Proceedings of the 2024 International Conference on Wireless Communications, Networking and Applications
- Open Access
- 2026
- Open Access
- Buch
- Herausgegeben von
- Patrick Siarry
- Simon King Sing Cheung
- M. A. Jabbar
- Xiaolong Li
- Buchreihe
- Lecture Notes in Electrical Engineering
- Verlag
- Springer Nature Singapore
Über dieses Buch
Dieses Open-Access-Buch enthält originale, von Experten begutachtete Forschungsarbeiten der Internationalen Konferenz für drahtlose Kommunikation, Vernetzung und Anwendungen (WCNA 2024), die vom 20. bis 22. Dezember 2024 in Shenzhen, Guangdong, China, stattfand. Zu den behandelten Themen zählen, aber nicht nur, drahtlose Kommunikation; Geräte, Werkzeuge und Techniken für WSN und andere drahtlose Netzwerke; drahtlose Sensornetzwerke; Internet der Dinge (IoT); künstliche Intelligenz; Signalverarbeitung und nachhaltige, allgegenwärtige WSN-Anwendungen.
Mit KI übersetzt
Über dieses Buch
This open access book includes original, peer-reviewed research papers from the 2024 International Conference on Wireless Communications, Networking and Applications (WCNA 2024), held in Shenzhen, Guangdong, China, from December 20 to 22, 2024. The topics covered include but are not limited to: Wireless Communications; Devices, Tools, and Techniques for WSN and Other Wireless Networks; Wireless Sensor Networks; Internet of Things (IoT); AI; Signal Processing; and Sustainable Pervasive WSN Applications.
Anzeige
Inhaltsverzeichnis
-
Generative Artificial Intelligence for Wireless Communications: Algorithms, Applications, and Beyond
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel untersucht das transformative Potenzial der Generativen Künstlichen Intelligenz (GenAI) in der drahtlosen Kommunikation und konzentriert sich dabei auf Algorithmen, Anwendungen und zukünftige Forschungsrichtungen. Es beginnt mit einer Einführung in die GenAI, die ihre Entwicklung von der frühen KI-Planung und Datenerweiterung bis hin zum Aufkommen von Deep-Learning-Algorithmen wie variablen Autoencodern und generativen adversarialen Netzwerken (GANs) verfolgt. Das Kapitel beleuchtet die Vorteile der GenAI bei der Bewältigung kritischer Herausforderungen wie der Erfassung seltener Ereignisdaten, Bedenken hinsichtlich der Privatsphäre und der Datenverknappung. Ein gründlicher Überblick über 1.180 aktuelle Studien, die zwischen 2015 und 2024 veröffentlicht wurden, wird präsentiert und zeigt einen signifikanten Aufwärtstrend in der GenAI-Forschung auf. Die Analyse deckt Schlüsselmerkmale wie Veröffentlichungshäufigkeit, Themenbereiche und einflussreiche Quellen ab und gibt einen Überblick über das Feld. Das Kapitel untersucht auch die oben zitierten Publikationen und unterstreicht die zentrale Rolle der GenAI bei der Entwicklung drahtloser Technologien. Bemerkenswerte Herausforderungen und zukünftige Forschungsrichtungen werden identifiziert, wobei die Notwendigkeit interdisziplinärer Zusammenarbeit und innovativer Methoden betont wird. Letztlich wird die Synergie zwischen GenAI und drahtlosen Technologien die Zukunft der Konnektivität, Effizienz und Nutzererfahrung gestalten.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractGenerative models have been immersed in various artificial intelligence applications. This field of research is also known as generative artificial intelligence (GenAI). Any form of data (e.g., videos, images, audio, text, and time-series data) can be generated, providing additional and useful data to enhance the performance of machine learning models. GenAI features the ability to address various issues, such as rare event collection, high cost of data labelling, bias mitigation, privacy, and data scarcity. Wireless communications have become a vital part of today’s digital era, offering flexibility, accessibility, ease of maintenance, and cost-effectiveness. Smartphones, tablets, notebooks, and smartwatches are common tools that rely on wireless communications. In this research, we conducted a literature review to analyze the 1180 latest relevant works (published in 2015–2024) employing GenAI for wireless communications. The algorithms, applications, and results were discussed and compared. The analysis focused on fundamental characteristics such as the yearly publication count, the various subject areas of these publications, the leading ten journals and conferences, as well as a visual representation of keywords in a word cloud. This was succeeded by a thorough examination of the ten most frequently cited publications. Additionally, two significant open challenges were highlighted, along with recommendations for possible future research avenues. -
Design of Intelligent Calibration System for Medical Device Testing Based on Wireless QA Control
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel befasst sich mit der Konzeption und Implementierung eines intelligenten Kalibrierungssystems für medizinische Geräte, das die drahtlose QS-Steuerungstechnologie nutzt, um das Gerätemanagement im Gesundheitswesen zu revolutionieren. Das System nutzt eine Dual-Mode-Kommunikation (Wi-Fi und BLE) zur Datenübertragung und Fernbedienung in Echtzeit, wodurch ein effizienter und sicherer Datenaustausch gewährleistet ist. Intelligente, auf maschinellem Lernen basierende Kalibrierungsalgorithmen werden eingesetzt, um den Gerätestatus autonom zu überwachen, Abweichungen zu erkennen und Kalibrierungsprozesse einzuleiten, wodurch manuelle Eingriffe deutlich reduziert werden. In diesem Kapitel wird auch die Integration eines Echtzeit-QS-Überwachungssystems hervorgehoben, das Schlüsselparameter wie Temperatur, Druck und Vibrationen kontinuierlich erfasst, rechtzeitig warnt und Betriebsstabilität gewährleistet. Darüber hinaus wird die Leistung des Systems anhand von Messgrößen wie Kalibriergenauigkeit, Zeiteffizienz und Reaktionszeiten bewertet, was wesentliche Verbesserungen gegenüber herkömmlichen manuellen Kalibrierungsmethoden zeigt. Die Schlussfolgerungen betonen das Potenzial des Systems, die Gerätenutzung zu verbessern, die Ressourcenallokation zu optimieren und wirtschaftliche Verluste zu verringern, was den Weg für ein effizienteres und zuverlässigeres Medizinproduktemanagement ebnet.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIn response to the problems of errors, low efficiency, and insufficient utilization in manual calibration of medical devices, this study adopts wireless communication technology to achieve real-time data exchange and remote operation between the device and the central system, effectively reducing manual participation. By combining intelligent calibration algorithms, dynamic analysis and automatic adjustment of device operation are implemented to ensure autonomous calibration when it deviates from the standard. The system also integrates a real-time Quality Assurance (QA) monitoring module to monitor key indicators of devices, trigger alarms in case of abnormalities, and initiate fault warning and preventive maintenance processes to reduce downtime. The experimental data shows that the average calibration time of the device has been reduced by 66%, and the utilization rate has been increased to 79.8%, fully verifying the significant effectiveness of the system in shortening the calibration cycle and enhancing device utilization, which is conducive to the comprehensive improvement of medical device efficiency and operation level. -
Optimization of RFID Tag Recognition and Data Security System in Smart Libraries Integrating Embedded Technology
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel befasst sich mit der Optimierung von RFID-Tag-Erkennungs- und Datensicherheitssystemen in intelligenten Bibliotheken, wobei der Schwerpunkt auf der Integration von Embedded-Technologien liegt. Es beginnt mit einer Einführung in die Evolution von Bibliotheksmanagementsystemen, wobei die Beschränkungen traditioneller Methoden und die Vorteile der RFID-Technologie wie erhöhte Datenkapazität, Veränderbarkeit und erhöhte Sicherheit hervorgehoben werden. Die Literaturrecherche untersucht verschiedene Anwendungen von RFID in intelligenten Bibliotheken, darunter Systeme für das Buchmanagement, Maßnahmen zur Diebstahlbekämpfung und Umweltüberwachung. Der Bereich Forschungsmethoden bietet einen Überblick über die RFID-Technologie, ihre Komponenten und die Konzeption eines umfassenden Bibliotheksmanagementsystems. Das System umfasst ein Buchverwaltungsmodul, das RFID-Tags zur automatischen Ausleihe und Rückgabe verwendet, ein Computerdiebstahlschutzmodul, das sich in bestehende Campus-Kartensysteme integriert, und ein Umweltüberwachungsmodul, das Sensoren verwendet, um optimale Lesebedingungen aufrechtzuerhalten. Das Hardware- und Softwaredesign des Buchmanagementmoduls ist detailliert, einschließlich der Verwendung hochfrequenter passiver Tags und eines adaptiven Anti-Kollisions-Algorithmus. Das Computer-Anti-Diebstahl-Modul wurde entwickelt, um Diebstahl von Computern und anderen Gegenständen zu verhindern, mit Funktionen wie zweifarbiger Statusanzeige und unabhängigen Alarmsystemen. Der Abschnitt zur Ergebnisanalyse präsentiert Testpläne und -ergebnisse für den Zirkulationsarbeitsplatz, Selbstausleih- und Rückgabemodule, die hohe Reaktionsgeschwindigkeiten, große Lesereichweiten und effiziente Umrechnungsraten aufweisen. Die Schlussfolgerung betont die Vorteile des Systems wie einfache Bedienung, hohe Erkennungsraten und verbessertes Bibliotheksmanagement und erkennt zugleich die Herausforderungen an, die mit der Einführung derartiger Systeme in Bibliotheken verbunden sind. Das Kapitel schließt mit einer Diskussion über die Zukunftsperspektiven der RFID-Technologie im Bibliotheksmanagement.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIn order to solve the problems of low efficiency in borrowing and returning books and poor storage environment in libraries, the writer puts forward an RFID Smart Library Management System. Firstly, introduce key technologies such as RFID technology, ultra-high frequency electronics, and radio frequency technology. Secondly, the library management was combined with RFID technology, embedded technology, and network communication technology to complete the design and implementation of three sub modules: book management, computer anti-theft, and environmental monitoring. The above three sub modules are organically integrated into a new generation of intelligent library management system, fundamentally releasing the pressure of personnel when borrowing and returning books, enhancing library security, and improving the environmental quality of book preservation. Finally, test the system performance. The results show that under the application background of RFID technology, the system has the characteristics of simple book return process, high book positioning accuracy, convenient and fast search, and safe and reliable, fully meeting the expected design standards and requirements. -
Multi Layer Anti Intrusion Algorithm for Information Emergency Network Under Active Passive Combination
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel untersucht die Entwicklung und Implementierung eines mehrschichtigen Anti-Intrusion-Algorithmus, der für Informationsnotfall-Netzwerke entwickelt wurde. Der Algorithmus integriert sowohl aktive als auch passive Verteidigungsstrategien, um ein robustes Sicherheitsgerüst zu schaffen. Schlüsselthemen sind die Verwendung von Netzwerkcodierung für passive Sicherheit, die Anwendung von Support Vector Machines (SVM) für aktive Sicherheit und die Extraktion von Netzwerkinformationsmerkmalen. Die experimentelle Analyse zeigt die Effektivität des Algorithmus bei der Identifizierung und Abwehr verschiedener Arten von Netzwerkeingriffen, einschließlich SQL-Injection und XSS-Injection-Angriffen. Die Ergebnisse zeigen eine hohe Erfolgsquote bei der Erkennung von Einbrüchen mit geringer Fehl- und Fehlerkennungsrate, was die Zuverlässigkeit und Effizienz des Algorithmus unterstreicht. Dieser umfassende Ansatz bietet einen bedeutenden Fortschritt bei der Netzwerksicherheit und bietet eine starke Verteidigung gegen die sich entwickelnden Bedrohungen im Informationszeitalter.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIn response to the problem of multiple types of intrusion data in information emergency networks, a multi-layer anti intrusion algorithm for information emergency networks is proposed, which combines active and passive methods. This strategy combines the technological advantages of active defense and passive detection, and constructs a multi-level and all-round protection system. Passive detection adopts a network coding method based on information theory security, which encodes and decodes data packets through linear operations to ensure the confidentiality of information during transmission; Active defense uses support vector machine algorithm to achieve intrusion detection. By introducing kernel functions to map data to high-dimensional space, the optimal separation hyperplane is found in the high-dimensional space and mapped back to the original space, thus achieving non-linear classification of intrusion data. The experimental results show that this method can accurately detect various types of network intrusion data, and it also has the ability of self-learning and optimization, which can continuously adapt to changes in the network environment and improve the protection effect. -
