kth.sePublikationer
Ändra sökning
Avgränsa sökresultatet
1234567 1 - 50 av 15861
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Träffar per sida
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
Markera
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 1.
    A. Mouris, Boules
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Teknisk informationsvetenskap.
    Ghauch, Hadi
    Department of COMELEC, Institut Mines-Telecom, Telecom-ParisTech, Paris, 91120, France.
    Thobaben, Ragnar
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Teknisk informationsvetenskap.
    Jonsson, B. Lars G.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elektroteknisk teori och konstruktion.
    Multi-tone Signal Optimization for Wireless Power Transfer in the Presence of Wireless Communication Links2020Ingår i: IEEE Transactions on Wireless Communications, ISSN 1536-1276, E-ISSN 1558-2248, Vol. 19, nr 5, s. 3575-3590Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    In this paper, we study optimization of multi-tone signals for wireless power transfer (WPT) systems. We investigate different non-linear energy harvesting models. Two of them are adopted to optimize the multi-tone signal according to the channel state information available at the transmitter. We show that a second-order polynomial curve-fitting model can be utilized to optimize the multi-tone signal for any RF energy harvester design. We consider both single-antenna and multi-antenna WPT systems. In-band co-existing communication links are also considered in this work by imposing a constraint on the received power at the nearby information receiver to prevent its RF front end from saturation. We emphasize the importance of imposing such constraint by explaining how inter-modulation products, due to saturation, can cause high interference at the information receiver in the case of multi-tone signals. The multi-tone optimization problem is formulated as a non-convex linearly constrained quadratic program. Two globally optimal solution approaches using mixed-integer linear programming and finite branch-and-bound techniques are proposed to solve the problem. The achieved improvement resulting from applying both solution methods to the multi-tone optimization problem is highlighted through simulations and comparisons with other solutions existing in the literature.

  • 2.
    A. Mouris, Boules
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Teknisk informationsvetenskap.
    Kolitsidas, Christos
    Ericsson, Systems and Technology-HW Research, Kista, 164 80, Sweden.
    Thobaben, Ragnar
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Teknisk informationsvetenskap.
    A Dual-Polarized Multi-Antenna Structure for Simultaneous Transmission of Wireless Information and Power2019Ingår i: 2019 IEEE International Symposium on Antennas and Propagation and USNC-URSI Radio Science Meeting, APSURSI 2019 - Proceedings, IEEE, 2019, s. 1805-1806, artikel-id 8889079Konferensbidrag (Refereegranskat)
    Abstract [en]

    In this paper, a dual-polarized multi-antenna structure is designed at 2.45 GHz with the goal of allowing simultaneous transmission of wireless information and power. Differential feeding was used to minimize the mutual coupling due to radiation leakage in addition to a mushroom-type EBG structure for suppressing the surface waves. Simulation results for the proposed structure show a mutual coupling level lower than -40 dB between the information transmitting antenna and the power transmitting antennas for both polarizations. The isolation level between the antennas is improved by at least 22 dB and 14 dB for the E-plane and H-plane coupling, respectively.

  • 3. AAl Abdulsalam, Abdulrahman
    et al.
    Velupillai, Sumithra
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Teoretisk datalogi, TCS. King's College, London.
    Meystre, Stephane
    UtahBMI at SemEval-2016 Task 12: Extracting Temporal Information from Clinical Text2016Ingår i: Proceedings of the 10th International Workshop on Semantic Evaluation (SemEval-2016), Association for Computational Linguistics , 2016, s. 1256-1262Konferensbidrag (Refereegranskat)
    Abstract [en]

    The 2016 Clinical TempEval continued the 2015 shared task on temporal information extraction with a new evaluation test set. Our team, UtahBMI, participated in all subtasks using machine learning approaches with ClearTK (LIBLINEAR), CRF++ and CRFsuite packages. Our experiments show that CRF-based classifiers yield, in general, higher recall for multi-word spans, while SVM-based classifiers are better at predicting correct attributes of TIMEX3. In addition, we show that an ensemble-based approach for TIMEX3 could yield improved results. Our team achieved competitive results in each subtask with an F1 75.4% for TIMEX3, F1 89.2% for EVENT, F1 84.4% for event relations with document time (DocTimeRel), and F1 51.1% for narrative container (CONTAINS) relations.

  • 4.
    Aarflot, Ludvig
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Implementation of High Current Measurement Technology for Automotive Applications in Programmable Logic2019Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Inmotion Technologies använder en speciell metod för att mäta fasströmmari sina högeffektsväxelriktare för elektrisk motordrift i fordon. Denna metodkräver en ansenlig mängd styrlogik vilken för närvarande är implementerad meddiskreta grindar i ett antal integrerade kretsar. I det här examensarbetet undersöksgångbarheten i att ersätta dessa med programmerbar logik i en enda kapsel.Teorin bakom mätmetoden liksom funktionaliteten hos den diskreta implementationenanalyseras och beskrivs. Krav på en programmerbar integreradkrets indentifierades och en lämplig typ valdes i enlighet med dessa. En prototyptogs fram och testades som en del av en existerande produkt.Fördelar i form av kostnad och storlek utvärderas liksom nödvändiga förändringarav det existerande systemet samt de potentiella förbättringar en förändringav det här slaget kan tänkas medföra. Då produkterna i fråga har högakrav på funktionssäkerhet diskuteras även vilken inverkan teknikbytet kan ha idetta avseende.

    Ladda ner fulltext (pdf)
    fulltext
  • 5.
    Aasberg, Freddy
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    HypervisorLang: Attack Simulations of the OpenStack Nova Compute Node2021Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Molntjänster växer i popularitet och de publika molntjänsterna förväntas öka med 17% år 2020[1]. Populariteten beror bland annat på en förbättrad resursanvändning hos leverantörer och enkelheten för kunden att införskaffa resurser. På grund av molntjänsternas ökande popularitet och deras ökade användning hos företag blir säkerhetsanalyser av tjänsterna mer kritisk. Att bedöma en molntjänsts säkerhet kan vara problematiskt på grund av dess komplexitet. Detta eftersom systemen oftast består av många olika tekniker. Ett sätt att förenkla säkerhetsanalysen är attacksimuleringar som täcker cyberattacker mot den undersökta tjänsten. Detta examensarbete kommer att använda Meta Attack Language (MAL) för att skapa ett domänspecifikt språk som modellerar virtualiseringslagret i en OpenStack Nova-installation. Resultatet av examensarbetet är HypervisorLang som använder attacksimuleringar för att modellera attacker mot tjänsten samt säkerhetslösningar för att undvika dem. Några av attackerna som täcks av modellen är ’denial-of-service’ (DOS), Out-of-bound-read, buffer overflow och är hämtade via kända sårbarheter. Utvecklingen av språket genomfördes med hjälp av litteraturstudier av komponenterna i Nova tillsammans med studier kring hotmodellering gällande de komponenter som ingår i modellen. Utvärderingen av HypervisorLang utfördes genom att implementera testfall för att bekräfta att de olika attackstegen som ingår i modellen fungerar som tänkt. Resultaten visar också att vissa begränsningar av utvärderingarna har hittats och föreslås för framtida forskning.

    Ladda ner fulltext (pdf)
    fulltext
  • 6.
    Aasberg Pipirs, Freddy
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Svensson, Patrik
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Tenancy Model Selection Guidelines2018Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Software as a Service (SaaS) är en delmängd av molntjänster där en tjänsteleverantör tillgodoser mjukvara som en tjänst åt kunder. SaaS-applikationen installeras på SaaS-leverantörens servrar, och åtkomsten till applikationen sker oftast via webbläsaren. I sammanhanget av SaaS kallas en kund för ten-ant, vilket oftast består av en organisation, eller i vissa fall enbart av en användare. En SaaS-applikation kan delas in i tenancy-modeller. En tenancymodell beskriver hur en tenant:s data är associerad till lagringsutrymmet på SaaS-leverantörens server.Efter att ha gjort en förstudie kunde författarna dra slutsatsen att det råder guidningsbrist för val av tenancy-modeller. Syftet med denna tes är att tillgodose vägledning för val av tenancy-modeller. Kortsiktsmålet är att skapa en guide för val av tenancy-modeller. Långsiktsmålet är att tillgodose forskare och studenter med forskningsmaterial. Denna tes tillgodoser en modell för guidning av val för tenancy-modeller. Namnet på denna guide är textitTenancy Model Selection Guidelines (TMSG).TMSG utvärderades genom intervjuer med två personer som jobbar inom mjukvaru-branschen. Kriterierna som användes vid utvärderingen av TMSG var följande: Trovärdighet hos den intervjuade personen, Syntaktisk korrekthet, Semantisk korrekthet, Användbarhet och Modellens flexibilitet. I båda intervjuerna ansåg de medverkande att TMSG behöver ytterligare finslipning, och de var båda positiva till det uppnådda resultatet.

    Ladda ner fulltext (pdf)
    fulltext
  • 7.
    Abad Garcia, Carlos
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Error Injection Study for a SpaceFibre In-Orbit Demonstrator2020Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Rymdsektorn börjar luta mot \the New-Space paradigm", i vilken traditionella och dyrarymd-kvalificerade komponenter och laster börjar bytas ut kommerciella-från-hyllan (eng. Commercial-o -the-Shelf - COTS) alternativ. Denna förändring i mentalitet ackompanjeras av utvecklingen av billiga CubeSats som sänker entre-kostnaden för vetenskaplig forskning i rymden. Även väletablerade och resursstarka rymdfarkost-tillverkare har anammat denna trend vilket låter dem bli mer konkurrenskraftiga på marknaden. För att följa trenden så utför Thales Alenia Space R&D utecklingsaktiviteter med COTS komponenter. Ett exempel är SpaceFibre In-Orbit Demonstrator, a digitalt kort integrerat i en CubeSat payload som ämnar testa två s.k. Intellectual Property (IP) konstruktioner som implementerar den nya ECSS standarde for hog-hastighets kommunikation ombord. Denna avhandling presenterar de nödvandiga stegen for att integrera firmware för demonstratorns programmerbara FPGA-krets (eng. Field-Programmable Gate Array - FPGA) som fungerar som kortets huvudsakliga beräknings- och styrenheten. Aktiviteten är centrerad kring utvecklingen av ett Leon3 System-on-Chip i VHDL för att hantera och managera komponenterna på kortet och testa SpaceFibre-teknologin. Vidare adresserar den också huvudproblemet med att använda COTS-komponenter i rymdmiljö: deras kanslighet för strålning, vilket i en FPGA kan resultera i s.k. Single-Event-Upsets, vilket orsakar fel i implementeringen och ett potentiellt misslyckande av uppdraget om de inte adresseras. För att åstadkomma detta, utarbetas och appliceras en SEU-emuleringsmetodik baserad på partiell rekonfigurering för att testa tillförlitligheten hos SpaceFibre-tekniken. Slutligen visar resultaten att den genomsnittliga tiden mellan fel (eng. Mean-Time BetweenFailure - MTBF) for SpaceFibre IP blocken i en COTS FPGA är 170 dagar för låg omloppsbana och 2278 dagar for Geostationär omloppsbana om scrubbing-tekniker implementeras. Skräddarsydda mitigations-tekniker, baserade på den insamlade informationen av tillämpningen av den föreslagna metoden, föreslås för att förbättra siffrorna.

