Flavius Opritoiu

Eine interessante Sache an meiner Doktorarbeit „Powering and Evaluating Deep Learning-based Systems using Green Energy“ ist, dass sie 3 Hauptbereiche kombiniert: Deep Learning, grüne Energie sowie Hardware- und Software-Testing. Wie Sie vorhin in meinem Blog gesehen haben, habe ich bereits über die Hard– und Software-Testmethoden geschrieben, die bei unserem modifiziertem zweiachsigen Solar-Tracker nach dem Cast-Shadow-Prinzip angewandt [...]

Ich habe hier über unsere Forschungsarbeit mit dem Titel „Fault Coverage-Aware Metrics for Evaluating the Reliability Factor of Solar Tracking Systems“ geschrieben, die im Energies Journal veröffentlicht wurde. Nach ein paar Monaten haben wir in der Forschungsarbeit mit dem Titel „Improving the Solar Reliability Factor of a Dual-Axis Solar Tracking System using Energy-Efficient Testing Solutions„, [...]

Heute habe ich das Vergnügen, Ihnen mein Forschungspapier mit dem Titel „Improving the Solar Reliability Factor of a Dual-Axis Solar Tracking System using Energy-Efficient Testing Solutions“ zu präsentieren. Heute wurde diesem Forschungsartikel im Energies Journal publiziert. Wenn Sie mehr darüber erfahren möchten, was der Solar Reliability Factor ist, lade ich Sie ein, unsere Forschungsarbeit mit [...]

Es ist mir soeben gelungen, unser Forschungsarbeit zu den fehlerabdeckungsbewussten Metriken für die Bewertung des Zuverlässigkeitsfaktors von solaren Nachführsystemen (Fault Coverage-Aware Metrics for Evaluating the Reliability Factor of Solar Tracking Systems) zu präsentieren. Die Forschungsarbeit wurde heute im Energies Journal veröffentlicht, das einen Impact Factor von 2.702 3.004 seit Juli 2021 hat und auch im Web [...]

Wir alle wissen, dass die gebräuchlichste oder besser gesagt „Standard“-Metrik für die Bewertung von Modellen für tiefes Lernen (insbesondere in Bezug auf die Klassifizierung) derzeit die Accuracy in Bezug auf die Inferenz oder die Time to Accuracy (TTA) in Bezug auf die Training ist. Dies zeigt sich auch in der populärsten Benchmark für maschinelles Lernen [...]

Ich habe hier schon einmal über den Bau eines zweiachsigen Solartrackers geschrieben, der auf dem Guss-Schatten-Prinzip basiert. Dann schrieb ich hier über das Testen auf Software-Ebene. Ich habe auch hier und hier darüber geschrieben, wie man es zur Versorgung eines lernbasierten Echtzeitsystems verwendet. Heute werde ich Ihnen eine Methode vorstellen, mit der wir unseren Solar-Tracker [...]

Ich habe hier vor einigen Monaten über unseren Erfolg beim Bau eines sensorlosen, erschwinglichen Flying-Probe-inspirierten In-Circuit-Testers für die Leiterplatten-Evaluierung mit Anwendung in der Testingenieurausbildung geschrieben. Wir werden morgen das Forschungspapier über dieses Testgerät auf der internationalen IEEE-Konferenz 2020 über Umwelt und Elektrotechnik in Madrid, Spanien, vorstellen unter „EDUCATION IN ELECTRICAL ENGINEERING“. Zusammenfassung: In diesem Beitrag [...]

Ich habe hier vor einigen Monaten über unsere Arbeit zum Thema „Real-Time Identification of Animals found in Domestic Areas of Europe / Echtzeit-Identifikation von Tieren, die in europäischen Haushalten gefunden wurden“ geschrieben und auch hier über den Erfolg bei der Energieversorgung dieses lernbasierten Echtzeitsystems mit Solarenergie. Nachfolgend stelle ich Ihnen unser Papier mit dem Titel [...]

Ich denke, ich spreche für alle, die versuchen, ein DL-Klassifikationsmodell zu trainieren und 80% ihrer Zeit mit dem Sammeln von Bildern, der Reinigung von Bildern, der Deduplizierung von Bildern, dem Sortieren von Bildern usw. und nur 20% der gesamten Projektzeit mit dem Training und der Feinabstimmung des Modells verbringen. Auch bei der Auswertung eines DL-Modells [...]

1 2