Application of an Augmented Reality-Based Assisted Inspection System in Airport
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel befasst sich mit der Anwendung der Augmented Reality (AR) -Technologie bei Flughafeninspektionen und zeigt ihr Potenzial auf, Sicherheit und Effizienz zu revolutionieren. Der Text umfasst die Entwicklung eines AR-basierten Hilfsinspektionssystems, das eine Managementplattform, tragbare AR-Geräte, einen Fernassistenten und ein WeChat-Applet umfasst. Zu den besprochenen Schlüsselfunktionen gehören Echtzeit-Daten-Overlay, Remote Collaboration und vorausschauende Wartung durch IoT-Integration. Das Design und die Funktionen der Benutzeroberfläche des Systems, wie "Folgen", "Inspektion", "Suche", "Scannen" und "Remote Expert anrufen", werden im Detail untersucht. Fallstudien und Leistungsbewertungen zeigen die Effektivität des Systems bei der Verbesserung der Inspektionsgenauigkeit und der Optimierung von Arbeitsabläufen. Das Kapitel schließt mit der Betonung der transformativen Auswirkungen der AR-Technologie auf den Flughafenbetrieb, wodurch die Inspektionen effizienter und proaktiver werden.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractWith the rapid development of augmented reality (AR) technology, its application in airport operations has shown significant potential. This paper explores an AR-based auxiliary inspection system designed to enhance efficiency and accuracy in airport facility maintenance and security inspections. By leveraging AR devices such as HoloLens, the system provides real-time guidance, overlays critical information, and enables remote collaboration. The implementation of this system reduces human error, optimizes resource allocation, and improves decision-making processes, demonstrating its value in advancing the digitization and intelligence of airport operations. -
CMSFF-UNet: A Network for Underwater Image Segmentation to Boost Segmentation Accuracy
- Open Access
PDF-Version jetzt herunterladenDas Kapitel vertieft sich in den kritischen Bereich der Unterwasserbildsegmentierung und unterstreicht ihre Bedeutung für die Erforschung mariner Ressourcen. Es stellt CMSFF-UNet vor, ein neuartiges Netzwerk, das entwickelt wurde, um die Segmentierungsgenauigkeit zu verbessern, indem es Probleme wie verschwommene Grenzen und semantische Informationsunterschiede in Angriff nimmt. Der Text untersucht die Architektur von CMSFF-UNet, zu der ResNet50 für die Featureextraktion, MSFFM für die mehrskalige Featurefusion und CPCA für Aufmerksamkeitsmechanismen gehören. Die Verwendung einer zusammengesetzten Verlustfunktion, die Focal Loss und Dice Loss kombiniert, wird ebenfalls diskutiert und betont ihre Rolle bei der Verbesserung der Konvergenz und Genauigkeit von Modellen. Experimentelle Ergebnisse des SUIM-Datensatzes zeigen die überlegene Leistung des CMSFF-UNet, das eine mIoU von 65,01% und eine mPA von 79,03% erreichte. Das Kapitel schließt mit der Betonung der Bedeutung von CMSFF-UNet bei der Förderung der semantischen Segmentierung von Unterwasserbildern, was es zu einer wertvollen Ressource für Fachleute auf diesem Gebiet macht.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractUnderwater image segmentation is currently a challenging issue in underwater image technology and has gradually attracted more attention from researchers. Despite significant advancements in this field, the complex underwater environment continues to pose difficulties, leaving room for improvement in segmentation accuracy. To enhance underwater image segmentation performance, the Multi-Scale Feature Fusion Module (MSFFM) proposed in this paper is designed for upsampling feature fusion. It strengthens the incorporation of shallow semantic information. Additionally, the feature fusion process incorporates Channel prior Convolutional attention(CPCA). Finally, the optimization process utilizes a composite loss function incorporating Dice Loss and Focal Loss. Results of experiments carried out on the SUIM dataset demonstrate that the model we proposed achieves excellent segmentation accuracy for underwater imagery. -
Research on Text Recognition in the Automotive Field Based on XGBoost and Feature Engineering
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel untersucht die Integration von XGBoost, einem leistungsstarken maschinellen Lernalgorithmus, mit Feature-Engineering-Techniken zur Verbesserung der Texterkennung im Automobilbereich. Die Forschung gliedert sich in fünf Schlüsselschritte: Auswahl der Datenquelle, Verarbeitung von Feature Engineering, Einführung in das XGBoost-Modell, Auswahl der Modellparameter und Ergebnisanalyse. Die Studie betont die Bedeutung der Auswahl geeigneter Datenquellen und der Vorverarbeitung von Textdaten, um Rauschen zu entfernen, Text zu normalisieren und Vektorräume zu konstruieren. Es geht auf die theoretischen Grundlagen des XGBoost-Modells ein und erklärt sein Rahmenwerk zur Steigerung des Gefälles und die Rolle des Feature Engineering bei der Verbesserung der Modellleistung. In diesem Kapitel werden auch die Auswirkungen unterschiedlicher Feature Engineering-Methoden und Modellparameter auf die Genauigkeit und Stabilität der Texterkennung diskutiert. Experimentelle Ergebnisse unterstreichen die Effektivität der Kombination von TF-IDF mit der Auswahl von Features für Informationsgewinne und die Wichtigkeit der Abstimmung von Hyperparametern, um eine optimale Modellleistung zu erreichen. Die Schlussfolgerungen unterstreichen das Potenzial dieses Ansatzes, die Texterkennung in der Automobilindustrie zu revolutionieren, und erkennen zugleich Bereiche für zukünftige Forschungen an, wie die Erweiterung des Datensatzes und die Erforschung fortschrittlicher Feature Engineering-Methoden.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThis study focuses on the application and research of XGBoost algorithm and feature engineering in text recognition in the automotive field. First, data sources from multiple parties are obtained to form multi-source heterogeneous data sources. Secondly, feature engineering is constructed, which includes removing noise using regular expressions, text normalization, word segmentation and part-of-speech tagging of sentences, and the construction of text feature space. Then, the principle of the XGBoost algorithm and its advantages in text feature processing are analyzed, and an efficient text recognition model is built. Finally, multiple models are selected for parameters. The results show that the rational application of feature engineering and the XGBoost algorithm can significantly improve the accuracy and stability of text recognition, providing new ideas and methods for the development of text recognition technology. This method provides a new theoretical framework and practical path for the innovation of text recognition technology in the automotive field and contributes to the development research of China's automotive industry. -
Visual Optimization Design of Web Page Interface Text Based on Computer Interaction Technology
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel geht auf die entscheidende Rolle der textvisuellen Optimierung im modernen Webdesign ein, wobei der Schwerpunkt auf adaptivem Design, dynamischer Textinteraktion und der Analyse des Nutzerverhaltens liegt. Sie befasst sich mit häufigen Herausforderungen wie Verzögerungen beim Laden von Webseiten und unklarer Texthierarchie und schlägt Lösungen vor, die auf Computer-Interaktionstechnologie beruhen. Der Text untersucht adaptive Designtechniken, einschließlich der Anpassung von Schrift und Bild sowie der Optimierung des Textlayouts für verschiedene Geräte. Außerdem werden Methoden der dynamischen Textinteraktion diskutiert, wie das dynamische Laden von Texten, Textanpassungen in Echtzeit und interaktive Texthervorhebung. Die Analyse des Nutzerverhaltens wird als Mittel zur Optimierung von Webdesign und Content-Layout untersucht. Im Kapitel werden experimentelle Konzepte und Testszenarien vorgestellt, um die Effektivität der vorgeschlagenen Lösungen zu bewerten und Einblicke in die Auswirkungen dieser Optimierungen auf die Nutzererfahrung und Interaktionseffizienz zu geben. Die Schlussfolgerungen heben das Potenzial dieser Techniken zur Verbesserung des Webdesigns hervor und schlagen zukünftige Forschungsrichtungen vor, darunter die Integration künstlicher Intelligenz und maschinellen Lernens für ein stärker personalisiertes Webdesign.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIn the current visual optimization design of web page interface text, there are many problems such as the long loading time of non-text content such as pictures and videos, which leads to delayed display of text content, and the lack of effective hierarchical design such as titles and subtitles in text presentation. This article aimed to use computer interaction technology to solve the problems of slow interface response time and unclear web page content hierarchy in the visual optimization design of web page interface text. The study used media queries in Cascading Style Sheets (CSS) to optimize web pages for specific screen widths and device types, and dynamically adjust the layout and style of the page based on different conditions. Using fluid layout and CSS's flexible box mode, the text and other elements in the web page can automatically adjust their width and arrangement according to the size of the browser window. Combining flexible layout and fluid layout technology, the arrangement of text blocks on different devices can be automatically adjusted. Computer interaction technology and real-time response mechanism are used to interact with dynamic text and analyze user interaction behavior, thereby optimizing the visual effect of web page text. Experiments show that the response time of the text visual design of the web page interface in this article on desktops of different sizes is within 1s; the page response time for users to perform interactive operations on the web page is within 0.5s, and the scrolling response time is within 0.2s; when the network speed is not less than 10Mbps, the page loading time is within 2s, the image loading time is within 1.5s, and the video loading time is within 2.5s. The study verified the effectiveness of computer interaction technology in the visual optimization design of web page interface text and improved users' overall satisfaction with the web page. -
Intelligent Speech Recognition Based on Internet of Things Technology in Russian MOOC Systems
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel untersucht die Anwendung intelligenter Spracherkennungstechnologie in russischen MOOC-Systemen und konzentriert sich auf die Überwindung der Herausforderungen durch laute Umgebungen und Ressourcenbeschränkungen von IoT-Geräten. Der Artikel befasst sich mit dem Einsatz von MGAN (Multimodal Generative Adversarial Networks), um visuelle und sprachliche Signale zu kombinieren und so die Erkennungsgenauigkeit in komplexen Rauschszenarien zu verbessern. Außerdem wird die Implementierung von U-Net zur Rauschunterdrückung und Wav2Vec 2.0 zur Erfassung kontextbezogener Informationen in langfristigen Sprachsignalen diskutiert. Das experimentelle Design und die Ergebnisse unterstreichen die überlegene Leistung des MGAN-Modells im Vergleich zu herkömmlichen Methoden wie DeepSpeech 2, Conformer und QuartzNet. Die Studie bewertet die Robustheit des Modells in verschiedenen Geräuschumgebungen und seine Effizienz über unterschiedliche Sprachlängen und Ressourcenbeschränkungen hinweg. In den Schlussfolgerungen wird das Potenzial der vorgeschlagenen Lösung hervorgehoben und zugleich Bereiche