometrische Daten, um Vertraulichkeit und Integrität der Daten zu gewährleisten. Der Aufsatz diskutiert auch das Bedrohungsmodell, das Netzwerkmodell und die detaillierten Phasen des vorgeschlagenen Systems, einschließlich Initialisierung, Registrierung und Austausch von Login-Authentifizierungsschlüsseln. Die Sicherheit von VSMAS2HN wird rigoros mittels AVISPA und BAN Logic validiert, was seine Widerstandskraft gegen verschiedene Angriffe demonstriert. Das Kapitel schließt mit der Hervorhebung des Potenzials der Integration von Blockchain für zukünftige Verbesserungen in die Ökosysteme des Gesundheitswesens.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

15. Optimal KAZE and AKAZE Features for Facial Similarity Matching

    A. Vinay, Kishan Athirala Vasu, Pranav Yogi Lodha, S. Natarajan, T. S. B. Sudarshan

    Das Kapitel befasst sich mit der Anwendung von KAZE- und AKAZE-Merkmalen für die Übereinstimmung der Gesichtsähnlichkeit, einem entscheidenden Aspekt der Biometrie. Er diskutiert die Beschränkungen traditioneller Methoden wie SIFT und SURF und wie KAZE und AKAZE diese überwinden, indem sie nichtlineare Raumanalysen anwenden. Der Text führt auch die Fast Explicit Diffusion (FED) -Methode und den Modified-Local Difference Binary (M-LDB) -Deskriptor ein, die die Effizienz und Genauigkeit von Gesichtserkennungssystemen deutlich verbessern. Darüber hinaus wird der Einsatz von Optimal-RANSAC untersucht, um die Robustheit des Matching-Prozesses zu verbessern, indem niedrige Inlier-Verhältnisse effektiv gehandhabt werden. Das Kapitel schließt mit der Hervorhebung der überlegenen Leistung von AKAZE im Vergleich zu KAZE, was AKAZE zu einer bevorzugten Wahl für Echtzeitanwendungen macht.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

16. Modified InceptionV3 Using Soft Attention for the Grading of Diabetic Retinopathy

    Shroddha Goswami, K Ashwini, Ratnakar Dash

    Das Kapitel widmet sich dem kritischen Thema der diabetischen Retinopathie (DR), einer häufigen Komplikation von Diabetes, die zur Erblindung führen kann. Er beginnt mit einer Beschreibung der Schwere und globalen Auswirkungen der DR und betont die dringende Notwendigkeit präziser und automatisierter Diagnosesysteme. Die Autoren überprüfen bestehende Methoden zur Bewertung von DR mittels konvolutionaler neuronaler Netzwerke (CNNs) und zeigen ihre Grenzen auf. Der Kernbeitrag des Kapitels ist die Einführung eines modifizierten InceptionV3-Modells, das mit sanften Aufmerksamkeitsmechanismen erweitert wird. Dieses Modell wurde entwickelt, um sich auf die relevantesten Merkmale in Fundusbildern zu konzentrieren und die Genauigkeit der DR-Gradierung zu verbessern. Die Autoren führen umfangreiche Experimente mit den IDRiD- und DDR-Datensätzen durch, die die überlegene Leistung ihres vorgeschlagenen Modells im Vergleich zu modernen Architekturen aufzeigen. Das Kapitel schließt mit der Betonung der praktischen Auswirkungen dieser Forschung auf die Früherkennung und Prävention von Sehverlust bei Diabetikern.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

17. Comprehensive Study of Cyber Security in AI Based Smart Grid

    Priyansh Sanghavi, Riya Solanki, Viral Parmar, Kaushal Shah

    Das Kapitel geht auf die Komplexität der Cybersicherheit in KI-basierten intelligenten Netzen ein und diskutiert den Übergang von der traditionellen Energieinfrastruktur zu intelligenten Netzen. Es untersucht verschiedene Arten von Cyberangriffen wie falsche Dateninjektionen und Denial-of-Service-Angriffe und ihre potenziellen Auswirkungen auf die Netzzuverlässigkeit. Die Studie hebt auch fortschrittliche Minderungsstrategien hervor, einschließlich maschinellem Lernen und Blockchain-Technologien, um die Sicherheit und Integrität der Kommunikation über intelligente Netze zu verbessern. Durch die Untersuchung realer Cyberangriffe und ihrer Folgen bietet das Kapitel wertvolle Einblicke in die sich entwickelnde Bedrohungslandschaft und die entscheidende Notwendigkeit robuster Sicherheitsmaßnahmen in intelligenten Netzen.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

18. Sentiment Classification of Diabetes-Related Tweets Using Transformer-Based Deep Learning Approach

    V. S. Anoop

    Das Kapitel befasst sich mit der Anwendung von transformatorbasiertem Deep Learning für die Stimmungsklassifizierung von Diabetes-bezogenen Tweets aus Indien und unterstreicht die Bedeutung von Social-Media-Daten für die Überwachung der öffentlichen Gesundheit. Er diskutiert aktuelle Ansätze, die soziale Medien für die Gesundheitsüberwachung nutzen, und führt eine Methodik ein, die BERT für die Textkodierung und Transformer-Architektur für die Klassifizierung einsetzt. Die Studie analysiert Tweets aus den Jahren 2012 bis 2022, bereitet die Daten vor und nutzt Themenmodellierung, um latente Themen aufzudecken. Die Ergebnisse zeigen wichtige Einsichten in die öffentliche Stimmung und wichtige Themen im Zusammenhang mit Diabetes, wie Diabetesberatung, Risiko und Kontrolle. Die Ergebnisse sind wertvoll für Akteure im Gesundheitswesen, wenn es darum geht, datengestützte Interventionen zur Verbesserung der Ergebnisse im Bereich der öffentlichen Gesundheit zu konzipieren.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen