Cloud Computing, Big Data and Emerging Topics

Inhaltsverzeichnis

1. Frontmatter

2. Parallel and Distributed Computing

   1. Frontmatter

   2. Implementation of a Smart Electricity Meter

      Matias Manzin, Santiago Medina, Leandro Libutti, Diego Montezanti, Leonardo Navarria

      Dieses Kapitel befasst sich mit der Entwicklung und Implementierung eines intelligenten Stromzählers zur Überwachung des Energieverbrauchs in großen Gebäuden wie Universitäten. Der modulare Aufbau des Messgeräts ermöglicht eine einfache Integration in bestehende intelligente Energiemanagementsysteme, wobei sowohl drahtgebundene als auch drahtlose Kommunikationsoptionen zur Verfügung stehen. Der Text enthält eine detaillierte Darstellung der Hardware-Architektur des Messgeräts, die zwecks einfacher Modifikation und zukünftiger Upgrades in verschiedene Module unterteilt ist. Kalibriervorgänge werden gründlich erklärt, um die Genauigkeit und Zuverlässigkeit des Messgeräts zu gewährleisten. Es werden Testszenarien aus der realen Welt vorgestellt, darunter Messungen des Energieverbrauchs während des Starts eines Desktop-Computers und verschiedene Matrix-Multiplikationsalgorithmen. Das Kapitel schließt mit einer Diskussion über die Kosteneffektivität und Genauigkeit des Messgeräts, wobei das Potenzial des Messgeräts für signifikante Energie- und Emissionssenkungen in großen Infrastrukturen hervorgehoben wird.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   3. Implementation of the Sylvester Equation for HODLR and HALR -Matrices

      Gonzalo Berger, Florencia Uslenghi, Ernesto Dufrechou, Pablo Ezzatti

      Dieses Kapitel befasst sich mit der Implementierung der Sylvester-Gleichung für Hierarchical Off-Diagonal Low Rank (HODLR) und Hierarchical Adaptive Low Rank (HALR) Matrizen und konzentriert sich auf die Verringerung der Rechenkomplexität durch Approximationen niedrigen Ranges. Die Autoren stellen eine MATLAB-Implementierung unter Verwendung der hm-Toolbox-Bibliothek vor, die verschiedene Arten hierarchischer Matrizen unterstützt. Das Kapitel bietet eine detaillierte experimentelle Bewertung, die Ausführungszeiten für unterschiedliche Matrixgrößen und Rangwerte misst und die Leistung hierarchischer und nicht hierarchischer Fälle vergleicht. Die Ergebnisse unterstreichen das Potenzial hierarchischer Matrizen für größere Instanzen, trotz Speicherbeschränkungen. Darüber hinaus werden in diesem Kapitel die Auswirkungen des Einsatzes unterschiedlicher Sylvester-Löser und die Vorteile der Parallelisierung diskutiert. Die Autoren untersuchen auch die Beziehung zwischen Matrixgröße, Rang und Ausführungszeit und identifizieren Bereiche für zukünftige Verbesserungen. Insgesamt bietet das Kapitel eine umfassende Analyse der Sylvester-Gleichungsimplementierung für HODLR und HALR-Matrizen und liefert wertvolle Erkenntnisse für Fachleute auf diesem Gebiet.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

3. Machine and Deep Learning

   1. Frontmatter

   2. Epanechnikov Nonparametric Kernel Density Estimation Based Feature-Learning in Respiratory Disease Chest X-Ray Images

      Verónica Marsico, Antonio Quintero-Rincón, Hadj Batatia

      Dieses Kapitel untersucht die Anwendung der nichtparametrischen Epanechnikov-Kernel-Dichteabschätzung (EKDE) für Feature-Learning in Röntgenbildern der Brust zur Erkennung von Atemwegserkrankungen, einschließlich COVID-19. Die Studie konzentriert sich auf den Einsatz von EKDE als Werkzeug zur Feature-Extraktion für eine statistisch-modellbasierte Lernmethode, die darauf abzielt, Anomalien in Röntgenbildern der Brust zu erkennen. Die Forschung umfasst die Berechnung des Mittelwerts und der Standardabweichung von EKDE für einen großen Datensatz von Röntgenbildern der Brust, wobei diese Merkmale in einem bimodalen logistischen Regressionsklassifikator verwendet werden, um zwischen normalen und erkrankten Fällen zu unterscheiden. Die Ergebnisse zeigen eine moderate Effektivität mit einer Genauigkeit von 70,14%, einer Sensitivität von 59,26% und einer Spezifität von 74,18%. Die Studie vergleicht die vorgeschlagene Methode auch mit anderen Deep-Learning-Techniken und hebt ihre Vorteile in Bezug auf Rechenkomplexität und Interpretierbarkeit hervor. Die Ergebnisse deuten darauf hin, dass EKDE ein wertvolles Werkzeug für die Diagnose von Atemwegserkrankungen sein kann, insbesondere in klinischen Umgebungen, in denen Früherkennung von entscheidender Bedeutung ist. Das Kapitel schließt mit der Diskussion des Potenzials für zukünftige Arbeit, einschließlich der Integration von EKDE-Features mit Deep-Learning-Modellen und der Optimierung der Entscheidungsschwelle des Modells.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   3. Evaluating Large Language Models for the Generation of Unit Tests with Equivalence Partitions and Boundary Values

      Martín Rodríguez, Gustavo Rossi, Alejandro Fernandez

      Dieses Kapitel befasst sich mit der Bewertung von Large Language Models (LLMs) zur Generierung von Einheitstests unter Verwendung von Äquivalenzpartitionen und Grenzwerten. Es untersucht die Rolle der Testautomatisierung in der Softwareentwicklung und die Herausforderungen, vor denen Entwickler beim Schreiben effektiver Unit-Tests stehen. Die Studie vergleicht die Leistung von LLMs mit menschlichen Experten und konzentriert sich dabei auf Schlüsselkennzahlen wie Code Coverage, Mutation Score und schlechte Geruchserkennung. Sie unterstreicht auch die Bedeutung qualitativer Analysen bei der Bewertung der Wirksamkeit generierter Tests. Die Ergebnisse deuten darauf hin, dass LLMs bei der Testgenerierung vielversprechend sind, aber trotzdem menschlicher Überwachung bedürfen, um Genauigkeit und Qualität zu gewährleisten. Das Kapitel schließt mit einer Diskussion über das zukünftige Potenzial von LLMs bei der automatisierten Testgenerierung und die Notwendigkeit weiterer Forschung in diesem Bereich.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   4. Real Estate Market in Buenos Aires (Argentina): A Hedonic and Interpretable Machine Learning Approach

      Emiliano Gutiérrez, Laura Lanzarini, Fernando Delbianco, Rocío Cecchini

      Dieses Kapitel befasst sich mit dem Immobilienmarkt von Buenos Aires und konzentriert sich auf die Anwendung hedonischer und maschineller Lernmodelle zur Vorhersage von Wohnungspreisen. Die Studie kombiniert Online-Verkaufsdaten von Mercado Libre mit öffentlichen Datenbanken, um einen robusten Datensatz für die Analyse zu erstellen. Schlüsselthemen sind der Vergleich traditioneller hedonischer Regression mit maschinellen Lernalgorithmen wie Random Forest und XGBoost, die Bedeutung der Interpretierbarkeit in maschinellen Lernmodellen und der Einfluss verschiedener Merkmale auf die Wohnungspreise. Die Ergebnisse unterstreichen die überlegene Vorhersagekraft von XGBoost, wobei Interpretierbarkeitsmethoden wie SHAP-Werte, PDPs und ICE-Diagramme Einblicke in die Bedeutung von Merkmalen und nichtlineare Beziehungen bieten. Die Studie kommt zu dem Schluss, dass maschinelle Lernmodelle, insbesondere XGBoost, erhebliche Vorteile bei der Erfassung komplexer Muster auf dem Immobilienmarkt bieten und die Preiseinschätzung und das Marktverständnis verbessern.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   5. Call Audit Automation in the “148” Government Helpline of Buenos Aires Province Using Generative Artificial Intelligence

      María Paula Ponce, Franco Ezequiel Len

      Dieses Kapitel befasst sich mit der Automatisierung der Anrufprüfung in der "148" -Notrufzentrale der Provinz Buenos Aires, die generative künstliche Intelligenz einsetzt. Die Studie skizziert einen vierstufigen methodischen Ansatz, der Signalverarbeitung, natürliche Sprachverarbeitung und modernste KI-Modelle kombiniert, um aufgezeichnete Interaktionen effizient zu analysieren. Zu den Schlüsselthemen zählen die Verwendung künstlicher Intelligenz, automatische Transkription, Anonymisierung sensibler Daten sowie Klassifikations- und Prüfungsmodule. Die Forschungsergebnisse heben die Implementierung fortschrittlicher KI-Modelle wie Gemma 2: 9B und LLaMA 3-8B hervor, die die Genauigkeit und Effizienz der Anrufprüfung deutlich verbessern. Die Studie diskutiert auch die Ergebnisse der Feinabstimmung verschiedener Modelle und die Auswirkungen der Automatisierung auf die Verkürzung der Prüfungszeit und die Erhöhung des Volumens geprüfter Anrufe. Die Ergebnisse zeigen das Potenzial künstlicher Intelligenz bei der Verbesserung der Dienstleistungsqualität, der Gewährleistung der Einhaltung regulatorischer Bestimmungen und der Verbesserung der Transparenz bei staatlichen Dienstleistungen.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   6. Building Omnichannel Intelligent Virtual Assistants

      Pablo Pintado, David Mejia, Gabriela Duque, Andrés Cabrera, Daniel Iturralde, Esteban Mora, José Fajardo

      Dieses Kapitel beschäftigt sich mit der Entwicklung intelligenter virtueller Assistenten (IVAs) im Omnichannel, wobei der Schwerpunkt auf der Unterstützung von Benutzern über mehrere Themen und Kanäle hinweg liegt. Die Forschungsergebnisse zeigen eine Lücke im aktuellen Stand der IVA-Implementierung auf, die sich typischerweise auf spezifische Anwendungsfälle, Kanäle oder Technologien konzentriert, wobei die Anpassungsfähigkeit an sich schnell entwickelnde Technologien und sich ändernde Benutzerbedürfnisse begrenzt ist. Die vorgeschlagene Lösung ist eine flexible Omnichannel-Middleware-Architektur, die eine einfache Integration verschiedener Komponenten des IVA-Ökosystems wie Wissensquellen, intelligente Verarbeitungsdienste, digitale Kanäle und andere interne und externe Dienstleistungen ermöglicht. Die Architektur ist so konzipiert, dass sie sich ohne großen Aufwand an unterschiedliche Umgebungen und Technologien anpassen lässt, was sie zu einer wertvollen Ressource für Organisationen macht, die zeitnahe Hilfe über den bevorzugten Kanal des Nutzers bereitstellen wollen. Das Kapitel bietet außerdem eine detaillierte Literaturübersicht, eine umfassende Methodik auf Grundlage von Design Thinking und praktische Einblicke in die Implementierung und Erprobung des IVA-Ökosystems. Die Ergebnisse der Implementierung an der Universidad del Azuay zeigen die Effektivität der vorgeschlagenen Architektur mit durchschnittlich 70 Benutzern pro Tag und 440 Chatbot-Nachrichten über verschiedene Kanäle hinweg. Der wichtigste Beitrag dieser Forschung ist die Entwicklung einer flexiblen Omnichannel-Middleware-Architektur, die eine effiziente Integration, das Einfügen und Ersetzen einzelner Komponenten ermöglicht, die von der Umwelt und der raschen technologischen Entwicklung benötigt werden.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

4. Smart Cities and E-Government

   1. Frontmatter

   2. Smart Ecosystem to Assist Government Decisions in the Health Sector

      María Romagnano

      Dieses Kapitel vertieft die Komplexität des Datenmanagements und der Interoperabilität im Gesundheitssektor und unterstreicht die Notwendigkeit eines intelligenten Ökosystems zur Unterstützung von Regierungsentscheidungen. Darin werden die Herausforderungen untersucht, vor denen Gesundheitssysteme stehen, darunter die Fragmentierung von Daten, das Fehlen standardisierter Protokolle und die Notwendigkeit einer effektiven Datenverwaltung. Das Kapitel schlägt ein konzeptionelles Modell für ein intelligentes Ökosystem vor, das Daten aus verschiedenen Quellen integriert und dabei Techniken der Business Intelligence (BI) und Business Analytics (BA) zur Unterstützung der Entscheidungsfindung einsetzt. Das Modell betont die Bedeutung von Datenqualität, Interoperabilität und den ethischen Gesichtspunkten im Datenmanagement. Das Kapitel diskutiert auch die Umsetzung dieses Modells, einschließlich der notwendigen Infrastruktur, Notfallpläne und Strategien zur Abmilderung von Datenverzerrungen. Anhand qualitativer Forschung und praktischer Beispiele bietet das Kapitel einen detaillierten Überblick über den aktuellen Stand des Gesundheitsdatenmanagements und eine Vision für ein stärker integriertes und effizienteres System.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

5. Visualization

   1. Frontmatter

   2. Optimization of Emergency Department Staff Configuration Using Montecarlo Clustering Search Algorithm and ABM Simulation

      Maria Harita, Alvaro Wong, Dolores Rexachs, Emilio Luque, Eva Bruballa, Francisco Epelde

      Dieses Kapitel untersucht die Optimierung der Personalkonfigurationen in Notaufnahmen (ED) mithilfe einer Kombination aus dem Montecarlo Clustering Search Algorithm (MCSA) und der Simulation agentenbasierter Modellierung (ABM). Die Studie zielt darauf ab, die Verweildauer der Patienten durch effiziente Personal- und Ressourcenallokation zu verbessern. Die Forschung integriert heuristische Suchmethoden mit detaillierten Simulationsmodellen zur Bewertung verschiedener Personalkonfigurationen, wobei der Schwerpunkt auf der Reduzierung von Rechenkosten und der Verbesserung von Entscheidungsprozessen liegt. Die Methodik umfasst zwei Hauptphasen: Exploration und Ausbeutung. Während der Explorationsphase werden durch Stichproben erste Personalkonfigurationen generiert, die dann mit dem ABM-Simulationsmodell ausgewertet werden. Die Ausbeutungsphase verfeinert diese Konfigurationen durch Clustertechniken und identifiziert Lösungen mit hohem Potenzial. Die Studie zeigt, dass MCSA effektiv durch hochdimensionale Suchräume navigieren kann, indem es sich auf optimale Personalkonfigurationen einlässt, die das Patienten-LoS signifikant reduzieren. Die Ergebnisse unterstreichen die Bedeutung einer anpassungsfähigen Personalplanung und Ressourcenallokation beim Management von ED-Operationen. Durch die Nutzung von Hochleistungsrechnern und hybriden Optimierungsansätzen bietet die Studie Krankenhausverwaltern ein skalierbares und flexibles Werkzeug zur Entscheidungsunterstützung. Die Ergebnisse tragen dazu bei, die Lücke zwischen theoretischen Optimierungsmodellen und praktischem Gesundheitsmanagement zu schließen und bieten Einblicke in effiziente ED-Ressourcenallokation und Personalplanung.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   3. How to Evolve from Problem to Agent-Based Simulator

      Francisco Mesas, Manel Taboada, Dolores Rexachs, Francisco Epelde, Alvaro Wong, Emilio Luque

      In diesem Kapitel wird eine bahnbrechende Methodik zur Umwandlung komplexer Probleme in agentenbasierte Simulatoren vorgestellt, wobei der Schwerpunkt auf Modularität und Wiederverwendbarkeit liegt. Der Text geht auf die Herausforderungen traditioneller Simulationsmethoden ein und präsentiert einen strukturierten Ansatz zur Definition von Akteuren, Interaktionen und Entscheidungsprozessen. Zu den Schlüsselthemen gehören die Identifizierung von Agenten und ihren Zustandsvariablen, das Umfeld, in dem sie operieren, und die Interaktionen zwischen verschiedenen Agenten. Die Methodik wird anhand eines praktischen Beispiels in einer Notaufnahme demonstriert, in dem gezeigt wird, wie die Umgebung, die Agenten und ihre Interaktionen definiert werden können. Das Kapitel skizziert auch eine Validierungsstrategie, um die Genauigkeit und Reproduzierbarkeit der Simulationsmodelle sicherzustellen. Durch Befolgung dieser Methodik können Fachleute anpassungsfähigere und effizientere Simulationen erstellen und damit letztlich ihre Fähigkeit verbessern, komplexe Systeme zu analysieren und zu verwalten.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

