Browsing by Author "Flores, Huber, juhendaja"

Now showing 1 - 13 of 13

Analysing Model Attacks in Machine Learning Pipeline
(Tartu Ülikool, 2024) Elemosho, Toluwani Mathew; Flores, Huber, juhendaja; Ottun, Abdul-Rasheed, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Masinõppemudelid on märkimisväärselt arenenud ja on lahutamatuks osaks erinevates sektorites, sealhulgas tervishoius, rahanduses ja transpordis. Kuid nende kasutuselevõtt on toonud kaasa haavatavusi, eriti ründavaid rünnakuid, mis manipuleerivad andmetega, et neid mudeleid petta. Käesolev lõputöö uurib masinõppemudelite vastupidavust selliste rünnakute vastu ja uurib Explainable AI (XAI) tehnikate rakendamist mudelite läbipaistvuse ja turvalisuse parandamiseks. Põhjaliku kirjanduse ülevaate kaudu tuvastab see uurimus usaldusväärse tehisintellekti kriitilised põhimõtted, sealhulgas seletatavuse, tehnilise vastupidavuse ja inimliku järelevalve. Metoodika analüüsib süstemaatiliselt ründavaid rünnakuid, kasutades tehnikaid nagu SHAP ja LIME, et hinnata mudelite käitumist erinevates rünnakustsenaariumides. Uurimus tutvustab ka inimjärelevalve armatuurlauda, mis on loodud rünnakute intuitiivsete visualiseerimiste pakkumiseks, aidates paremini mõista ja vähendada haavatavusi. Eksperimentaalsed tulemused toovad esile XAI tõhususe ründavate manipulatsioonide tuvastamisel ja selgitamisel, parandades seeläbi AI süsteemide vastupidavust. Kasutajauuringud toovad esile olulised leiud seoses selgituste rolliga AI süsteemides. Lühikesed selgitused suurendavad märkimisväärselt kasutajate kaasatust, eelistust teabe vastu, rahulolu, tekstilist selgust ja usaldusväärsust võrreldes selgituste puudumisega. Siiski, selgituste pikkuse suurendamine lühikestest pikkadeks annab minimaalselt täiendavat kasu. Need tulemused viitavad sellele, et lühikesed selgitused on väga tõhusad kasutajate usalduse ja kaasatuse suurendamisel AI süsteemidega. See uurimus annab valdkonnale panuse, pakkudes välja tugevad kaitsemehhanismid ründavate rünnakute vastu ja rõhutades inimjärelevalve rolli AI süsteemides. See rõhutab vajadust läbipaistvate, seletatavate ja vastupidavate AI mudelite järele, et tagada nende ohutu ja eetiline kasutuselevõtt kriitilistes rakendustes.
Autonomous Monitoring of Litter using Sunlight
(Tartu Ülikool, 2021) Olapade, Mayowa Olaide; Flores, Huber, juhendaja; Tartu Ülikool. Füüsika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Benchmarking an Underwater Optical Communication System
(Tartu Ülikool, 2024) Taevere, Mehis; Flores, Huber, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Kuna vee ja õhu omadused on väga erinevad, on mõistlik nende puhul traadita side pidamiseks kasutada erinevaid lähenemisviise. Mõni sidepidamisviis toimib paremini vee all kui vee peal, kuid samas on ka vastupidiseid juhtumeid. Käesolevas töös antakse ülevaade traadita veealuse side hetkeseisust. Lisaks testitakse ühe juhtmevaba optilise sidesüsteemi vastupidavust erinevate veealustele teguritele nagu hägusus ja turbulents.