für weitere Optimierung anerkannt, insbesondere im Umgang mit Latenz und Genauigkeit bei Geräten mit geringen Ressourcen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractWith the development of Internet of Things technology, the application of intelligent speech recognition in educational platforms has become increasingly widespread. Traditional noise suppression techniques lack flexibility in dealing with noise with both high and low frequencies, and cannot maintain high accuracy in various noise scenarios. To solve this problem, this article collected speech and visual signals through the fourth generation Amazon Echo Dot, used a Multimodal Generative Adversarial Network (MGAN) to generate simulated speech signals under noise, and combined the U-Net model for noise suppression. Furthermore, the Wav2Vec 2.0 model was used to capture contextual information in speech signals, thereby achieving efficient and accurate speech recognition in a multi-noise environment. The experimental results indicate that the proposed method obtains a speech recognition accuracy of 94.3% in noisy environments, significantly better than existing traditional methods, effectively improving the speech interaction effect in the Russian MOOC (Massive Open Online Course) system and enhancing the user learning experience. -
A Survey on Optimization of I/O Stack in File System Read/Write System Calls
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel befasst sich mit der Optimierung von I / O-Pfaden in modernen Dateisystemen, wobei der Schwerpunkt auf Lese-Schreib-Systemaufrufen liegt. Es untersucht die Entwicklung von Speichermedien von traditionellen Festplatten zu latenzarmen, leistungsstarken SSDs und die Auswirkungen auf die I / O-Leistung. Der Text identifiziert Schlüsselengpässe im E / A-Stack, wie Systemaufrufkontextwechsel, Cache-Seitensuche, physische Seitenzuweisung und E / A-Planung auf Blockebene. Es überprüft verschiedene Optimierungsstrategien, darunter Scatter-Collect I / O, io _ uring, Direct I / O und Parallelisierungstechniken wie Bereichssperren und sperrfreie Datenstrukturen. In diesem Kapitel werden auch die Zielkonflikte zwischen Leistung und Komplexität diskutiert, wobei die Notwendigkeit von Anwendungstransparenz und die Herausforderungen der Anpassung an neue APIs hervorgehoben werden. Abschließend skizziert er zukünftige Forschungsrichtungen und betont die Bedeutung der Parallelisierung und die Notwendigkeit detaillierter Vergleiche von Optimierungsmethoden in verschiedenen Szenarien. Diese umfassende Umfrage bietet wertvolle Erkenntnisse zur Verbesserung der I / O-Leistung in Hochgeschwindigkeits-Speicherumgebungen und ist daher eine wichtige Lektüre für Fachleute, die ihre Systeme optimieren möchten.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractWith the continuous advancement of computer hardware architecture, the performance of storage devices has significantly improved. The emergence of new storage devices (such as Optane SSDs) has greatly reduced the overhead introduced by hardware devices in the I/O path. However, other components within the I/O stack still present notable performance bottlenecks, limiting the full potential of storage device performance. This paper focuses on optimizing the I/O stack of file system-based software read/write system calls, addressing various bottlenecks in the existing I/O stack, such as context switch overhead, physical page allocation, cache page lookup, dirty page marking, I/O aggregation, and scheduling. The paper provides a detailed overview and analysis of the existing optimization solutions. Additionally, the paper summarizes the advantages and disadvantages of these optimization techniques and proposes future research directions, aiming to provide theoretical support and practical guidance for optimizing the I/O path in high-performance storage device environments. -
Recognition Method of Tobacco Disease Based on Deep Learning
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel beschäftigt sich mit der Entwicklung und Umsetzung einer tiefgreifenden lernbasierten Methode zur schnellen und präzisen Erkennung von Tabakkrankheiten. Die Studie befasst sich mit den Herausforderungen traditioneller manueller Diagnosemethoden, die oft ineffizient und kostspielig sind. Durch die Nutzung des YOLOv5-Modells bietet die vorgeschlagene Lösung eine kostengünstige, effiziente und hochpräzise Alternative. Das Kapitel beschreibt den Aufbau eines umfassenden Datensatzes mit Bildern von Tabakkrankheiten, der 19 häufige Krankheiten umfasst. Der Datensatz wurde durch verschiedene Bildverbesserungstechniken erweitert, um die Verallgemeinerungsfähigkeit des Netzwerks zu verbessern. Das YOLOv5-Modell wurde beschnitten und trainiert, um seine Leistung auf der Android-Plattform zu optimieren. Die Bewertungskennzahlen des Modells, einschließlich Präzision, Rückruf und mittlerer Durchschnittspräzision (MAP), zeigen seine Wirksamkeit bei der Identifizierung von Tabakkrankheiten. Der Einsatz des Modells auf einer Android-Plattform und die Entwicklung einer begleitenden App ermöglichen die Offline-Erkennung von Krankheiten und bieten synchrone Behandlungsempfehlungen. Experimentelle Ergebnisse zeigen, dass das Modell bei 18 von 19 Krankheiten hohe Erkennungsraten mit Erkennungszeiten von etwa 200 ms erreicht, was es für praktische Anwendungen in der Tabakindustrie geeignet macht.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe inability to accurately and efficiently identify tobacco diseases can significantly impact both the yield and quality of tobacco crops. Based on Deep learning, this study focuses on enhancing the precision, efficiency, and accessibility of tobacco disease identification while minimizing associated costs. The research explores the application of deep learning techniques for this purpose. Initially, samples of 19 prevalent tobacco diseases were gathered from tobacco cultivation regions in Henan Province. These samples were categorized based on expert diagnoses. Following data augmentation, a comprehensive dataset was compiled. Next, the YOLOv5 network model was examined. To facilitate real-time, user-friendly identification suitable for mobile deployment, the model underwent pruning and optimization to reduce its complexity without compromising accuracy. The model was then trained using the prepared dataset. After training, the model was adapted for the Android platform, and a dedicated application was developed. This application not only identifies diseases but also offers insights into their causes and prevention strategies. The final phase involved experimental validation, which demonstrated that the optimized model operates effectively on Android devices, achieving a recall rate exceeding 90% for the majority of the diseases studied. This advancement represents a significant step forward in the practical application of AI for agricultural disease management. -