6. Emerging Topics

   1. Frontmatter

   2. Data Strategy for Competitiveness in Smart Territories

      Fabiola del Toro Osorio, Victoria Eugenia Ospina Becerra, Elsa Estévez

      Dieses Kapitel geht der entscheidenden Rolle der Datenstrategie bei der Förderung der Wettbewerbsfähigkeit in intelligenten Gebieten nach. Es unterstreicht die Bedeutung des Verständnisses der Bedürfnisse der Bürger und der Nutzung von Daten, um maßgeschneiderte Dienstleistungen zu schaffen, die das Wirtschaftswachstum vorantreiben und die Lebensqualität verbessern. Die Forschung führt ein umfassendes Rahmenwerk ein, die Data Strategy Competitiveness for Smart Territories, die Artefakte und Richtlinien in drei Phasen organisiert: Wissen, Planen und Eigen. Die Know-how-Phase konzentriert sich darauf, die Bedürfnisse der Bürger zu ermitteln, aktuelle Daten zu bewerten und den aktuellen Stand der Datenverwaltung zu verstehen. Die Planungsphase umfasst die strategische Formulierung, Planung von Datendiensten und die Entwicklung von Datenmanagement- und Governance-Strategien. Die Eigene Phase gewährleistet die Mobilisierung der Gemeinschaft und die Umsetzung des festgelegten Plans. Das Rahmenwerk wurde durch eine Fallstudie in Puerto Salgar, Kolumbien, validiert, in der drei Datendienste vorgeschlagen und ein Smart Economy Meeting Point eingerichtet wurden. Die Studie schließt mit der Betonung der Bedeutung der Integration intelligenter Städte, Datenstrategie und Wettbewerbsfähigkeit und bietet praktische Empfehlungen zur Verbesserung der territorialen Wettbewerbsfähigkeit durch datengesteuerte Dienstleistungen.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

7. Innovation in Computer Science Education

   1. Frontmatter

   2. Design of an Scent-Emitting Device and Its Integration into an Immersive Virtual Reality Game

      Julián Santiago Benítez, María José Abásolo, Roberto Ariel Guerrero

      Dieses Kapitel befasst sich mit dem Design und der Entwicklung eines kostengünstigen, tragbaren Duftgeräts, das darauf abzielt, das Eintauchen in Virtual-Reality-Spiele (VR) zu verbessern. Das Gerät ist in das Proof-of-Concept-VR-Spiel "John Lemon's Haunted Jaunt" integriert, um sein Potenzial zur Bereicherung des Spielerlebnisses durch olfaktorische Reize zu demonstrieren. Das Kapitel beginnt mit einer Bestandsaufnahme bestehender Geruchsemissionsgeräte und beleuchtet deren Eigenschaften und Grenzen. Anschließend wird das Design und die Entwicklung des vorgeschlagenen Geräts, einschließlich seiner Komponenten, des Kommunikationsprotokolls und der Integration in das VR-Spiel detailliert beschrieben. Das Gerät wird durch Benutzertests bewertet, wobei sowohl subjektive als auch objektive Ergebnisse gemessen werden. Die Ergebnisse deuten darauf hin, dass die Integration der Geruchswahrnehmung das Eintauchen des Spielers deutlich erhöht, aber sorgfältiges Timing und eine sorgfältige Geruchswahl erfordert, um Ablenkung oder Ermüdung zu vermeiden. Das Kapitel schließt mit einer Diskussion über die zukünftige Richtung zur Maximierung des Potenzials des Duftstoffemittierenden Geräts, wobei zentrale technische Herausforderungen wie Miniaturisierung, Optimierung der Duftdiffusion und die Entwicklung einer robusten API angesprochen werden. Darüber hinaus untersucht das Kapitel die umfassenderen Implikationen der Integration olfaktorischer Reize in VR, einschließlich ihrer potenziellen Anwendungen in der beruflichen Bildung, in Bildungssimulationen und sensorischem Marketing.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

8. Correction to: Smart Ecosystem to Assist Government Decisions in the Health Sector

   María Romagnano

   Diese Mitteilung korrigiert einen Fehler in der Urheberschaft eines Kapitels mit dem Titel "Smart Ecosystem to Assist Government Decisions in the Health Sector" aus dem Buch "Cloud Computing, Big Data and Emerging Topics". Das Kapitel wurde ursprünglich mit "Margarita Sordo" als Verfasserin veröffentlicht, aber diese Zuschreibung wurde seitdem in der veröffentlichten Version entfernt. Die Korrektur stellt genaue Autoreninformationen für das Kapitel sicher, das Teil einer breiteren Diskussion über Cloud Computing, Big Data und aufstrebende Themen ist. Diese Bekanntmachung ist für die Aufrechterhaltung der Integrität und Genauigkeit akademischer und professioneller Veröffentlichungen von entscheidender Bedeutung.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

9. Backmatter