    Ladda ner fulltext (pdf)
    fulltext
  • 8.
    Abbas, Khizra
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elkraftteknik.
    Nee, Hans-Peter
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elkraftteknik.
    Autonomous Gate Drivers Tailored for Triangular Current Mode-Based Zero-Voltage Switching Two-Level Three-Phase Inverters for Electric Vehicle Drive Systems2024Ingår i: Energies, E-ISSN 1996-1073, Vol. 17, nr 5, artikel-id 1060Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    The demand for highly efficient and dynamic electric vehicles (EVs) has increased dramatically. The traction inverter, a pivotal component in an EV powertrain, plays a crucial role. This study is dedicated to designing a traction inverter with focus on achieving high efficiency and elevated power density and mitigating electromagnetic interference (EMI) issues. To realize these objectives, autonomous gate drivers (AGDs) are proposed and designed using LTspice simulation software. The aim is to achieve zero voltage switching (ZVS) at both turn-on and turn-off through the utilization of triangular current mode (TCM) control on the gate driver. The AGDs implement a current modulation scheme by sensing the current and voltage and generating gate-source voltage signals with minimal delays. The implemented current modulation scheme by the AGDs results in an efficiency exceeding 99% for a 10 kW power rating. The sinusoidal output waveforms not only contribute to extending the motor lifespan by mitigating sharp-edge voltages but also bring advantages such as reduced switch stress, decreased EMI, and simplified thermal management.

  • 9.
    Abbas, Khizra
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elkraftteknik.
    Nee, Hans-Peter
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elkraftteknik.
    Kostov, Konstantin
    RISE Research Institutes of Sweden, Department Smart Hardware, Stockholm, Sweden.
    Comprehensive Insight into the Operational Dynamics of TCM-Based Zero-Voltage Switching (ZVS) Two-Level Three-Phase Inverters for Electric Vehicle (EV) Motor-Drive Applications2024Ingår i: 2024 IEEE Texas Power and Energy Conference, TPEC 2024, Institute of Electrical and Electronics Engineers (IEEE) , 2024Konferensbidrag (Refereegranskat)
    Abstract [en]

    This paper introduces a novel triangular-current mode (TCM), zero-voltage switching (ZVS) two-level three-phase inverter, specifically designed to enhance the performance of the electric vehicle (EV) drive system. The primary objective is to enhance the inverter efficiency by minimizing turn-on and turn-off switching losses while mitigating electromagnetic interference (EMI) by generating sinusoidal output waveforms. The distinctive feature of this inverter lies in its gate driver, which executes the current modulation scheme. Achieving ZVS during turn-on involves the gate driver sensing the switch voltage and turning it on at zero voltage, utilizing TCM. For turn-off ZVS, the gate driver monitors the switch current, turning it off when it exceeds a predefined reference value. With a carefully placed snubber capacitor, turn-off ZVS is achieved. The implemented current modulation scheme yields an efficiency exceeding 99% for a 10 kW power rating. The sinusoidal output waveforms not only enhance motor lifespan by safeguarding against sharp-edge voltages but also offer benefits like reduced switch stress and simplified thermal management.

  • 10.
    Abbas, Zainab
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Scalable Streaming Graph and Time Series Analysis Using Partitioning and Machine Learning2021Doktorsavhandling, monografi (Övrigt vetenskapligt)
    Abstract [en]

    Recent years have witnessed a massive increase in the amount of data generated by the Internet of Things (IoT) and social media. Processing huge amounts of this data poses non-trivial challenges in terms of the hardware and performance requirements of modern-day applications. The data we are dealing with today is of massive scale, high intensity and comes in various forms. MapReduce was a popular and clever choice of handling big data using a distributed programming model, which made the processing of huge volumes of data possible using clusters of commodity machines. However, MapReduce was not a good fit for performing complex tasks, such as graph processing, iterative programs and machine learning. Modern data processing frameworks, that are being popularly used to process complex data and perform complex analysis tasks, overcome the shortcomings of MapReduce. Some of these popular frameworks include Apache Spark for batch and stream processing, Apache Flink for stream processing and Tensor Flow for machine learning.

    In this thesis, we deal with complex analytics on data modeled as time series, graphs and streams. Time series are commonly used to represent temporal data generated by IoT sensors. Analysing and forecasting time series, i.e. extracting useful characteristics and statistics of data and predicting data, is useful for many fields that include, neuro-physiology, economics, environmental studies, transportation, etc. Another useful data representation we work with, are graphs. Graphs are complex data structures used to represent relational data in the form of vertices and edges. Graphs are present in various application domains, such as recommendation systems, road traffic analytics, web analysis, social media analysis. Due to the increasing size of graph data, a single machine is often not sufficient to process the complete graph. Therefore, the computation, as well as the data, must be distributed. Graph partitioning, the process of dividing graphs into subgraphs, is an essential step in distributed graph processing of large scale graphs because it enables parallel and distributed processing.

    The majority of data generated from IoT and social media originates as a continuous stream, such as series of events from a social media network, time series generated from sensors, financial transactions, etc. The stream processing paradigm refers to the processing of data streaming that is continuous and possibly unbounded. Combining both graphs and streams leads to an interesting and rather challenging domain of streaming graph analytics. Graph streams refer to data that is modelled as a stream of edges or vertices with adjacency lists representing relations between entities of continuously evolving data generated by a single or multiple data sources. Streaming graph analytics is an emerging research field with great potential due to its capabilities of processing large graph streams with limited amounts of memory and low latency. 

    In this dissertation, we present graph partitioning techniques for scalable streaming graph and time series analysis. First, we present and evaluate the use of data partitioning to enable data parallelism in order to address the challenge of scale in large spatial time series forecasting. We propose a graph partitioning technique for large scale spatial time series forecasting of road traffic as a use-case. Our experimental results on traffic density prediction for real-world sensor dataset using Long Short-Term Memory Neural Networks show that the partitioning-based models take 12x lower training time when run in parallel compared to the unpartitioned model of the entire road infrastructure. Furthermore, the partitioning-based models have 2x lower prediction error (RMSE) compared to the entire road model. Second, we showcase the practical usefulness of streaming graph analytics for large spatial time series analysis with the real-world task of traffic jam detection and reduction. We propose to apply streaming graph analytics by performing useful analytics on traffic data stream at scale with high throughput and low latency. Third, we study, evaluate, and compare the existing state-of-the-art streaming graph partitioning algorithms. We propose a uniform analysis framework built using Apache Flink to evaluate and compare partitioning features and characteristics of streaming graph partitioning methods. Finally, we present GCNSplit, a novel ML-driven streaming graph partitioning solution, that uses a small and constant in-memory state (bounded state) to partition (possibly unbounded) graph streams. Our results demonstrate that \ours provides high-throughput partitioning and can leverage data parallelism to sustain input rates of 100K edges/s. GCNSplit exhibits a partitioning quality, in terms of graph cuts and load balance, that matches that of the state-of-the-art HDRF (High Degree Replicated First) algorithm while storing three orders of magnitude smaller partitioning state.

    Ladda ner fulltext (pdf)
    fulltext
  • 11.
    Abbas, Zainab
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Al-Shishtawy, Ahmad
    RISE SICS, Stockholm, Sweden.
    Girdzijauskas, Sarunas
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS. RISE SICS, Stockholm, Sweden..
    Vlassov, Vladimir
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Short-Term Traffic Prediction Using Long Short-Term Memory Neural Networks2018Konferensbidrag (Refereegranskat)
    Abstract [en]

    Short-term traffic prediction allows Intelligent Transport Systems to proactively respond to events before they happen. With the rapid increase in the amount, quality, and detail of traffic data, new techniques are required that can exploit the information in the data in order to provide better results while being able to scale and cope with increasing amounts of data and growing cities. We propose and compare three models for short-term road traffic density prediction based on Long Short-Term Memory (LSTM) neural networks. We have trained the models using real traffic data collected by Motorway Control System in Stockholm that monitors highways and collects flow and speed data per lane every minute from radar sensors. In order to deal with the challenge of scale and to improve prediction accuracy, we propose to partition the road network into road stretches and junctions, and to model each of the partitions with one or more LSTM neural networks. Our evaluation results show that partitioning of roads improves the prediction accuracy by reducing the root mean square error by the factor of 5. We show that we can reduce the complexity of LSTM network by limiting the number of input sensors, on average to 35% of the original number, without compromising the prediction accuracy.