Guidance Generation Algorithm Based on Two-Step Sliding Window Least Squares Fusion Processing
- Open Access
PDF-Version jetzt herunterladenIn diesem Kapitel wird ein Führungsgenerierungsalgorithmus vorgestellt, der auf der Verarbeitung der kleinsten Quadrate mit zwei Schiebefenstern basiert und sich auf die Herausforderungen bei der Nutzung heterogener externer Messdaten aus mehreren Quellen konzentriert. Der Algorithmus adressiert das Problem von Schrittänderungen der Führungsdaten an Fensteraktualisierungspositionen, insbesondere bei Quellen niedriger Datenraten. Dabei wird ein zweistufiger Prozess angewandt: Der erste Glättungsprozess behält die ursprüngliche Datenrate bei, während der zweite Prozess bei Bedarf höhere Richtwerte für die Datenrate generiert. Das Kapitel vertieft sich in die Grundprinzipien des Least-Squares-Algorithmus, der mathematischen Modellierung und des Berechnungsprozesses. Die Simulationsverifizierung vergleicht die Genauigkeit und Glätte des dualen Anpassungsverfahrens mit dem Einfachanpassungsverfahren und zeigt signifikante Verbesserungen. Die optimalen Fensterlängenkombinationen werden identifiziert, und die Aktualität des Algorithmus wird als vernachlässigbar bestätigt. Die Schlussfolgerung betont die Bedeutung der Simulationsverifizierung für unterschiedliche Datenraten und Merkmale, um qualitativ hochwertige Führungsdaten zu generieren.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe significance of guidance data for telemetry and control systems cannot be overstated. Fully utilizing limited input data to generate high-quality guidance data plays a critical role in the efficiency of the entire telemetry and control system and, to some extent, acts as protection for the receiving equipment. This paper addresses the issue of varying input data rates from different sources by designing a guidance generation algorithm for low data rate sources. It is based on the sliding window least squares method, performing two rounds of fitting. The first fitting keeps the data rate unchanged, while the second fitting increases the data rate to meet the guidance requirements. Simulation tests have proven that the two rounds of fitting can achieve more accurate and smoother guidance data under limited window length conditions. -
Development of Interactive Learning Platform for Industry-University-Research Cooperation Based on Augmented Reality Technology
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel untersucht die Entwicklung einer interaktiven Lernplattform, die darauf ausgelegt ist, die Zusammenarbeit zwischen Industrie, Universität und Forschung durch den Einsatz von Augmented-Reality-Technologien zu fördern. Die Plattform zielt darauf ab, unabhängiges Lernen, Zusammenarbeit und Kommunikation zwischen Studenten und Unternehmen zu fördern. Der Text vertieft sich in die funktionalen Anforderungen und die Zusammensetzung der Plattform, wobei der Einsatz der Virtual-Reality-Technologie zur Schaffung einer multidimensionalen Lernumgebung hervorgehoben wird. Außerdem wird der Prozess der Wirksamkeitstests diskutiert und die verschiedenen Lernressourcen und Sicherheitsniveaus verglichen. Das Kapitel schließt mit einer Diskussion über die Mängel der Plattform und zukünftige Verbesserungsmöglichkeiten, wobei die Notwendigkeit einer benutzerfreundlichen Benutzeroberfläche und der Integration von 3D-Modellierungssoftware betont wird. Durch die Lektüre dieses Kapitels erhalten Fachleute ein detailliertes Verständnis der Entwicklung der Plattform, ihrer potenziellen Vorteile und der Herausforderungen, die für ihre erfolgreiche Umsetzung bewältigt werden müssen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe development of interactive learning platform for industry-university-research cooperation based on augmented reality technology aims to integrate the advantages of information exchange and resource sharing among universities, enterprises and researchers, with the fundamental goal of improving the quality of talent training. This paper uses object-oriented system engineering method to carry out elaborate design, the content mainly covers the following aspects. The introduction introduces the background and significance of this topic in detail. Based on the existing literature at home and abroad, the relevant work part makes an in-depth analysis of the status quo of independent innovation research and development, summarizes the preparatory work required for the development of industry-university-research cooperation platform based on augmented reality technology, possible problems, and future development direction. After that, this paper designs an interactive learning platform for industry-university-research cooperation based on augmented reality technology, and tests and analyzes the platform. The results are as follows: Platform A has achieved significant advantages in user authentication and data encryption, reaching 95% and 90% respectively. Platform B, on the other hand, performs slightly less well in these two areas, at 85% and 80%. This means that Platform A has a 10% higher level of user authentication and data encryption compared to Platform B. In terms of secure transmission, although Platform A is slightly lower, reaching 85%, Platform B has a higher level, reaching 90%. Platform B's high level of user authentication and data encryption indicates that user identity information and data are more reliably protected on the platform. This gives users a greater sense of trust and security. Despite the slight shortcomings in secure transmission, Platform B is still committed to improving its own security level to ensure that users' information is protected to the maximum extent possible during transmission. -
