prikaz prve stranice dokumenta Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services
  Preuzmi
PDF 18.89 MB
disertacija
Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services
2023. urn:nbn:hr:179:601550
Dujić Rodić, Lea
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za elektroniku i računarstvo

Citirajte ovaj rad

Dujić Rodić, L. (2023). Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services (Disertacija). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:601550

Dujić Rodić, Lea. "Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services." Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2023. https://urn.nsk.hr/urn:nbn:hr:179:601550

Dujić Rodić, Lea. "Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services." Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2023. https://urn.nsk.hr/urn:nbn:hr:179:601550

Dujić Rodić, L. (2023). 'Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services', Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 18.11.2024., https://urn.nsk.hr/urn:nbn:hr:179:601550

Dujić Rodić L. Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services [Disertacija]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2023 [pristupljeno 18.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:601550

L. Dujić Rodić, "Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services", Disertacija, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:601550

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:601550
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovApplying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services
Naslov (engleski)Primjena strojnog učenja za unapređenje performansi usluga stoga Interneta stvari
AutorLea Dujić Rodić https://orcid.org/0000-0002-3664-1681
MentorAndrina Granić https://orcid.org/0000-0002-4266-3406 (mentor)
MentorPetar Šolić https://orcid.org/0000-0002-3468-133X (komentor)
Član povjerenstvaLjiljana Šerić https://orcid.org/0000-0002-6390-1899 (predsjednik povjerenstva)
Član povjerenstvaToni Perković https://orcid.org/0000-0001-8826-4905 (član povjerenstva)
Član povjerenstvaIvo Stančić https://orcid.org/0000-0001-9607-1791 (član povjerenstva)
Član povjerenstvaVedran Podobnik https://orcid.org/0000-0001-7070-9283 (član povjerenstva)
Član povjerenstvaDiego López-de-Ipiña González-de-Artaza https://orcid.org/0000-0001-8055-6823 (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za elektroniku i računarstvo )
Split
Datum i država obrane2023-09-25, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Obradba informacija
Univerzalna decimalna klasifikacija
(UDC)		62 - Inženjerstvo. Tehnika. Tehnologija
Sažetak
This research focuses on the exploration and enhancement within the threelayer IoT architecture - Perception, Network, and Application layers - through the implementation of Machine Learning algorithms. The research objective is to improve the delivery and performance of IoT services by harnessing data to gain hidden insights about the environment and devices in operation. For the Perception layer, Machine Learning models have been developed, using the Received Signal Strength Indicator from IoT devices to accurately interpret environmental conditions. The Network Layer sees the optimization of throughput of RFID Gen2 systems via leveraging Machine Learning models for frame size and tag count estimation. Finally, the Application Layer’s advancements are demonstrated in an innovative plush Smart Toy that integrates IoT sensing technology and ML algorithms for educational purposes. The research concludes with results presenting the improved efficiencies and the vast potential for Machine Learning in shaping the future evolution of IoT services.
Sažetak (engleski)
Ovo istraživanje se usmjerno je na proučavanje i unapređenje performansi usluga stoga Interneta stvari - usluge sloja Percepcije, Mreže i Aplikacija - primjenom algoritama strojnog učenja. Cilj istraživanja je unaprijediti isporuku i performanse IoT usluga putem analize podataka kako bi se stekli skriveni uvidi o okolini i aktivnim uređajima. Za sloj Percepcije, razvijeni su modeli strojnog učenja koji iz jačine primljenog signala s IoT uređaja detektiraju stanja i promjene u okolišu. Na Mrežnom sloju postiže se optimizacija propusnosti RFID Gen2 sustava putem implementiranjem modela strojnog učenja za procjenu veličine okvira i broja odzivnika. Postignuća na sloju Aplikacije demonstrirana su kroz inovativnu plišanu pametnu igračku koja integrira IoT senzorsku tehnologiju i algoritme strojnog učenja u edukatince svrhe. Istraživanje završava rezultatima koji predstavljaju unaprijeđenje učinkovitosti i ogroman potencijal strojnog učenja u oblikovanju budućeg razvoja IoT usluga.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:179:601550
Datum promocije2023
ProjektŠifra: UIP-2017-05-4206
Naziv: Internet stvari: istraživanja i primjene
Kratica: IoTRA
Voditelj: Petar Šolić
Pravna nadležnost: Hrvatska
Financijer: HRZZ
Linija financiranja: UIP
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: poslijediplomski doktorski
Akademski / stručni naziv: doktor/doktorica znanosti, područje tehničkih znanosti, polje elektrotehnika (dr. sc.)
Vrsta resursaTekst
Opseg347 str.
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-10-20 12:39:46