  • 12.
    Abbas, Zainab
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Ivarsson, Jón Reginbald
    KTH.
    Al-Shishtawy, A.
    Vlassov, Vladimir
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Scaling Deep Learning Models for Large Spatial Time-Series Forecasting:
    2019Ingår i: Proceedings - 2019 IEEE International Conference on Big Data, Big Data 2019:
    , Institute of Electrical and Electronics Engineers Inc. , 2019, s. 1587-1594
    Konferensbidrag (Refereegranskat)
    Abstract [en]

    Neural networks are used for different machine learning tasks, such as spatial time-series forecasting. Accurate modelling of a large and complex system requires large datasets to train a deep neural network that causes a challenge of scale as training the network and serving the model are computationally and memory intensive. One example of a complex system that produces a large number of spatial time-series is a large road sensor infrastructure deployed for traffic monitoring. The goal of this work is twofold: 1) To model large amount of spatial time-series from road sensors; 2) To address the scalability problem in a real-life task of large-scale road traffic prediction which is an important part of an Intelligent Transportation System.We propose a partitioning technique to tackle the scalability problem that enables parallelism in both training and prediction: 1) We represent the sensor system as a directed weighted graph based on the road structure, which reflects dependencies between sensor readings, and weighted by sensor readings and inter-sensor distances; 2) We propose an algorithm to automatically partition the graph taking into account dependencies between spatial time-series from sensors; 3) We use the generated sensor graph partitions to train a prediction model per partition. Our experimental results on traffic density prediction using Long Short-Term Memory (LSTM) Neural Networks show that the partitioning-based models take 2x, if run sequentially, and 12x, if run in parallel, less training time, and 20x less prediction time compared to the unpartitioned model of the entire road infrastructure. The partitioning-based models take 100x less total sequential training time compared to single sensor models, i.e., one model per sensor. Furthermore, the partitioning-based models have 2x less prediction error (RMSE) compared to both the single sensor models and the entire road model. 

  • 13.
    Abbas, Zainab
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Kalavri, Vasiliki
    Systems Group, ETH, Zurich, Switzerland.
    Carbone, Paris
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Vlassov, Vladimir
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Streaming Graph Partitioning: An Experimental Study2018Ingår i: Proceedings of the VLDB Endowment, E-ISSN 2150-8097, Vol. 11, nr 11, s. 1590-1603Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Graph partitioning is an essential yet challenging task for massive graph analysis in distributed computing. Common graph partitioning methods scan the complete graph to obtain structural characteristics offline, before partitioning. However, the emerging need for low-latency, continuous graph analysis led to the development of online partitioning methods. Online methods ingest edges or vertices as a stream, making partitioning decisions on the fly based on partial knowledge of the graph. Prior studies have compared offline graph partitioning techniques across different systems. Yet, little effort has been put into investigating the characteristics of online graph partitioning strategies.

    In this work, we describe and categorize online graph partitioning techniques based on their assumptions, objectives and costs. Furthermore, we employ an experimental comparison across different applications and datasets, using a unified distributed runtime based on Apache Flink. Our experimental results showcase that model-dependent online partitioning techniques such as low-cut algorithms offer better performance for communication-intensive applications such as bulk synchronous iterative algorithms, albeit higher partitioning costs. Otherwise, model-agnostic techniques trade off data locality for lower partitioning costs and balanced workloads which is beneficial when executing data-parallel single-pass graph algorithms.

  • 14.
    Abbas, Zainab
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Sigurdsson, Thorsteinn Thorri
    KTH.
    Al-Shishtawy, Ahmad
    RISE Res Inst Sweden, Stockholm, Sweden..
    Vlassov, Vladimir
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Evaluation of the Use of Streaming Graph Processing Algorithms for Road Congestion Detection2018Ingår i: 2018 IEEE INT CONF ON PARALLEL & DISTRIBUTED PROCESSING WITH APPLICATIONS, UBIQUITOUS COMPUTING & COMMUNICATIONS, BIG DATA & CLOUD COMPUTING, SOCIAL COMPUTING & NETWORKING, SUSTAINABLE COMPUTING & COMMUNICATIONS / [ed] Chen, JJ Yang, LT, IEEE COMPUTER SOC , 2018, s. 1017-1025Konferensbidrag (Refereegranskat)
    Abstract [en]

    Real-time road congestion detection allows improving traffic safety and route planning. In this work, we propose to use streaming graph processing algorithms for road congestion detection and evaluate their accuracy and performance. We represent road infrastructure sensors in the form of a directed weighted graph and adapt the Connected Components algorithm and some existing graph processing algorithms, originally used for community detection in social network graphs, for the task of road congestion detection. In our approach, we detect Connected Components or communities of sensors with similarly weighted edges that reflect different states in the traffic, e.g., free flow or congested state, in regions covered by detected sensor groups. We have adapted and implemented the Connected Components and community detection algorithms for detecting groups in the weighted sensor graphs in batch and streaming manner. We evaluate our approach by building and processing the road infrastructure sensor graph for Stockholm's highways using real-world data from the Motorway Control System operated by the Swedish traffic authority. Our results indicate that the Connected Components and DenGraph community detection algorithms can detect congestion with accuracy up to approximate to 94% for Connected Components and up to approximate to 88% for DenGraph. The Louvain Modularity algorithm for community detection fails to detect congestion regions for sparsely connected graphs, representing roads that we have considered in this study. The Hierarchical Clustering algorithm using speed and density readings is able to detect congestion without details, such as shockwaves.

  • 15.
    Abbas, Zainab
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Sottovia, Paolo
    Huawei Munich Research Centre, Munich, Germany.
    Hassan, Mohamad Al Hajj
    Huawei Munich Research Centre, Munich, Germany.
    Foroni, Daniele
    Huawei Munich Research Centre, Munich, Germany.
    Bortoli, Stefano
    Huawei Munich Research Centre, Munich, Germany.
    Real-time Traffic Jam Detection and Congestion Reduction Using Streaming Graph Analytics2020Ingår i: 2020 IEEE International Conference on Big Data (Big Data), Institute of Electrical and Electronics Engineers (IEEE) , 2020, s. 3109-3118Konferensbidrag (Refereegranskat)
    Abstract [en]

    Traffic congestion is a problem in day to day life, especially in big cities. Various traffic control infrastructure systems have been deployed to monitor and improve the flow of traffic across cities. Real-time congestion detection can serve for many useful purposes that include sending warnings to drivers approaching the congested area and daily route planning. Most of the existing congestion detection solutions combine historical data with continuous sensor readings and rely on data collected from multiple sensors deployed on the road, measuring the speed of vehicles. While in our work we present a framework that works in a pure streaming setting where historic data is not available before processing. The traffic data streams, possibly unbounded, arrive in real-time. Moreover, the data used in our case is collected only from sensors placed on the intersections of the road. Therefore, we investigate in creating a real-time congestion detection and reduction solution, that works on traffic streams without any prior knowledge. The goal of our work is 1) to detect traffic jams in real-time, and 2) to reduce the congestion in the traffic jam areas.In this work, we present a real-time traffic jam detection and congestion reduction framework: 1) We propose a directed weighted graph representation of the traffic infrastructure network for capturing dependencies between sensor data to measure traffic congestion; 2) We present online traffic jam detection and congestion reduction techniques built on a modern stream processing system, i.e., Apache Flink; 3) We develop dynamic traffic light policies for controlling traffic in congested areas to reduce the travel time of vehicles. Our experimental results indicate that we are able to detect traffic jams in real-time and deploy new traffic light policies which result in 27% less travel time at the best and 8% less travel time on average compared to the travel time with default traffic light policies. Our scalability results show that our system is able to handle high-intensity streaming data with high throughput and low latency.

  • 16.
    Abdallah Hussein Mohammed, Ahmed
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Analyzing common structures in Enterprise Architecture modeling notations2022Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Under de senaste decennierna har området för företagsarkitektur lockat forskare och många modelleringsramverk för företagsarkitektur har föreslagits.Men för att stödja de olika behoven erbjuder de olika ramverken många olikaelementtyper som kan användas för att skapa en företagsarkitektur. Dettaöverflöd av element kan göra det svårt för slutanvändaren att skilja mellananvändningen av alla de olika elementen för att specificera vilka element debehöver. Därför analyserar denna forskning existerande modelleringsramverkför företagsarkitektur och extraherar de gemensamma egenskaperna som finnsi de olika modelleringsnotationer för företagsarkitektur. I den här studiengenomförde vi en systematisk litteraturgenomgång som syftar till att hittade mest använda modelleringsramverk för företagsarkitektur i litteraturenav företagsarkitektur. Dessutom används de element som definieras i dessaramverk för att skapa en taxonomi baserad på likheterna mellan de olikaramverk för företagsarkitektur. Våra resultat visade att TOGAF, ArchiMate,DoDAF och IAF är de mest använda modelleringsramarna i de studier viundersökte. Sedan lyckades vi identifiera de gemensamma elementen som ärtillgängliga i de olika ramverk för företagsarkitektur som nämns ovan ochrepresentera de gemensamma elementen i en flernivåmodell. Resultaten avdenna studie kan göra det lättare för slutanvändaren att välja de lämpligaelementen för sina användningsfall, eftersom den belyser kärnelementen imodellering av bedriftsarkitektur. Dessutom visade vi hur vår modell kanutökas för att stödja behoven hos olika domäner. Dessutom tjänar dennaavhandling som en grund för utvecklingen av ett modelleringsramverk förföretagsarkitektur som kan anpassas och utökas så att endast de relevantaelementen presenteras för slutanvändaren. 

    Ladda ner fulltext (pdf)
    fulltext
  • 17.
    Abdalmoaty, Mohamed
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik. KTH Royal Institute of Technology.
    Identification of Stochastic Nonlinear Dynamical Models Using Estimating Functions2019Doktorsavhandling, monografi (Övrigt vetenskapligt)
    Abstract [sv]

    Det är välkänt att datadriven modellering av icke-linjära stokastiska system är ett utmanande problem, även i fallen där det kan reduceras till ren parameterskattning. Den huvudsakliga svårigheten är att likelihoodfunktionen inte är analytiskt hanterbar, vilket medför problem vid tillämpning av standardmetoder såsom maximum likelihood. Under det senaste decenniet har numeriska algoritmer baserade på sekventiell Monte Carlo (partikelfilter) rönt stort intresse. Dessa algoritmer har imponerande prestanda på en rad benchmarkproblem; dock så är deras praktiska tillämpning än så länge begränsad till specialfall där fundamentala begränsningar kan undvikas.

    Den här avhandlingen introducerar nya metoder som kan användas för parameterestimering i en stor klass av icke-linjära stokastiska system. Metoderna baseras på enstegsprediktorer som är linjära i systemets observerade utsignal. Våra nya metoder kräver inte att likelihoodfunktionen beräknas; istället använder de, i en rad relevanta fall, analytiskt hanterbara uttryck som gör dem högst attraktiva. I fallen där prediktorerna är analytiskt ohanterbara (på grund av modellens komplexitet) kan man använda vanliga Monte Carlo-approximationer. Vi visar att klassiska resultat från asymptotisk teori kan användas under rimliga antaganden, och via dessa, att våra föreslagna skattare är konsistenta samt asymptotiskt normalfördelade. Skattarnas prestanda utvärderas i numeriska simulationer, samt nyligen föreslagna benchmarkproblem baserade på verklig data, med bra resultat.

    Vidare diskuterar vi de föreslagna metodernas asymptotiska egenskaper: deras nogrannhet beror inte enbart på hur modellen har parametriserats, utan även på datans sannolikhetsdistribution (via dess tredje och fjärde ordningens moment). Speciellt visar vi att när modellen inte uppfyller antaganden om normalfördelning, så är en prediktionsfelsmetod baserad på ett normalfördelningsantagande inte nödvändigtvis bättre än en prediktionsfelsmetod baserad på en viktad parameteroberonde kvadratisk norm. Vår slutsats är att det därför inte är uppenbart vilken prediktionsfelsmetod som bör användas. Detta resultat står i kontrast mot den vedertagna uppfattningen som finns i delar av litteraturen.

    Avhandlingen introducerar även den så kallade skattningsfunktionsmetoden (främst utvecklad inom statistiklitteraturen) som en generalisering av maximum likelihood- och prediktionsfelsmetoderna. Vi visar hur denna metod kan användas för att systematiskt konstruera optimala skattare, inom en specifierad modellklass, från enbart partiella specifikationer på den underliggande probabilistiska modellen. Detta ger skattare som asymptotiskt är likformigt mer noggrannare än linjära prediktionsfelsmetoder baserade på kvadratiska optimeringsobjektiv. Vi härleder konvergensresultat, såsom konsistens, för dessa skattare under standardantaganden.

    Slutligen behandlar vi identifieringsproblemet för återkopplade system som är stokastiska och icke-linjära. Vi behandlar ett par varianter på antaganden om mät- samt processbrus, och på kunskap om hur systemets återkoppling sker. Ett speciellt utmanande fall är när återkopplingsmekanismen är helt okänd. Metoderna vi föreslår kan ses som generaliseringar av klassiska metoder för identifiering av återkopplade system med linjärt tidsvarierande parametrar. Vi utför en asymptotisk analys av metoderna, och demonstrerar deras prestanda i numeriska experiment.

    Ladda ner fulltext (pdf)
    fulltext
    Ladda ner fulltext (pdf)
    Errata
  • 18.
    Abdalmoaty, Mohamed R.
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Hjalmarsson, Håkan
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Application of a Linear PEM Estimator to a Stochastic Wiener-Hammerstein Benchmark Problem⁎2018Ingår i: IFAC-PapersOnLine, E-ISSN 2405-8963, Vol. 51, nr 15, s. 784-789Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    The estimation problem of stochastic Wiener-Hammerstein models is recognized to be challenging, mainly due to the analytical intractability of the likelihood function. In this contribution, we apply a computationally attractive prediction error method estimator to a real-data stochastic Wiener-Hammerstein benchmark problem. The estimator is defined using a deterministic predictor that is nonlinear in the input. The prediction error method results in tractable expressions, and Monte Carlo approximations are not necessary. This allows us to tackle several issues considered challenging from the perspective of the current mainstream approach. Under mild conditions, the estimator can be shown to be consistent and asymptotically normal. The results of the method applied to the benchmark data are presented and discussed.

  • 19.
    Abdalmoaty, Mohamed R.
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Rojas, Cristian R.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Hjalmarsson, Håkan
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Identification of a Class of Nonlinear Dynamical Networks⁎2018Ingår i: IFAC-PapersOnLine, E-ISSN 2405-8963, Vol. 51, nr 15, s. 868-873Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Identification of dynamic networks has attracted considerable interest recently. So far the main focus has been on linear time-invariant networks. Meanwhile, most real-life systems exhibit nonlinear behaviors; consider, for example, two stochastic linear time-invariant systems connected in series, each of which has a nonlinearity at its output. The estimation problem in this case is recognized to be challenging, due to the analytical intractability of both the likelihood function and the optimal one-step ahead predictors of the measured nodes. In this contribution, we introduce a relatively simple prediction error method that may be used for the estimation of nonlinear dynamical networks. The estimator is defined using a deterministic predictor that is nonlinear in the known signals. The estimation problem can be defined using closed-form analytical expressions in several non-trivial cases, and Monte Carlo approximations are not necessarily required. We show, that this is the case for some block-oriented networks with no feedback loops and where all the nonlinear modules are polynomials. Consequently, the proposed method can be applied in situations considered challenging by current approaches. The performance of the estimation method is illustrated on a numerical simulation example.

  • 20.
    Abdalmoaty, Mohamed
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Eriksson, Oscar
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Bereza-Jarocinski, Robert
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Broman, David
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Programvaruteknik och datorsystem, SCS.
    Hjalmarsson, Håkan
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Identification of Non-Linear Differential-Algebraic Equation Models with Process Disturbances2021Ingår i: Proceedings The 60th IEEE conference on Decision and Control (CDC), Institute of Electrical and Electronics Engineers (IEEE) , 2021Konferensbidrag (Refereegranskat)
    Abstract [en]

    Differential-algebraic equations (DAEs) arise naturally as a result of equation-based object-oriented modeling. In many cases, these models contain unknown parameters that have to be estimated using experimental data. However, often the system is subject to unknown disturbances which, if not taken into account in the estimation, can severely affect the model's accuracy. For non-linear state-space models, particle filter methods have been developed to tackle this issue. Unfortunately, applying such methods to non-linear DAEs requires a transformation into a state-space form, which is particularly difficult to obtain for models with process disturbances. In this paper, we propose a simulation-based prediction error method that can be used for non-linear DAEs where disturbances are modeled as continuous-time stochastic processes. To the authors' best knowledge, there are no general methods successfully dealing with parameter estimation for this type of model. One of the challenges in particle filtering  methods are random variations in the minimized cost function due to the nature of the algorithm. In our approach, a similar phenomenon occurs and we explicitly consider how to sample the underlying continuous process to mitigate this problem. The method is illustrated numerically on a pendulum example. The results suggest that the method is able to deliver consistent estimates.

    Ladda ner fulltext (pdf)
    fulltext
  • 21.
    Abdalmoaty, Mohamed
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Hjalmarsson, Håkan
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Consistent Estimators of Stochastic MIMO Wiener Models based on Suboptimal Predictors2018Konferensbidrag (Refereegranskat)
    Ladda ner fulltext (pdf)
    fulltext
  • 22.
    Abdalmoaty, Mohamed
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Hjalmarsson, Håkan
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Identification of Stochastic Nonlinear Models Using Optimal Estimating Functions2020Ingår i: Automatica, ISSN 0005-1098, E-ISSN 1873-2836, Vol. 119, artikel-id 109055Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    The first part of the paper examines the asymptotic properties of linear prediction error method estimators, which were recently suggested for the identification of nonlinear stochastic dynamical models. It is shown that their accuracy depends not only on the shape of the unknown distribution of the data, but also on how the model is parameterized. Therefore, it is not obvious in general which linear prediction error method should be preferred. In the second part, the estimating functions approach is introduced and used to construct estimators that are asymptotically optimal with respect to a specific class of estimators. These estimators rely on a partial probabilistic parametric models, and therefore neither require the computations of the likelihood function nor any marginalization integrals. The convergence and consistency of the proposed estimators are established under standard regularity and identifiability assumptions akin to those of prediction error methods. The paper is concluded by several numerical simulation examples.

    Ladda ner fulltext (pdf)
    fulltext
  • 23.
    Abdalmoaty, Mohamed
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Hjalmarsson, Håkan
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Linear Prediction Error Methods for Stochastic Nonlinear Models2019Ingår i: Automatica, ISSN 0005-1098, E-ISSN 1873-2836, Vol. 105, s. 49-63Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    The estimation problem for stochastic parametric nonlinear dynamical models is recognized to be challenging. The main difficulty is the intractability of the likelihood function and the optimal one-step ahead predictor. In this paper, we present relatively simple prediction error methods based on non-stationary predictors that are linear in the outputs. They can be seen as extensions of the linear identification methods for the case where the hypothesized model is stochastic and nonlinear. The resulting estimators are defined by analytically tractable objective functions in several common cases. It is shown that, under certain identifiability and standard regularity conditions, the estimators are consistent and asymptotically normal. We discuss the relationship between the suggested estimators and those based on second-order equivalent models as well as the maximum likelihood method. The paper is concluded with a numerical simulation example as well as a real-data benchmark problem.

    Ladda ner fulltext (pdf)
    fulltext
    Ladda ner fulltext (pdf)
    fulltext
  • 24.
    Abdalmoaty, Mohamed
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Hjalmarsson, Håkan
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Wahlberg, Bo
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    The Gaussian MLE versus the Optimally weighted LSE2020Ingår i: IEEE signal processing magazine (Print), ISSN 1053-5888, E-ISSN 1558-0792, Vol. 37, nr 6, s. 195-199Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    In this note, we derive and compare the asymptotic covariance matrices of two parametric estimators: the Gaussian Maximum Likelihood Estimator (MLE), and the optimally weighted Least-Squares Estimator (LSE). We assume a general model parameterization where the model's mean and variance are jointly parameterized, and consider Gaussian and non-Gaussian data distributions.

    Ladda ner fulltext (pdf)
    fulltext
  • 25.
    Abdelgalil, Mohammed Saqr
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Människocentrerad teknologi, Medieteknik och interaktionsdesign, MID.
    Lopez-Pernas, Sonsoles
    Idiographic Learning Analytics:A single student (N=1) approach using psychological networks2021Konferensbidrag (Refereegranskat)
    Abstract [en]

    Recent findings in the field of learning analytics have brought to our attention that conclusions drawn from cross-sectional group-level data may not capture the dynamic processes that unfold within each individual learner. In this light, idiographic methods have started to gain grounds in many fields as a possible solution to examine students’ behavior at the individual level by using several data points from each learner to create person-specific insights. In this study, we introduce such novel methods to the learning analytics field by exploring the possible potentials that one can gain from zooming in on the fine-grained dynamics of a single student. Specifically, we make use of Gaussian Graphical Models —an emerging trend in network science— to analyze a single student's dispositions and devise insights specific to him/her. The results of our study revealed that the student under examination may be in need to learn better self-regulation techniques regarding reflection and planning.