Design of Performance Evaluation System of Computer Network Platform based on Error Reversal Algorithm
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel befasst sich mit dem Design und der Implementierung eines Performance-Bewertungssystems für Computer-Netzwerkplattformen, wobei der Schwerpunkt auf dem Fehler-Umkehralgorithmus liegt. Das System besteht aus drei Hauptmodulen: Systemadministrator, Unit-Administrator und Mitarbeiter, von denen jedes über spezifische Funktionen zur Rationalisierung des Bewertungsprozesses verfügt. Der Algorithmus zur Fehlerumkehr ist eine Schlüsselinnovation. Er korrigiert Werte, die auf der Diskrepanz zwischen Bewertungsergebnissen und demokratischen Bewertungen beruhen, und gewährleistet so Fairness und Authentizität. Das System ist mit ASP und Java aufgebaut und verfügt über eine B / S-Architektur, die einen einfachen Zugriff und Betrieb über einen Webbrowser ermöglicht. Es nutzt Tomcat-Server und SQL-Server 2019 für das Datenmanagement und stellt damit eine robuste und skalierbare Lösung dar. Das Kapitel behandelt auch den Entwicklungsprozess des Systems, einschließlich detaillierter Designkonzepte, Entwicklungstechnologien und Testverfahren. Die Schlussfolgerung hebt die Effektivität des Systems bei der Steigerung der Mitarbeiterleistung hervor und schlägt Bereiche für zukünftige Verbesserungen vor, wie die Verfeinerung von Parametereinstellungen und die Einführung technischer Kontrollmechanismen zur Verhinderung von Datenmanipulationen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe government agencies and various enterprises and institutions in China have increasingly high requirements for performance appraisal systems. In order to better protect the rights and interests of employees, this article introduces the principle of the error deduction algorithm and analyzes its advantages in performance appraisal applications. Based on the error deduction algorithm, a computer network platform performance appraisal system is established. The system is developed using JSP language, with MyEclipse and Tomcat as the development platforms and backend server platforms, respectively. After online testing, the system can effectively obtain real democratic evaluation data, becoming a reliable basis for personnel selection. -
Enterprise Skill Training Performance Evaluation Method Integrating Big Data and BP Neural Network
- Open Access
PDF-Version jetzt herunterladenIn diesem Kapitel wird der transformative Einfluss von Big Data und neuronalen BP-Netzwerken auf die Bewertung der Leistungsfähigkeit von Unternehmen untersucht. Es führt ein ausgeklügeltes System ein, das Daten aus Mitarbeiterschulungsunterlagen, Arbeitsleistung und Feedback zusammenführt, um eine ganzheitliche Sicht der Trainingseffizienz zu liefern. Das System nutzt fortschrittliche Algorithmen für Echtzeit-dynamische Analysen und Vorhersagen, die es Unternehmen ermöglichen, Schulungsprogramme und Ressourcenallokation zu optimieren. Datenvisualisierungstechnologie wird eingesetzt, um Trainingsleistungsinformationen übersichtlich darzustellen und die Entscheidungsfindung des Managements zu erleichtern. Das Kapitel untersucht auch die Anwendung neuronaler BP-Netzwerke zur sicheren Datenverarbeitung und -speicherung, um Datenintegrität und -sicherheit zu gewährleisten. Eine praktische Fallstudie eines Designer-Trainingsprogramms wird vorgestellt, die die Fähigkeit des Systems hervorhebt, Leistungslücken zu erkennen und zielgerichtete Lösungen anzubieten. Die Schlussfolgerung betont das Potenzial des Systems, die Effektivität der Ausbildung zu steigern und die digitale Transformation im Personalmanagement zu unterstützen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIn order to solve the problems of low efficiency and insufficient accuracy in the performance evaluation of traditional enterprise skills training, the author proposes a performance evaluation system for enterprise skills training based on big data technology. This system integrates big data collection, storage, and processing technologies, combined with BP neural network algorithms and data visualization tools, to achieve deep analysis and dynamic evaluation of employee training data. The system leverages the self-learning capability of the BP neural network and integrates nonlinear fitting abilities, enabling it to effectively process complex training datasets, reduce evaluation bias, and improve decision-making accuracy. The system can accurately identify key performances during the training process and effectively predict the potential for employee skill development. The research results indicate that the system significantly improves the scientificity and real-time performance evaluation of training, providing strong support for enterprises to optimize training resource allocation and management decisions. Meanwhile, the application of this system has accelerated the digital transformation of enterprise human resource management. In the future, to enhance the adaptability of the BP neural network, research will focus on optimization through the integration of deep learning techniques, thereby further improving the system's predictive capabilities and enhancing its scalability across different industries. With the further development of intelligent algorithms and dynamic data analysis technology, this system will play a greater role in applicability and flexibility, helping enterprises enhance their core competitiveness. -
Dynamic Time Warping-Based Similarity Analysis for Track and Field Athlete Movements
