Andere Kunden interessierten sich auch für
![Sviluppo di un nuovo VSI di RDS con l'utilizzo di DG e suo funzionamento affidabile]( "Sviluppo di un nuovo VSI di RDS con l'utilizzo di DG e suo funzionamento affidabile")
Sviluppo di un nuovo VSI di RDS con l'utilizzo di DG e suo funzionamento affidabile51,99 €![Progettazione e sviluppo di un'appropriata scarpa da sandalo per pneumatici.]( "Progettazione e sviluppo di un'appropriata scarpa da sandalo per pneumatici.")
Progettazione e sviluppo di un'appropriata scarpa da sandalo per pneumatici.26,99 €![Progettazione e sviluppo di calzature per bambini: un approccio incentrato sull'utente]( "Progettazione e sviluppo di calzature per bambini: un approccio incentrato sull'utente")
Progettazione e sviluppo di calzature per bambini: un approccio incentrato sull'utente36,99 €![Progettazione e sviluppo di sari adattivi per donne anziane]( "Progettazione e sviluppo di sari adattivi per donne anziane")
Progettazione e sviluppo di sari adattivi per donne anziane26,99 €![PROGETTAZIONE DI UN SISTEMA DI COMMUTAZIONE INTELLIGENTE PER MICROGRID]( "PROGETTAZIONE DI UN SISTEMA DI COMMUTAZIONE INTELLIGENTE PER MICROGRID")
PROGETTAZIONE DI UN SISTEMA DI COMMUTAZIONE INTELLIGENTE PER MICROGRID26,99 €![Rilevamento di software dannoso mediante tecniche di apprendimento automatico]( "Rilevamento di software dannoso mediante tecniche di apprendimento automatico")
Rilevamento di software dannoso mediante tecniche di apprendimento automatico29,99 €![Tabella di marcia verso la mobilità intelligente: L'apprendimento automatico nei veicoli connessi]( "Tabella di marcia verso la mobilità intelligente: L'apprendimento automatico nei veicoli connessi")
Tabella di marcia verso la mobilità intelligente: L'apprendimento automatico nei veicoli connessi29,99 €
Il successo delle soluzioni Internet of Things ha permesso la nascita di nuove applicazioni, come l'agricoltura idroponica intelligente. Un problema tipico di queste applicazioni è il rapido degrado dei sensori installati. Tradizionalmente, questo problema viene risolto con una frequente manutenzione manuale, che è considerata inefficace e può danneggiare le colture nel lungo periodo. Lo scopo principale di questa tesi è stato quello di proporre un approccio di machine learning per automatizzare il rilevamento delle derive dei guasti dei sensori. Inoltre, è stata studiata l'operatività della soluzione in un ambiente di cloud computing in termini di tempo di risposta. Questa tesi propone un algoritmo di rilevamento che utilizza NN per prevedere le derive dei sensori da flussi di dati in serie temporale. L'algoritmo di rilevamento è stato poi denominato CNN e NB, progettato per prevedere le derive dei sensori utilizzando tecniche di previsione e classificazione. Gli algoritmi sono stati confrontati tra loro in termini di metriche di accuratezza rilevanti per la previsione e la classificazione. L'operatività della soluzione è stata studiata sviluppando un server web che ospitava l'algoritmo su un'istanza di Thing Speak computing.