  • 26.
    Abdelgalil, Mohammed Saqr
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Människocentrerad teknologi, Medieteknik och interaktionsdesign, MID. Univ Eastern Finland, Sch Comp, Joensuu Campus,Yliopistokatu 2,POB 111, FI-80100 Joensuu, Finland..
    Lopez-Pernas, Sonsoles
    Univ Politecn Madrid, ETSI Telecomunicac, Dept Ingn Sistemas Telemat, Avda Complutense 30, Madrid 28040, Spain..
    The longitudinal trajectories of online engagement over a full program2021Ingår i: Computers and education, ISSN 0360-1315, E-ISSN 1873-782X, Vol. 175, artikel-id 104325Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Student engagement has a trajectory (a timeline) that unfolds over time and can be shaped by different factors including learners' motivation, school conditions, and the nature of learning tasks. Such factors may result in either a stable, declining or fluctuating engagement trajectory. While research on online engagement is abundant, most authors have examined student engagement in a single course or two. Little research has been devoted to studying online longitudinal engagement, i.e., the evolution of student engagement over a full educational program. This learning analytics study examines the engagement states (sequences, successions, stability, and transitions) of 106 students in 1396 course enrollments over a full program. All data of students enrolled in the academic year 2014-2015, and their subsequent data in 2015-2016, 2016-2017, and 2017-2018 (15 courses) were collected. The engagement states were clustered using Hidden Markov Models (HMM) to uncover the hidden engagement trajectories which resulted in a mostly-engaged (33% of students), an intermediate (39.6%), and a troubled (27.4%) trajectory. The mostly-engaged trajectory was stable with infrequent changes, scored the highest, and was less likely to drop out. The troubled trajectory showed early disengagement, frequent dropouts and scored the lowest grades. The results of our study show how to identify early program disengagement (activities within the third decile) and when students may drop out (first year and early second year).

  • 27.
    Abdelgalil, Mohammed Saqr
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Människocentrerad teknologi, Medieteknik och interaktionsdesign, MID.
    Lopez-Pernas, Sonsoles
    Univ Politecn Madrid, ETSI Telecomunicac, Dept Ingn Sistemas Telemat, Madrid, Spain..
    Toward self big data2021Ingår i: International Journal of Health Sciences (IJHS), ISSN 1658-3639, Vol. 15, nr 5, s. 1-2Artikel i tidskrift (Refereegranskat)
  • 28.
    Abdelgalil, Mohammed Saqr
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Människocentrerad teknologi, Medieteknik och interaktionsdesign, MID. University of Eastern Finland, Joensuu, Finland.
    López-Pernas, S.
    Idiographic learning analytics: A single student (N=1) approach using psychological networks2021Ingår i: CEUR Workshop Proceedings, CEUR-WS , 2021, s. 16-22Konferensbidrag (Refereegranskat)
    Abstract [en]

    Recent findings in the field of learning analytics have brought to our attention that conclusions drawn from cross-sectional group-level data may not capture the dynamic processes that unfold within each individual learner. In this light, idiographic methods have started to gain grounds in many fields as a possible solution to examine students' behavior at the individual level by using several data points from each learner to create person-specific insights. In this study, we introduce such novel methods to the learning analytics field by exploring the possible potentials that one can gain from zooming in on the fine-grained dynamics of a single student. Specifically, we make use of Gaussian Graphical Models -an emerging trend in network science- to analyze a single student's dispositions and devise insights specific to him/her. The results of our study revealed that the student under examination may be in need to learn better self-regulation techniques regarding reflection and planning. 

  • 29. Abdelhakim, A.
    et al.
    Blaabjerg, F.
    Nee, Hans-Peter
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elkraftteknik.
    Single-Stage Boost Modular Multilevel Converter (BMMC) for Energy Storage Interface2020Ingår i: 2020 22nd European Conference on Power Electronics and Applications, EPE 2020 ECCE Europe, Institute of Electrical and Electronics Engineers (IEEE) , 2020, artikel-id 9215788Konferensbidrag (Refereegranskat)
    Abstract [en]

    Single-stage DC-AC power converters are gaining higher attention due to their simpler structure compared to the two-stage equivalent solution. In this paper, a single-stage DC-AC converter solution is proposed for interfacing a low voltage (LV) DC source with a higher voltage AC load or grid, where this converter has a modular structure with multilevel operation. The proposed converter, which is called boost modular multilevel converter (BMMC), comprises the boosting capability within the inversion operation, and it is mainly dedicated for interfacing LV energy storage systems, such as fuel cells and batteries, and it allows the use of LV MOSFETs (« 300 V), in order to utilize their low ON-state resistance, along with LV electrolytic capacitors. This converter is introduced and analysed in this paper, where simulation results using PLECS, considering a 10 kW three-phase BMMC, are presented in order to verify its functionality.

  • 30.
    AbdElKhalek, Y. M.
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Awad, M. I.
    Abd El Munim, H. E.
    Maged, S. A.
    Trajectory-based fast ball detection and tracking for an autonomous industrial robot system2021Ingår i: International Journal of Intelligent Systems Technologies and Applications, ISSN 1740-8865, E-ISSN 1740-8873, Vol. 20, nr 2, s. 126-145Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Autonomising industrial robots is the main goal in this paper; imagine humanoid robots that have several degrees of freedom (DOF) mechanisms as their arms. What if the humanoid's arms could be programmed to be responsive to their surrounding environment, without any hard-coding assigned? This paper presents the idea of an autonomous system, where the system observes the surrounding environment and takes action on its observation. The application here is that of rebuffing an object that is thrown towards a robotic arm's workspace. This application mimics the idea of high dynamic responsiveness of a robot's arm. This paper will present a trajectory generation framework for rebuffing incoming flying objects. The framework bases its assumptions on inputs acquired through image processing and object detection. After extensive testing, it can be said that the proposed framework managed to fulfil the real-time system requirements for this application, with an 80% successful rebuffing rate. 

  • 31.
    Abdelmassih, Christian
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Container Orchestration in Security Demanding Environments at the Swedish Police Authority2018Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Populariteten av containers och container-orkestrering inom molntjänster motiveras av många aspekter, från tekniska och organisatoriska till ekonomiska vinster. I detta klimat är även säkerhetskrävande organisationer intresserade av sådana teknologier men söker försäkran att deras kravbild går att möta. Syftet med denna avhandling var att utreda hur separation mellan applikationer kan nås vid användning av Docker och Kubernetes så att Polismyndighetens krav kan uppfyllas.

    Undersökningen omfattade en litterär studie av vetenskapliga publikationer och officiell dokumentation samt en teknisk studie med iterativt skapande av Kubernetes kluster med diverse variationer. En modell definierades för att representera kravbilden för ideal separation. Vidare så introducerades även ett system för klassificering av separationskrav hos applikationer.

    Resultatet omfattar tre förslag på arkitekturer för att uppnå segmentering av klusternätverk i Kubernetes, två föreslagna systemkomponenter för att uppfylla segmenteringen, och en strategi för att erbjuda värd-baserad separation mellan containers. Varje förslag evaluerades med hänsyn till lämplighet och risker för myndigheten och parter med liknande kravbild. Avhandlingens slutsats är att en mångsidig applikationsisolering kan uppnås i Docker och Kubernetes. Därmed kan teknologierna uppnå en lämplig grad av separation för att kunna användas för säkerhetskrävande miljöer.

    Ladda ner fulltext (pdf)
    fulltext
  • 32.
    Abdelmotteleb, Ibtihal
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Designing Electricity Distribution Network Charges for an Efficient Integration of Distributed Energy Resources and Customer Response2018Doktorsavhandling, monografi (Övrigt vetenskapligt)
    Abstract [en]

    A significant transformation has been gradually taking place within the energy sector, mainly as a result of energy policies targeting environmental objectives. Consequently, the penetration of Distributed Energy Resources (DERs) has been escalating, including self-generation, demand side management, storage, and electrical vehicles. Although the integration of DERs may create technical challenges in the operation of distribution networks, it may also provide opportunities to more efficiently manage the network and defer network reinforcements. These opportunities and challenges impose the necessity of redesigning distribution network charges to incentivize efficient customer response.

    This PhD thesis focuses on the design of distribution network charges that send correct economic signals and trigger optimal responses within the context of active customers. First, a cost-reflective network charge is proposed that consists of a forward-looking locational component based on the network’s utilization level, which transmits the long-term incremental cost of network upgrades. Then, a residual cost component that recovers the remaining part of the regulated network revenues is proposed. The objective of the proposed network charge is to increase the system’s efficiency by incentivizing efficient short- and long-term customers’ reaction while ensuring network cost recovery. The Thesis presents an optimization model that simulates customers’ response to the proposed network charge in comparison to other traditional network charge designs. The model considers the operational and DER investment decisions that customers take rationally to minimize their total costs.

    Secondly, an evaluation methodology based on the Analytical Hierarchy Process technique is proposed in order to assess and compare different designs of network charges with respect to four attributes: network cost recovery, deferral of network costs, efficient customer response and recognition of side-effects on customers.

    Finally, a framework for Local Flexibility Mechanisms (LFM) is presented, complementing the proposed cost-reflective network charge. It aims to provide distribution-level coordination to mitigate unintended customer responses to network charges, by allowing customers to reveal their preferences and offer their flexibility services. It consists of a short-term LFM that utilizes customers’ flexibility in day-to-day network operation, and a long-term LFM that procures customers’ long-term flexibility to replace partially or fully network investments in network planning.

