Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

2 2023

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

IP-over-EON survivability against a router outage using spectrum management strategies

Ridwansyah, Syarif Syafruddin, Dewiani, Wardi

Przegląd Elektrotechniczny

2023

R. 99, nr 10

185--191

A single instance of a router outage in IP over elastic optical networks affects multiple traffic. This traffic can be recovered using the spare capacities of unaffected flows. When the spare capacities do not suffice for grooming affected traffic, spectrum expansion is possible as long as there is no interference from the neighboring spectrum. However, a new lightpath must be prepared if that is the case. Such a condition leads to increased operator’s operating expense (OPEX). To deal with this issue, we propose an algorithm that combines the spectrum expansion technique with reactive hitless defragmentation, where spectrum defragmentation is carried out to obtain a sufficient number of free frequency slots, allowing the processing of spectrum expansion. Based on the results of simulations, our proposed algorithm, in comparison to the benchmark algorithm, can successfully minimize the number of new lightpaths, which includes reducing the number of lightpath reconfigurations and minimizing additional power consumption to decrease the total cost of additional OPEX.

Pojedyncze wystąpienie awarii routera w protokole IP w elastycznych sieciach optycznych wpływa na ruch wielokierunkowy. Ruch ten można odzyskać, korzystając z wolnych mocy przepływów, na które nie ma on wpływu. Gdy wolne moce przepustowe nie wystarczą do oczyszczenia ruchu, na który ma to wpływ, rozszerzenie widma jest możliwe, o ile nie ma zakłóceń z sąsiedniego widma. Jednak w takim przypadku należy przygotować nową ścieżkę świetlną. Taki stan prowadzi do wzrostu kosztów operacyjnych operatora (OPEX). Aby poradzić sobie z tym problemem, proponujemy algorytm łączący technikę rozszerzania widma z reaktywną defragmentacją bez trafień, w której defragmentacja widma jest przeprowadzana w celu uzyskania wystarczającej liczby wolnych szczelin częstotliwości, umożliwiających przetwarzanie rozszerzenia widma. Na podstawie wyników symulacji zaproponowany przez nas algorytm, w porównaniu z algorytmem wzorcowym, może z powodzeniem zminimalizować liczbę nowych ścieżek świetlnych, co obejmuje zmniejszenie liczby rekonfiguracji ścieżek świetlnych i zminimalizowanie dodatkowego zużycia energii w celu zmniejszenia całkowitego kosztu dodatkowego OPEX.

Applied a non-invasive method to blood glucose monitoring by hand skin image based on gray level co-occurrence matrix (GLCM) and artificial neural networks (ANN)

Umar Usman, Syarif Syafruddin, Nurtanio Ingrid, Indrabayu

Przegląd Elektrotechniczny

2023

R. 99, nr 5

1--7

This study develops a non-invasive method to predict blood glucose through image processing. For investigation, several invasive images and glucose levels were taken. Types of samples based on age classification, 20-60 years. For accuracy and simple analysis, 37 images of participants as volunteers, samples were evaluated and investigated under the gray level co-occurrence matrix (GLCM). In this study, an artificial neural network (ANN) was used for all training and hand texture testing to detect glucose levels. The performance of this model is evaluated using Root Mean Square Error (RMSE) and correlation coefficient (r). Clarke Error Grid Analysis (EGA) variance was used in this investigation to determine the accuracy of the method. The results showed that the RMSE was close to the standard value, the regression coefficient was 0.95, and the Clarke EGA analysis: 81.08% was in the A .% zone. So that the blood glucose prediction model using the GLCM-ANN method is feasible to apply.

Niniejsze badanie rozwija nieinwazyjną metodę przewidywania stężenia glukozy we krwi poprzez przetwarzanie obrazu. W celu zbadania wykonano kilka inwazyjnych obrazów i poziomów glukozy. Rodzaje próbek na podstawie klasyfikacji wiekowej, 20-60 lat. Dla dokładności i prostej analizy, 37 obrazów uczestników jako ochotników, próbki zostały ocenione i zbadane w ramach macierzy współwystępowania poziomu szarości (GLCM). W tym badaniu sztuczna sieć neuronowa (ANN) została wykorzystana do wszystkich testów treningu i tekstury dłoni w celu wykrycia poziomu glukozy. Wydajność tego modelu ocenia się za pomocą błędu średniokwadratowego (RMSE) i współczynnika korelacji (r). W tym badaniu zastosowano analizę wariancji siatki błędów Clarke'a (EGA) w celu określenia dokładności metody. Wyniki pokazały, że RMSE była zbliżona do wartości standardowej, współczynnik regresji wyniósł 0,95, a analiza Clarke EGA: 81,08% znajdowała się w strefie A.%. Aby model przewidywania stężenia glukozy we krwi przy użyciu metody GLCM-ANN był możliwy do zastosowania.