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel untersucht die Anwendung des Dynamic Time Warping (DTW) -Algorithmus zur Analyse der Bewegungen von Leichtathleten mit dem Ziel, die Leistung zu steigern und Verletzungen zu verhindern. Die Architektur des Systems ist in vier Kernmodule unterteilt: Datenvorverarbeitung, Ausrichtung von Zeitreihen, Distanzberechnung sowie Ergebnisausgabe und -analyse. Das Datenvorverarbeitungsmodul sammelt und bereitet Bewegungsdaten aus verschiedenen Quellen auf, während das Zeitreihenausrichtungsmodul den DTW-Algorithmus verwendet, um Zeitreihendaten auszurichten und zu vergleichen. Das Entfernungsberechnungsmodul quantifiziert die Ähnlichkeit zwischen Bewegungen und das Ergebnisausgabe- und Analysemodul visualisiert und interpretiert die Ergebnisse. Experimentelle Ergebnisse zeigen die Genauigkeit und Zuverlässigkeit des Systems, wobei der DTW-Algorithmus herkömmliche Template-Matching-Methoden übertrifft. Das Kapitel schließt mit einer Diskussion über die potenziellen Anwendungen und zukünftigen Forschungsrichtungen des Systems, wobei der Wert des Systems für die Optimierung des Trainings und der Leistung von Athleten hervorgehoben wird.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIn track and field sports, athletes' movements are highly personalized and random, which makes it difficult to directly compare and analyze the similarities between movements made by different athletes or the same athlete in different situations. Aiming at the problem of similarity analysis of track and field athletes' movements, this study designs and implements an analysis system based on the Dynamic Time Warping (DTW) algorithm. The overall architecture of the system includes four modules: data preprocessing, time series alignment, distance calculation, and result output and analysis. The data preprocessing module extracts key features and converts them into time series format. The time series alignment module uses the DTW algorithm to achieve accurate alignment of time series. The distance calculation module quantitatively evaluates the similarity of actions by calculating the Euclidean distance between the aligned time series. The result output and analysis module helps users understand the differences and similarities between athletes' movements. Compared to traditional template matching methods, the accuracy of motion sequence alignment and computational efficiency have been significantly improved through the optimization of the DTW-based system. Experimental results show that the system reduces alignment error, enhances similarity measurement accuracy (with the correlation coefficient increasing from 0.68 to 0.76), and significantly optimizes computational performance while reducing processing time and memory consumption. Additionally, the system enables dynamic tracking of athletes' movement variations across different scenarios, providing real-time technical optimization suggestions and offering better support for personalized training strategies. -
AI-Driven Speech Recognition and Automatic Evaluation for English Oral Error Correction
- Open Access
PDF-Version jetzt herunterladenDieses Kapitel befasst sich mit der Integration von KI-gestützter Spracherkennung und automatischen Bewertungssystemen zur Verbesserung der mündlichen Fehlerkorrektur in Englisch. Es umfasst das gesamte Design der Systemstruktur, die Extraktion natürlicher Sprachmerkmale und die Implementierung von Spracherkennungsmodellen unter Verwendung von Hidden Markov Models (HMM) und Dynamic Time Warping (DTW) Algorithmen. Der Text untersucht auch das Modul zur Fehlerkorrektur und Bewertung, das den Lernenden Echtzeit-Feedback bietet. Der Abschnitt zur Ergebnisanalyse präsentiert eine vergleichende Studie verschiedener Methoden, die die hohe Erkennungsrate und Effizienz des vorgeschlagenen Systems aufzeigt. Das Kapitel schließt mit einer Diskussion über die Robustheit des Systems und sein Potenzial, die Ergebnisse des mündlichen Englischlernens zu verbessern, und bietet eine umfassende Lösung für die Herausforderungen, vor denen traditionelle Unterrichtsmodelle stehen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractStandardized pronunciation assessment is crucial for English learners, especially given the inefficiencies of traditional methods. To address these challenges, this study develops an AI-based speech recognition and automatic feedback system aimed at improving the accuracy of oral error correction. This system is composed of two parts, namely, the voice recognition sensor and the neural network. Using Dynamic Time Warping (DTW) and Hidden Markov Model (HMM) to analyse the time sequence of voice signals, it can precisely detect voice mistakes and offer real time error-correcting feedback. The author used a standard speech corpus and scoring mapping model to construct an efficient scoring mechanism, significantly improving the reliability and intelligence level of speech processing. The experimental results show that when using this system to recognize selected natural speech segments, the recognition rate is higher than 94%, and the average video rate reaches over 96.5%; The recognition time fluctuates between 0.6 and 1.5 s, with an average recognition time of approximately 1.2 s. This system has significant advantages in error detection accuracy, feedback rationality, and user experience optimization. This study not only provides intelligent solutions for English oral teaching, but also opens up new directions for the application of speech recognition and artificial intelligence technology in the field of education. By integrating AI-driven speech recognition technology with a real-time feedback mechanism, users can enhance their English-speaking proficiency, providing valuable insights for the broader application of artificial intelligence in language education.
- Titel
- Proceedings of the 2024 International Conference on Wireless Communications, Networking and Applications
- Herausgegeben von
-
Patrick Siarry
Simon King Sing Cheung
M. A. Jabbar
Xiaolong Li
- Copyright-Jahr
- 2026
- Verlag
- Springer Nature Singapore
- Electronic ISBN
- 978-981-9569-46-5
- Print ISBN
- 978-981-9569-45-8
- DOI
- https://doi.org/10.1007/978-981-95-6946-5
Die PDF-Dateien dieses Buches wurden gemäß dem PDF/UA-1-Standard erstellt, um die Barrierefreiheit zu verbessern. Dazu gehören Bildschirmlesegeräte, beschriebene nicht-textuelle Inhalte (Bilder, Grafiken), Lesezeichen für eine einfache Navigation, tastaturfreundliche Links und Formulare sowie durchsuchbarer und auswählbarer Text. Wir sind uns der Bedeutung von Barrierefreiheit bewusst und freuen uns über Anfragen zur Barrierefreiheit unserer Produkte. Bei Fragen oder Bedarf an Barrierefreiheit kontaktieren Sie uns bitte unter accessibilitysupport@springernature.com.