    Ladda ner fulltext (pdf)
    Designing electricity distribution network charges for an efficient integration of distributed energy resources and customer response
  • 33.
    Abdelnour, Jerome
    et al.
    NECOTIS Dept. of Electrical and Computer Engineering, Sherbrooke University, Canada.
    Rouat, Jean
    NECOTIS Dept. of Electrical and Computer Engineering, Sherbrooke University, Canada.
    Salvi, Giampiero
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Tal, musik och hörsel, TMH. Department of Electronic Systems, Norwegian University of Science and Technology, Norway.
    NAAQA: A Neural Architecture for Acoustic Question Answering2022Ingår i: IEEE Transactions on Pattern Analysis and Machine Intelligence, ISSN 0162-8828, E-ISSN 1939-3539, s. 1-12Artikel i tidskrift (Refereegranskat)
    Ladda ner fulltext (pdf)
    fulltext
  • 34.
    Abdihakim, Ali
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Characterizing Feature Influence and Predicting Video Popularity on YouTube2021Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    YouTube är en online-plattform där användare kan distribuera och konsumera video och andra typer av innehåll. Den snabba tekniska utvecklingen tillsammans med spridningen av mobila plattformar har lett till fenomenet virala videor där videor får hundratusentals, om inte miljontals, visningar på kort tid. I arbetet undersöktes orsaken till virala videor på YouTube. Det gjordes genom att bygga två modeller för att förutspå videopopularitet och därefter analysera viktiga egenskaper som orsakar denna. Resultaten visade att Knn- modellen ger bättre resultat än logistisk regression. Arbetet visade bland annat att YouTube-kanalen och titeln var de viktigaste egenskaperna som driver popularitet, följt av antal kommentarer på en video, videons ålder och videons kategori. Vidare forskning är dock nödvändig inom detta område. Mycket forskning har gjorts för att förutsäga populariteten hos videor, men mindre fokus har lagts på att analysera deras viktiga egenskaper och utvärdera deras inverkan på populariteten.

    Ladda ner fulltext (pdf)
    fulltext
  • 35.
    Abdinur Iusuf, Joakim
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Nordling, Edvin
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Easing the transition from block-based programming in education: Comparing two ways of transitioning from block-based to text-based programming and an alternative way to solve the transition problem2023Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Många elever tycker att övergången från blockbaserad programmering till textbaserad programmering är svår. Följaktligen har forskning undersökt hur blockbaserade språk stödjer elever när de gör övergången till textbaserad programmering. En studie fann att blockbaserade språk stöder denna övergång med hjälp av one-way transition miljöer, dual-modality miljöer och hybrid miljöer. Denna forskning undersöker hur one-way transition miljöer jämför sig med dual-modality miljöer när det kommer till att lära sig ett textbaserat språk, och hur de två modaliteterna skiljer sig åt med avseende på motivationsfaktorerna tillfredsställelse, njutning och lätthet. Resultaten visar att dual-modality miljöer kan vara ett bättre alternativ än one-way transition miljöer när eleverna gör övergången från blockbaserad till textbaserad programmering. Resultaten visar också att det kan vara lättare att lösa ett problem i dual-modality miljöer än att lösa dem i one-way transition miljöer, vilket potentiellt kan innebära att eleverna upplever mer motivation när de gör övergången i en dual-modality miljö. Denna studie undersökte också om det finns ett alternativ till one-way transition miljöer, dual-modality miljöer och hybrid miljöer när elever ska övergå från blockbaserad till textbaserad programmering, och hur en inlärningsaktivitet i denna alternativa lösning skulle kunna se ut. Den fann att Blockly Games är ett alternativ och beskriver en inlärningsaktivitet byggd i Blockly Games. Framtida forskning borde försöka få en djupare förståelse för skillnaderna mellan one-way transition miljöer, dual-modality miljöer och hybrid miljöer, och undersöka om det tillvägagångssätt som Blockly Games använder är ett bättre alternativ.

    Ladda ner fulltext (pdf)
    fulltext
  • 36.
    Abdirahman Adami, Adnan
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Actors Cooperation Analysis: A Techo-economic Study on Smart City Paradigm2019Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Moderna städer måste komma över komplexa utmaningar för att åstadkomma social ekonomisk utveckling och förbättra livskvalitén då stadsbefolkningen ständigt ökar. Konceptet smarta städe r är svaret på dessa utmaningar.

    Således, teknologier som sägs vara nyckelfaktorer i denna utveckling sägs vara IoT och 5G. För att distribuera dessa tekniker, kan bli dyrt och påverkar många aktörer. Därav, brist i samarbete och koordinering av planering, finansiering, distribuering och kontrollen utav sta dens operativa nätverk gör det ännu svårare att komma över dessa utmaningar. Ytligare, avfallshanterings företag och parkeringsbolag i staden har dyra driftkostnader och ineffektiv service på grund av bristande användning av IoT-baserade lösningar. Denna rapport identifiera och analyserar smarta städers ekosystem, värdet av nätverket, aktörer och dess roller samt affärsmodeller för att illustrera affärsrelationer och erbjuda affärsmöjligheter i utveckling av smarta och hållbara städer genom samarbete mellan berörda aktörer. Studien fokuserar på mobila nätverks operatörer, parkingsbolag, avfallshanteringsbolag och använder smart parkering och smart avfallshantering som användningsområden. Resultatet visar olika affärs samarbetsmöjligheter som kan leda till lönsamma affärsrelationer och möjligheter.

    Ladda ner fulltext (pdf)
    fulltext
  • 37.
    Abdollahi, Meisam
    et al.
    Iran Univ Sci & Technol, Tehran, Iran..
    Baharloo, Mohammad
    Inst Res Fundamental Sci IPM, Tehran, Iran..
    Shokouhinia, Fateme
    Amirkabir Univ Technol, Tehran, Iran..
    Ebrahimi, Masoumeh
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elektronik och inbyggda system, Elektronik och inbyggda system.
    RAP-NoC: Reliability Assessment of Photonic Network-on-Chips, A simulator2021Ingår i: Proceedings of the 8th ACM international conference on nanoscale computing and communication (ACM NANOCOM 2021), Association for Computing Machinery (ACM) , 2021Konferensbidrag (Refereegranskat)
    Abstract [en]

    Nowadays, optical network-on-chip is accepted as a promising alternative solution for traditional electrical interconnects due to lower transmission delay and power consumption as well as considerable high data bandwidth. However, silicon photonics struggles with some particular challenges that threaten the reliability of the data transmission process.The most important challenges can be considered as temperature fluctuation, process variation, aging, crosstalk noise, and insertion loss. Although several attempts have been made to investigate the effect of these issues on the reliability of optical network-on-chip, none of them modeled the reliability of photonic network-on-chip in a system-level approach based on basic element failure rate. In this paper, an analytical model-based simulator, called Reliability Assessment of Photonic Network-on-Chips (RAP-NoC), is proposed to evaluate the reliability of different 2D optical network-on-chip architectures and data traffic. The experimental results show that, in general, Mesh topology is more reliable than Torus considering the same size. Increasing the reliability of Microring Resonator (MR) has a more significant impact on the reliability of an optical router rather than a network.

  • 38.
    Abdul Khader, Shahbaz
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Data-Driven Methods for Contact-Rich Manipulation: Control Stability and Data-Efficiency2021Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
    Abstract [sv]

    Autonoma robotar förväntas utgöra en allt större närvaro på människors arbetsplatser och i deras hem. Till skillnad från sina industriella motparter, behöver dessa autonoma robotar hantera en stor mängd osäkerhet och brist på struktur i sina omgivningar. En väsentlig del av att utföra manipulation i dylika scenarier, är förekomsten av fysisk interaktion med direkt kontakt mellan roboten och dess omgivning. Därför måste robotar, inte olikt människor, kunna hantera både förväntade och oväntade kontakter med omgivningen, som ofta karaktäriseras av komplex interaktionsdynamik.

    Skill learning, eller inlärning av färdigheter, står ut som ett lovande alternativ för att låta robotar tillgodogöra sig en rik förmoga att generera rörelser. I Skill Learning används datadrivna metoder för att lära in en reaktiv policy, en reglerfunktion som kopplar tillstånd till styrsignaler. Detta tillvägagångssätt är tilltalande eftersom en tillräckligt uttrycksfull policy kan generera lämpliga styrsignaler nästan instantant, utan att behöva genomföra beräkningsmässigt kostsamma sökoperationer. Även om Reinforcement Learning (RL), förstärkningsinlärning, är ett naturligt ramverk för skill learning, har dess praktiska tillämpningar varit begräsade av ett antal anledningar. Det kan med fog påstås att de två främsta anledningarna är brist på garanterad stabilitet, och dålig dataeffektivitet. Stabilitet i reglerloopen är nödvändigt för att kunna garanterar säkerhet och förutsägbarhet, och dataeffektivitet behövs för att uppnå realistiska inlärningstider. I denna avhandling söker vi efter lösningar till dessa problem i kontexten av manipulation med rik förekomst av kontakter.

    Denna avhandling behandlar först problemet med stabilitet. Trots at dynamiken för interaktionen är okänd vid förekomsten av kontakter, formuleras skill learning med stabilitetsgarantier som ett modelfritt RL-problem. Avhandlingen presenterar flera lösningar för att parametrisera stabilitetsmedvetna policys. Detta följs sedan av lösningar för att söka efter policys som är stabila under slumpmässig sökning, om detta behövs. Några parametriseringar bestå helt eller delvis av djupa neurala nätverk. I ett fall introduceras också en sökmetod baserad på evolution strategies. Vi visar, genom experiment på faktiska robotar, att lyaponovstabilitet är både möjligt och fördelaktigt vid RL-baserad skill learning.

    Vidare tar avhandlingen upp dataeffektivitet. Även om dataeffektiviteten angrips genom att formulera skill learning som ett modellbaserat RL-problem, så behandlar vi endast delen med modellinlärning. Utöver att dra nytta av dataeffektiviteten och osäkerhetsrepresentationen i gaussiska processer, så undersöker avhandlingen även fördelarna med att använda strukturen hos hybrida automata för att lära in modeller för framåtdynamiken. Metoden innehåller även en algoritm för att förutsäga fördelningarna av trajektorier över en längre tidsrymd, för att representera diskontinuiteter och multipla moder. Vi visar att den föreslagna metodiken är mer dataeffektiv än ett antal existerande metoder.