Detecting User Reading Behaviour Using Smartphone Sensors
(Tartu Ülikool, 2015) Ilmjärv, Taavi; Srirama, Satish, juhendaja; Flores, Huber, juhendaja; Tartu Ülikool. Loodus- ja tehnoloogiateaduskond; Tartu Ülikool. Tehnoloogiainstituut
There are many different ways to rate mobile content in the form of various explicit user feedback e.g. like buttons, thumbs up and thumbs down, star ratings as well as there are ways to analyse usage statistics of applications on using mobile analytics tools. Implicit feedback enables to collect more data for getting better insight of content usage and user behaviour. In recent years many works have been conducted in order to classify activities using smartphones. Previous works have shown that sensor-based activity recognition on smartphones is feasible. Yet previous works have not classified reading activity on smartphones. This work proposes one possible way to classify this activity with high accuracy. Classifying reading activity provides possibility to have more precise estimates on mobile content usage statistics, by utilizing sensorand visual-based activity recognition techniques. A set of mobile applications was developed to facilitate data collection and labelling. Accelerometer and gyroscope data was collected from 35 different subjects, after cleaning data 4438 sample readings were left. A neural network was trained on 80% of data and 94% accuracy was reached on classifying reading activity using a smartphone. The results show that classifying reading activity using accelerometer and gyroscope data is possible with high degree of accuracy. We provide Android application source code along with neural network training implementation accompanied by training data in a Git repository
Exploiting Human-emitted Thermal Radiation
(Tartu Ülikool, 2021) Emenike, Hilary Somtochukwu; Flores, Huber, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Waste is a growing concern for global sustainability, affecting everything from economic development to human health. Effective waste management is critical for mitigating the harmful effects of waste accumulation on society. In this thesis, we develop MIDAS, an innovative sensing approach for effective household waste management. MIDAS builds on the fact that people need to touch objects when they are throwing them away and that these interactions result in thermal footprints on the objects’ surface. By examining the dissipation of the respective thermal footprints, it is possible to identify the waste material and support effective sorting and recycling practices. We validate our approach through extensive empirical benchmarks, demonstrating that MIDAS can recognize a wide range of materials and generalize variations in the people interacting with objects. Our solution paves towards improved sustainability by offering an innovative solution for classifying materials and optimizing household waste management practices.
Exploring Group Mobility
(Tartu Ülikool, 2021) Raza, Ali; Flores, Huber, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Human mobility research is gaining traction, opening up new avenues for research in smart cities infrastructure development. Human mobility can reveal information regarding population dispersion across a large area, human behaviour, and individuals’ daily routines. In the meantime, individual mobility is intensively investigated, but group mobility is mostly unexplored. In this thesis, we developed user trajectories based on the dataset collected from their cellular network connectivity. We develop a method for assessing group mobility by examining the similarity in users’ trajectories between locations in different users’ routines. Our results indicate that while multiple groups can be formed in specific locations (in a static manner), it is difficult to find users that share the same spatial and temporal characteristics while moving.
Migration of native Android applications to HTML5
(Tartu Ülikool, 2012) Petšjonkin, Oleg; Srirama, Satish, juhendaja; Flores, Huber, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Modelling Energy Consumption using Thermal Imaging
(Tartu Ülikool, 2022) Hashimov, Hashim; Flores, Huber, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
We contribute a novel sensing solution that can estimate the energy consumption of applications running in personal devices, such as smart and wearable devices, without requiring the instrumentation of the device itself. Energy estimation of applications running in these devices has become a complex challenge. Indeed, personal devices no longer have a detachable battery, such that their design can be further optimized to adjust better to the everyday activities of users. This in turn, it makes difficult to profile the energy consumption of software developed for these devices with typical solutions, like the Monsoon power meter. Our solution uses thermal imaging to derive energy consumption measurements while the applications are running in the device. We develop a functional prototype to demonstrate the feasibility of our solution. Through rigorous benchmarks that take into consideration different applications, we found that our solution can produce estimations of energy consumption that are comparable to existing hardware solutions. We also found that these estimations also capture differences between different types of applications. In addition, we also found that it is possible to use our solution to estimate the energy consumption of applications running in IoT devices. We also developed a regression model that predicts the estimated power from thermal imaging.
