Applying Machine Learning Techniques to Enhance the Performance of Internet of Things Stack Services

Dujić Rodić, Lea

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

Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 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

APA 6th Edition

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

MLA 8th Edition

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

Chicago 17th Edition

Harvard

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: 08.11.2024., https://urn.nsk.hr/urn:nbn:hr:179:601550

Vancouver

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 08.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:601550

IEEE

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

Naslov	Applying 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
Autor	Lea Dujić Rodić https://orcid.org/0000-0002-3664-1681
Mentor	Andrina Granić https://orcid.org/0000-0002-4266-3406 (mentor)
Mentor	Petar Šolić https://orcid.org/0000-0002-3468-133X (komentor)
Član povjerenstva	Ljiljana Šerić https://orcid.org/0000-0002-6390-1899 (predsjednik povjerenstva)
Član povjerenstva	Toni Perković https://orcid.org/0000-0001-8826-4905 (član povjerenstva)
Član povjerenstva	Ivo Stančić https://orcid.org/0000-0001-9607-1791 (član povjerenstva)
Član povjerenstva	Vedran Podobnik https://orcid.org/0000-0001-7070-9283 (član povjerenstva)
Član povjerenstva	Diego 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 obrane	2023-09-25, 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)
Jezik	engleski
URN:NBN	urn:nbn:hr:179:601550
Datum promocije	2023
Projekt	Šifra: UIP-2017-05-4206 Naziv: Internet stvari: istraživanja i primjene Kratica: IoTRA Voditelj: Petar Šolić Pravna nadležnost: Hrvatska Financijer: HRZZ Linija financiranja: UIP
Studijski program	Naziv: 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 resursa	Tekst
Opseg	347 str.
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Otvoreni pristup
Uvjeti korištenja
Repozitorij	Repozitorij Fakulteta elektrotehnike, strojarstva i brodogradnje
Datum i vrijeme pohrane	2023-10-20 12:39:46