    Ladda ner fulltext (pdf)
    fulltext
  • 39.
    Abdul Khader, Shahbaz
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL. ABB Future Labs, CH-5405 Baden, Switzerland..
    Yin, Hang
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Falco, Pietro
    ABB Corp Res, S-72178 Västerås, Sweden..
    Kragic, Danica
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Data-Efficient Model Learning and Prediction for Contact-Rich Manipulation Tasks2020Ingår i: IEEE Robotics and Automation Letters, E-ISSN 2377-3766, Vol. 5, nr 3, s. 4321-4328Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    In this letter, we investigate learning forward dynamics models and multi-step prediction of state variables (long-term prediction) for contact-rich manipulation. The problems are formulated in the context of model-based reinforcement learning (MBRL). We focus on two aspects-discontinuous dynamics and data-efficiency-both of which are important in the identified scope and pose significant challenges to State-of-the-Art methods. We contribute to closing this gap by proposing a method that explicitly adopts a specific hybrid structure for the model while leveraging the uncertainty representation and data-efficiency of Gaussian process. Our experiments on an illustrative moving block task and a 7-DOF robot demonstrate a clear advantage when compared to popular baselines in low data regimes.

  • 40.
    Abdul Khader, Shahbaz
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Yin, Hang
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Falco, Pietro
    ABB Corporate Research, Vasteras, 72178, Sweden.
    Kragic, Danica
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL. ABB Corporate Research, Vasteras, 72178, Sweden.
    Learning deep energy shaping policies for stability-guaranteed manipulation2021Ingår i: IEEE Robotics and Automation Letters, E-ISSN 2377-3766, Vol. 6, nr 4, s. 8583-8590Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Deep reinforcement learning (DRL) has been successfully used to solve various robotic manipulation tasks. However, most of the existing works do not address the issue of control stability. This is in sharp contrast to the control theory community where the well-established norm is to prove stability whenever a control law is synthesized. What makes traditional stability analysis difficult for DRL are the uninterpretable nature of the neural network policies and unknown system dynamics. In this work, stability is obtained by deriving an interpretable deep policy structure based on the energy shaping control of Lagrangian systems. Then, stability during physical interaction with an unknown environment is established based on passivity. The result is a stability guaranteeing DRL in a model-free framework that is general enough for contact-rich manipulation tasks. With an experiment on a peg-in-hole task, we demonstrate, to the best of our knowledge, the first DRL with stability guarantee on a real robotic manipulator.

  • 41.
    Abdul Khader, Shahbaz
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Yin, Hang
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Falco, Pietro
    Kragic, Danica
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL. KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, Centrum för autonoma system, CAS.
    Learning Deep Neural Policies with Stability GuaranteesManuskript (preprint) (Övrigt vetenskapligt)
    Abstract [en]

    Deep reinforcement learning (DRL) has been successfully used to solve various robotic manipulation tasks. However, most of the existing works do not address the issue of control stability. This is in sharp contrast to the control theory community where the well-established norm is to prove stability whenever a control law is synthesized. What makes traditional stability analysis difficult for DRL are the uninterpretable nature of the neural network policies and unknown system dynamics. In this work, unconditional stability is obtained by deriving an interpretable deep policy structure based on the energy shaping control of Lagrangian systems. Then, stability during physical interaction with an unknown environment is established based on passivity. The result is a stability guaranteeing DRL in a model-free framework that is general enough for contact-rich manipulation tasks. With an experiment on a peg-in-hole task, we demonstrate, to the best of our knowledge, the first DRL with stability guarantee on a real robotic manipulator.

    Ladda ner fulltext (pdf)
    fulltext
  • 42.
    Abdul Khader, Shahbaz
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL. ABB Corp Res, Västerås, Sweden..
    Yin, Hang
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Falco, Pietro
    ABB Corp Res, Västerås, Sweden..
    Kragic, Danica
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Learning Stable Normalizing-Flow Control for Robotic Manipulation2021Ingår i: 2021 IEEE International Conference On Robotics And Automation (ICRA 2021), Institute of Electrical and Electronics Engineers (IEEE) , 2021, s. 1644-1650Konferensbidrag (Refereegranskat)
    Abstract [en]

    Reinforcement Learning (RL) of robotic manipulation skills, despite its impressive successes, stands to benefit from incorporating domain knowledge from control theory. One of the most important properties that is of interest is control stability. Ideally, one would like to achieve stability guarantees while staying within the framework of state-of-the-art deep RL algorithms. Such a solution does not exist in general, especially one that scales to complex manipulation tasks. We contribute towards closing this gap by introducing normalizing-flow control structure, that can be deployed in any latest deep RL algorithms. While stable exploration is not guaranteed, our method is designed to ultimately produce deterministic controllers with provable stability. In addition to demonstrating our method on challenging contact-rich manipulation tasks, we also show that it is possible to achieve considerable exploration efficiency-reduced state space coverage and actuation efforts- without losing learning efficiency.

  • 43.
    Abdul Khader, Shahbaz
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Yin, Hang
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
    Pietro, Falco
    Kragic, Danica
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL. KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, Centrum för autonoma system, CAS.
    Learning Stable Normalizing-Flow Control for Robotic ManipulationManuskript (preprint) (Övrigt vetenskapligt)
    Abstract [en]

    Reinforcement Learning (RL) of robotic manipu-lation skills, despite its impressive successes, stands to benefitfrom incorporating domain knowledge from control theory. Oneof the most important properties that is of interest is controlstability. Ideally, one would like to achieve stability guaranteeswhile staying within the framework of state-of-the-art deepRL algorithms. Such a solution does not exist in general,especially one that scales to complex manipulation tasks. Wecontribute towards closing this gap by introducing normalizing-flow control structure, that can be deployed in any latest deepRL algorithms. While stable exploration is not guaranteed,our method is designed to ultimately produce deterministiccontrollers with provable stability. In addition to demonstratingour method on challenging contact-rich manipulation tasks, wealso show that it is possible to achieve considerable explorationefficiency–reduced state space coverage and actuation efforts–without losing learning efficiency.

    Ladda ner fulltext (pdf)
    fulltext
  • 44. Abe, Kenshi
    et al.
    Ariu, Kaito
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik.
    Sakamoto, Mitsuki
    Iwasaki, Atsushi
    A Slingshot Approach to Learning in Monotone GamesManuskript (preprint) (Övrigt vetenskapligt)
    Abstract [en]

    In this paper, we address the problem of computing equilibria in monotone games.The traditional Follow the Regularized Leader algorithms fail to converge to anequilibrium even in two-player zero-sum games. Although optimistic versions ofthese algorithms have been proposed with last-iterate convergence guarantees, theyrequire noiseless gradient feedback. To overcome this limitation, we present a novelframework that achieves last-iterate convergence even in the presence of noise. Ourkey idea involves perturbing or regularizing the payoffs or utilities of the games.This perturbation serves to pull the current strategy to an anchored strategy, whichwe refer to as a slingshot strategy. First, we establish the convergence rates of ourframework to a stationary point near an equilibrium, regardless of the presenceor absence of noise. Next, we introduce an approach to periodically update theslingshot strategy with the current strategy. We interpret this approach as a proximalpoint method and demonstrate its last-iterate convergence. Our framework iscomprehensive, incorporating existing payoff-regularized algorithms and enablingthe development of new algorithms with last-iterate convergence properties. Finally,we show that our algorithms, based on this framework, empirically exhibit fasterconvergence.

  • 45.
    Abe, Kenshi
    et al.
    CyberAgent, Inc..
    Ariu, Kaito
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Reglerteknik. CyberAgent, Inc..
    Sakamoto, Mitsuki
    Toyoshima, Kentaro
    University of Electro-Communications.
    Iwasaki, Atsushi
    Last-Iterate Convergence with Full and Noisy Feedback in Two-Player Zero-Sum Games2023Ingår i: Proceedings of The 26th International Conference on Artificial Intelligence and Statistics, MLResearchPress , 2023, Vol. 206, s. 7999-8028Konferensbidrag (Refereegranskat)
    Abstract [en]

    This paper proposes Mutation-Driven Multiplicative Weights Update (M2WU) for learning an equilibrium in two-player zero-sum normal-form games and proves that it exhibits the last-iterate convergence property in both full and noisy feedback settings. In the former, players observe their exact gradient vectors of the utility functions. In the latter, they only observe the noisy gradient vectors. Even the celebrated Multiplicative Weights Update (MWU) and Optimistic MWU (OMWU) algorithms may not converge to a Nash equilibrium with noisy feedback. On the contrary, M2WU exhibits the last-iterate convergence to a stationary point near a Nash equilibrium in both feedback settings. We then prove that it converges to an exact Nash equilibrium by iteratively adapting the mutation term. We empirically confirm that M2WU outperforms MWU and OMWU in exploitability and convergence rates.

  • 46.
    Abedi, Amin
    et al.
    UNIGE, Inst Environm Sci, Geneva, Switzerland.;UNIGE, Comp Sci Dept, Geneva, Switzerland..
    Hesamzadeh, Mohammad Reza
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elkraftteknik.
    Romerio, Franco
    UNIGE, Inst Environm Sci, Geneva, Switzerland.;UNIGE, Geneva Sch Econ & Management, Geneva, Switzerland..
    Adaptive robust vulnerability analysis of power systems under uncertainty: A multilevel OPF-based optimization approach2022Ingår i: International Journal of Electrical Power & Energy Systems, ISSN 0142-0615, E-ISSN 1879-3517, Vol. 134, artikel-id 107432Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    With the growing level of uncertainties in today's power systems, the vulnerability analysis of a power system with uncertain parameters becomes a must. This paper proposes a two-stage adaptive robust optimization (ARO) model for the vulnerability analysis of power systems. The main goal is to immunize the solutions against all possible realizations of the modeled uncertainty. In doing so, the uncertainties are defined by some predetermined intervals defined around the expected values of uncertain parameters. In our model, there are a set of first-stage decisions made before the uncertainty is revealed (attacker decision) and a set of second-stage decisions made after the realization of uncertainties (defender decision). This setup is formulated as a mixedinteger trilevel nonlinear program (MITNLP). Then, we recast the proposed trilevel program to a single-level mixed-integer linear program (MILP), applying the strong duality theorem (SDT) and appropriate linearization approaches. The efficient off-the-shelf solvers can guarantee the global optimum of our final MILP model. We also prove a lemma which makes our model much easier to solve. The results carried out on the IEEE RTS and modified Iran's power system show the performance of our model to assess the power system vulnerability under uncertainty.