Pervasive Chatbots: Exploring User Perception Toward Human-assisted AI in Distributed Applications
(Tartu Ülikool, 2023) Hasanli, Tarlan; Flores, Huber, juhendaja; Olapade, Mayowa, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Digiajastul, mida iseloomustavad kiired tehnoloogilised edusammud, mängib seadmete ja andmehaldussüsteemide integreerimine pöördelist rolli kasutajakogemuse parandamisel. Siiski jääb keeruka tehnoloogia ja kasutaja mõistmise vahel pakiline väljakutse. See väitekiri uurib tehnoloogiliste uuenduste ja kasutaja kaasamise kriitilist ristmikku, keskendudes arvutuslikule ülekoormusele, võrgujagamisele, failijagamisele ja andurite andmehaldusele. Põhjaliku uuringu kaudu sukelduti kasutajate käitumisse, murede ja hoiakutesse, tuvastades peamised teemad, mis peegeldavad tegelikke kasutajavajadusi ja huve. Uuringust saadud ülevaated teisendati näidisküsimuste komplektiks, juhendades tõhusalt AI-toega vestlusroboti arendamist, mis on mõeldud kasutajakesksete murede käsitlemiseks. Uuring rõhutab tehnoloogilise disaini joondamise tähtsust inimmõistmise ja kasutatavusega, süvendades kasutajavajaduste teadlikkust. Tulemus kujutab endast olulist sammu intuitiivsemate ja kasutajasõbralikumate tehnoloogiate loomise suunas, ületades lõhet tipptasemel tehnoloogiliste arengute ja igapäevase kasutajate suhtlemise vahel. Kasutatud metoodika toimib juhendina kasutajate ülevaadete integreerimiseks tehnoloogia arendamisse, tagades, et uuendus püsib asjakohane, ligipääsetav ja kooskõlas laiema inimkogemusega.
Produce Quality and Pesticide Residue Estimation Using Light Sensing
(Tartu Ülikool, 2023) Rao, Karina; Flores, Huber, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
While produce quality estimation across various stages in the value chain is essential to tackle food loss and waste, determining pesticide residue in fresh produce can alleviate the threat to human health and the environment. Light sensing offers a non-invasive and cost-effective method to establish unique fingerprints for fresh produce. During a 12-day produce decomposition period, it was established that light reflectivity is effective for the quality estimation of vegetables. The AdaBoost classification model with blue light reflectivity value, vegetable items and luminosity as input features achieved a performance accuracy of 92.4%. While measuring reflectivity intensity, it is important to account for varying lighting conditions (luminosity). Notwithstanding the success of predicting the quality of fresh produce, light sensing failed in pesticide residue estimation.
Quantifying the impact of human touch to estimate quality of fresh fruits using light sensing
(Tartu Ülikool, 2023) Odetoyinbo, Ayodeji Pelumi; Flores, Huber, juhendaja; Tartu Ülikool. Füüsika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Revisiting Group Mobility Modelling: A Systematic Evaluation
(Tartu Ülikool, 2021) Shahzad, Mubashar; Flores, Huber, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Systematic Evaluation of Trustworthy AI Augmentation in Modern Applications
(Tartu Ülikool, 2024) Marasinghe, Marasinghe Mudiyanselage Rasinthe; Flores, Huber, juhendaja; Ottun, Abdul-Rasheed, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Tehisintellekt (AI) on levinud mitmetes sektorites, sealhulgas tervishoius, rahanduses, hariduses ja transpordis, muutes ülesannete täitmist ja otsuste tegemist. Kuid tehisintellekti kiire integreerimine on tekitanud märkimisväärset muret eraelu puutumatuse, eelarvamuste, turvalisuse ja tehisintellekti süsteemide, mida sageli nimetatakse „mustadeks kastideks“, läbipaistmatuse pärast. Need probleemid rõhutavad kriitilist puudujääki, mis on seotud tehisintellekti süsteemide tõhususe ja usaldusväärsuse tagamisega. Käesolevas uuringus käsitletakse seda puudujääki, keskendudes pideva inimliku järelevalve praktilisele rakendamisele tehisintellekti arendamisel. Uuringus hinnatakse konkreetselt SPATIAL platvormi jaoks välja töötatud adaptiivset armatuurlauda, et suurendada tehisintellekti läbipaistvust ja aruandekohustust. Uuringus hinnatakse eksperimentide kaudu meditsiinilise analüüsimooduliga (MAM), mis kasutab seletava tehisintellekti (XAI) meetodeid, et anda elektrokardiogrammi (EKG) andmeid analüüsivatele sidusrühmadele rollipõhiseid selgitusi, tehisintellekti genereeritud selgituste tõlgendatavust ja süsteemi toimimist erineva kasutajakoormuse korral. Tulemused näitavad, et kohandatud selgitused parandavad märkimisväärselt kasutajate arusaamist ja usaldust, samas kui süsteem säilitas tugeva jõudluse, tagades skaleeritavuse ja usaldusväärsuse. Need teadmised annavad väärtuslikke juhiseid praktiliste vahendite väljatöötamiseks, et tõhustada tehisintellekti järelduste jälgimist ja järelevalvet, mis on kooskõlas usaldusväärse tehisintellekti regulatiivsete nõuetega.