  • 47.
    Abedi, Amin
    et al.
    Institute for Environmental Sciences, University of Geneva, Switzerland.
    Hesamzadeh, Mohammad Reza
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elkraftteknik.
    Romerio, Franco
    Institute for Environmental Sciences, University of Geneva, Switzerland.
    An ACOPF-based bilevel optimization approach for vulnerability assessment of a power system2021Ingår i: International Journal of Electrical Power & Energy Systems, ISSN 0142-0615, E-ISSN 1879-3517, Vol. 125, artikel-id 106455Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    This paper examines the effects of reactive power dispatch, losses, and voltage profile on the results of the interdiction model to analyze the vulnerability of the power system. First, an attacker-defender Stackelberg game is introduced. The introduced game is modeled as a bilevel optimization problem where the attacker is modeled in the upper level and the defender is modeled in the lower level. The AC optimal power flow (ACOPF) is proposed as the defender's tool in the lower-level problem to mitigate the attack consequences. Our proposed ACOPF-based mathematical framework is inherently a mixed-integer bilevel nonlinear program (MIBNLP) that is NP-hard and computationally challenging. This paper linearizes and then transforms it into a one-level mixed-integer linear program (MILP) using the duality theory and some proposed linearization techniques. The proposed MILP model can be solved to the global optimum using state-of-the-art solvers such as Cplex. Numerical results on two IEEE systems and Iran's 400-kV transmission network demonstrate the performance of the proposed MILP for vulnerability assessment. We have also compared our MILP model with the DCOPF-based approach proposed in the relevant literature. The comparative results show that the reported damage measured in terms of load shedding for the DCOPF-based approach is always lower than or equal to that for the ACOPF-based approach and these models report a different set of critical lines, especially in more stressed and larger power systems. Also, the effectiveness and feasibility of the proposed MILP model for power-system vulnerability analysis are discussed and highlighted. 

  • 48. Abedifar, V.
    et al.
    Furdek, Marija
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Kommunikationssystem, CoS, Optical Network Laboratory (ON Lab).
    Muhammad, Ajmal
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Kommunikationssystem, CoS, Optical Network Laboratory (ON Lab).
    Eshghi, M.
    Wosinska, Lena
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Kommunikationssystem, CoS, Optical Network Laboratory (ON Lab).
    Routing, modulation format, spectrum and core allocation in SDM networks based on programmable filterless nodes2018Ingår i: Optics InfoBase Conference Papers, Optics Info Base, Optical Society of America, 2018Konferensbidrag (Refereegranskat)
    Abstract [en]

    An RMSCA approach based on binary particle swarm optimization is proposed for programmable filterless SDM networks, aimed at minimizing core and spectrum usage. Nearoptimal resource consumption.

  • 49. Abedifar, Vahid
    et al.
    Furdek, Marija
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Muhammad, Ajmal
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Eshghi, Mohammad
    Wosinska, Lena
    KTH, Skolan för elektroteknik och datavetenskap (EECS).
    Routing, Modulation and Spectrum Assignment in Programmable Networks based on Optical White Boxes2018Ingår i: Journal of Optical Communications and Networking, ISSN 1943-0620, E-ISSN 1943-0639, Vol. 10, nr 9, s. 723-735Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Elastic optical networks (EONs) can help overcome the flexibility challenges imposed by emerging heterogeneous and bandwidth-intensive applications. Among the different solutions for flexible optical nodes, optical white box switches implemented by architecture on demand (AoD) have the capability to dynamically adapt their architecture and module configuration to the switching and processing requirements of the network traffic. Such adaptability allows for unprecedented flexibility in balancing the number of required nodal components in the network, spectral resource usage, and length of the established paths. To investigate these trade-offs and achieve cost-efficient network operation, we formulate the routing, modulation, and spectrum assignment (RMSA) problem in AoD-based EONs and propose three RMSA strategies aimed at optimizing a particular combination of these performance indicators. The strategies rely on a newly proposed internal node configuration matrix that models the structure of optical white box nodes in the network, thus facilitating hardware-aware routing of connection demands. The proposed strategies are evaluated in terms of the number of required modules and the related cost, spectral resource usage, and average path length. Extensive simulation results show that the proposed RMSA strategies can achieve remarkable cost savings by requiring fewer switching modules than the benchmarking approaches, at a favorable trade-off with spectrum usage and path length.

  • 50.
    Abedin, Ahmad
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Elektroteknik, Elektronik och inbyggda system.
    Germanium layer transfer and device fabrication for monolithic 3D integration2021Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
    Abstract [sv]

    Sakernas internet (eng. Internet of Things, IoT) driver halvledarindustrinmot tillverkning av högprestanda komponenter och kretsar med flertal funk-tionaliteter. Å ena sidan skalas komponenter ned till storlekar där ytterligarenedskalning blir teknologiskt svårt och ekonomiskt utmanande. Å andra si-dan är dagens elektronik inte längre begränsad till kretsar för databehandling.För att sakernas internet ska fungera behöver sensorer, processorer, styrdon,datorminne och även energilagringsenheter integreras på ett effektivt sätt i ge-mensamma chip. Monolitisk 3-dimensionell integration (M3D) baseras på attstapla olika komponentnivåer på varandra. Detta tillvägagångssätt är en avdem mest lovande metoderna för att förbättra kretsarnas prestanda. Prestan-dan förbättras genom att förkorta elektriska ledare och minska fördröjningen iledarna. Att ha flera komponentnivåer möjliggör integration av komponenter,som kan använda sig av olika material med högkvalitetsegenskaper för olikatillämpningar och funktioner, i ett enda chip. De stora utmaningarna för M3Där högkvalitétsöverföring av skikt och begränsad processtemperatursbudget.Germanium (Ge) anses vara det bästa materialet för att ersätta kisel (Si) somkanalmaterial i p-typs fälteffektstransistorer (pFET) tack vare dess höga hål-mobilitet. Vidare anses germanium lovande för M3D-integration tack germa-niumtransistorernas jämförelsevisa låga processtemperatur mot motsvarandekiseltransistorer. Dock har tillverkning av germanium-på-isolator (eng. germa-nium on insulator, GOI) flera utmaningar: tjockleken på germaniumskiktetmåste vara jämnt över skivan, dopningen måste vara låg och gränssnittet motden begravda oxiden (eng. buried oxide, BOX) måste vara tillräckligt god.I denna avhandling används skivbondning vid låg temperatur och tillbaka-etsför att tillverka GOI-substrat för M3D-tillämpningar. En unik stapling av epi-taxiellt växta skikt har designats och tillverkats för detta ändamål. Skiktstap-lingen innehåller ett relaxerad bufferskikt av germanium, ett etsstoppsskiktav kiselgermanium (SiGe) och ett toppskikt av germanium som i slutändanöverförs till en hanteringsskiva. Skivorna direktbondas vid rumstemperatur,och offerskivan togs bort genom flera etssteg som lämnar 20 nm germanium påisolator med utmärkt tjockleksjämnhet över skivan. Germaniumtransistorertillverkades på GOI-substrat och mättes elektriskt för att utvärdera skiktkva-litén. Epitaxiellt växt av högdopat SiGe och sub-nanometer kiseltäckeskikt(eng. silicon cap layer) utforskades som alternativ för germaniumtransistorermed förbättrad prestanda.Bufferskikt av germanium togs fram med två-stegs deponeringsteknik vilketgav resultatet att defekttätheten var107cm−3och ytruffighet var 0,5 nm.TöjtSi0,5Ge0,5-skikt med hög kristallkvalité växtes epitaxiellt vid tempera-turer lägre än 450°C. Skiktet, som infogades mellan bufferskiktet av germa-nium och toppskiktet av 20-nm tjockt germanium, användes som etsstoppi tillbaka-etsprocessen. En mycket selektiv etsmetod utvecklades för att tabort den 3-μm tjocka bufferskiktet av germanium och den 10-nm tjockaSi0,5Ge0,5-skiktet utan att skada den 20-nm tjocka germaniumtoppskiktet.För att tillverkningen av germaniumtransistorerna ska var kompatibla medM3D-integration så tillverkades dem vid en temperatur lägre än 600°C. Kom- ponentens baksidesgränsnitt (Ge/BOX-gränssnittet) var utarmat vidVBG=0V, vilket bekräftar att både den fixa laddningstätheten vid gränssnittet ochdopningen var lågt. Germaniumtransistorerna hade 70 % avkastning över helaskivan och uppvisade 60 % högre kanalmobilitet än motsvarande komponenteri kisel. In-situ dopat SiGe-skikt med dopningskoncentration på2.5×1019cm−3och resistivitet på 3.5 mcm växtes selektivt på germanium för att förbättrakäll- och dräneringsövergångsbildningen. Den unika staplingen av grinddie-lektrikaGe/Si/T mSiO/T m2O3/Hf O2/T iNsom togs fram i denna avhand-ling uppvisade en gränssnittsfälltäthet på3×1011eV−1cm−2och en hyste-res på låga 3 mV vid ett pålagt elektriskt fält över grinddielektrikastapelnpå 4 MV/cm, vilket motsvarar en oxidfälltäthet på1.5×1010cm−2. Dessaresultat visar att denna grinddielektrikastapel kan potentiellt minska germa-niumtransistorernas undertröskelsving samtidigt som den förbättrar tillförlit-ligheten. Metoderna som har tagits fram i denna avhandling är lämpliga förstorskalig M3D-integration av germaniumtransistorer på en kiselplattform.Den unika skiktöverföringmetoden av germanium och tillbaka-ets teknikenresulterade i tillverkningen av GOI-substrat med god tjockleksjämnhet, lågdopning och tillräckligt god Ge/BOX-gränssnitt. Processtemperaturerna förgermanium-överföring och transistortillverkning hålls inom ramarna för M3D-integrationens temperaturbudget. Integration av SiGe-skikt i käll/dränerings-områden och kiseltäcket för grinddielektrikumbildning kan öka komponent-prestanda och tillförlitlighet.

    Ladda ner fulltext (pdf)
    fulltext
1234567 1 - 50 av 15861
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf