Matching theory based travel plan aware charging algorithms in V2G smart grid networks

The frequency, time and places of charging have large impact on the Quality of Experience (QoE) of EV drivers. It is critical to design effective EV charging scheduling system to improve the QoE of EV drivers. In order to improve EV charging QoE and utilization of CSs, we develop an innovative travel plan aware charging scheduling scheme for moving EVs to be charged at Charging Stations (CS). In the design of the proposed charging scheduling scheme for moving EVs, the travel routes of EVs and the utility of CSs are taken into consideration. The assignment of EVs to CSs is modeled as a two-sided many-to-one matching game with the objective of maximizing the system utility which reflects the satisfactory degrees of EVs and the profits of CSs. A Stable Matching Algorithm (SMA) is proposed to seek stable matching between charging EVs and CSs. Furthermore, an improved Learning based On-LiNe scheduling Algorithm (LONA) is proposed to be executed by each CS in a distributed manner. The performance gain of the average system utility by the SMA is up to 38.2% comparing to the Random Charging Scheduling (RCS) algorithm, and 4.67% comparing to Only utility of Electric Vehicle Concerned (OEVC) scheme. The effectiveness of the proposed SMA and LONA is also demonstrated by simulations in terms of the satisfactory ratio of charging EVs and the the convergence speed of iteration.

Optimization of Pattern Matching Algorithms for Multi- and Many-Core Platforms

Image and video compression play a major role in the world today, allowing the storage and transmission of large multimedia content volumes. However, the processing of this information requires high computational resources, hence the improvement of the computational performance of these compression algorithms is very important. The Multidimensional Multiscale Parser (MMP) is a pattern-matching-based compression algorithm for multimedia contents, namely images, achieving high compression ratios, maintaining good image quality, Rodrigues et al. [2008]. However, in comparison with other existing algorithms, this algorithm takes some time to execute. Therefore, two parallel implementations for GPUs were proposed by Ribeiro [2016] and Silva [2015] in CUDA and OpenCL-GPU, respectively. In this dissertation, to complement the referred work, we propose two parallel versions that run the MMP algorithm in CPU: one resorting to OpenMP and another that converts the existing OpenCL-GPU into OpenCL-CPU. The proposed solutions are able to improve the computational performance of MMP by 3 and 2:7 , respectively. The High Efficiency Video Coding (HEVC/H.265) is the most recent standard for compression of image and video. Its impressive compression performance, makes it a target for many adaptations, particularly for holoscopic image/video processing (or light field). Some of the proposed modifications to encode this new multimedia content are based on geometry-based disparity compensations (SS), developed by Conti et al. [2014], and a Geometric Transformations (GT) module, proposed by Monteiro et al. [2015]. These compression algorithms for holoscopic images based on HEVC present an implementation of specific search for similar micro-images that is more efficient than the one performed by HEVC, but its implementation is considerably slower than HEVC. In order to enable better execution times, we choose to use the OpenCL API as the GPU enabling language in order to increase the module performance. With its most costly setting, we are able to reduce the GT module execution time from 6.9 days to less then 4 hours, effectively attaining a speedup of 45 .

O Google Earth na aprendizagem da “Tectónica de Placas”, numa turma de 7.º ano de escolaridade

Este relatório, produzido no contexto do Mestrado em Ciências da Educação – Especialização em Utilização Pedagógica das TIC, apresenta um estudo desenvolvido numa turma do 7.º ano, no âmbito da lecionação do conteúdo “Tectónica de Placas”. A investigação teve por base a seguinte questão: Quais as potencialidades do Google Earth como recurso educativo? Procurando dar reposta a esta questão, foi construído um recurso educativo no Google Earth, implementando-o na aprendizagem da “Tectónica de Placas”, numa turma de 7.º ano de escolaridade. De modo a avaliar o sucesso da utilização deste recurso, delinearam-se os seguintes objetivos: analisar a eficácia e eficiência da utilização do recurso educativo concebido no Google Earth na aprendizagem da “Tectónica de Placas”; avaliar o grau de motivação e satisfação dos alunos ao utilizarem o Google Earth na aprendizagem da “Tectónica de Placas”; identificar dificuldades e desafios inerentes à utilização do Google Earth na aprendizagem da “Tectónica de Placas”, numa turma de 7.º ano de escolaridade. O estudo consubstancia uma investigação sobre a própria prática, seguindo uma metodologia de carácter exploratório de natureza mista. A professora constituiu o principal instrumento de recolha de dados, desempenhando simultaneamente os papéis de professora da turma e de investigadora. Para a recolha de dados foram privilegiados os diários de bordo, as grelhas de observação, o inquérito e as produções dos alunos. Da análise dos resultados, conclui-se que a utilização do Google Earth na lecionação do conteúdo “Tectónica de Placas” diversificou e potenciou as formas de interação na sala de aula. A gestão do tempo foi otimizada, cumprindo-se o planificado em menos tempo que o previsto. Durante a implementação da atividade, tornou-se visível um desenvolvimento progressivo da capacidade de autonomia dos alunos. Também a aprendizagem vi colaborativa conheceu um incremento muito significativo, ao mesmo tempo que o ritmo individual de aprendizagem dos alunos foi inteiramente respeitado. A generalidade dos alunos gostou de explorar o Google Earth e de concretizar as questões do guião de trabalho com recurso ao Google Earth. Em suma, os alunos tiveram um papel ativo na execução da atividade, revelaram-se motivados e satisfeitos com a mesma, manifestando vontade de repetir esta experiência de aprendizagem aplicada a outras temáticas. Dessa forma, a utilização do Google Earth revelou-se eficaz e eficiente no ensino e aprendizagem da “Tectónica de Placas”.

Using multiple GPUs to accelerate string searching for digital forensic analysis

String searching within a large corpus of data is an important component of digital forensic (DF) analysis techniques such as file carving. The continuing increase in capacity of consumer storage devices requires corresponding im-provements to the performance of string searching techniques. As string search-ing is a trivially-parallelisable problem, GPGPU approaches are a natural fit – but previous studies have found that local storage presents an insurmountable performance bottleneck. We show that this need not be the case with modern hardware, and demonstrate substantial performance improvements from the use of single and multiple GPUs when searching for strings within a typical forensic disk image.

Oceana String Quartet March 4, 2012

Concert Program

Oceana String Quartet December 2, 2012

Concert Program

Tratamiento del rechazo mediado por anticuerpos en pacientes trasplantados renales revisión sistemática

Antecedentes: El trasplante renal es la mejor alternativa terapéutica para la enfermedad renal crónica terminal. Los medicamentos inmunosupresores previenen el rechazo. El rechazo mediado por anticuerpos es frecuente y disminuye la función y duración del injerto. Objetivo: Evaluar sistemáticamente la evidencia disponible relacionada con la eficacia y seguridad del tratamiento para el rechazo mediado por anticuerpos en pacientes trasplantados renales. Metodologia: Revisión sistemática en bases de datos MEDLINE, EMBASE, Scopus y Biblioteca virtual de la salud. Literatura gris google scholar, google academico, www.clinicaltrialsregister.eu, and https://clinicaltrials.gov/. Búsqueda manual referencias artículos pre-seleccionados así como de revisiones previamente publicadas. Se siguieron las recomendacioes guia PRISMA para la identificacion de artículos potenciales, tamizaje y selección teniendo en cuenta los criterios de inclusion. Extracción datos de acuerdo a las variables, revisión calidad de los artículos elegidos utilizando evaluación riesgo de segos de Cochrane. Resultados: Se seleccionaron 9 ensayos clínicos publicados entre 1980 y 2016, incluyeron 222 pacientes (113 brazo de intervención y 109 en el control), seguimiento promedio 16 meses. Intervenciones evaluadas plasmaféresis, inmunoadsorción y rituximab. Hubo una amplia heterogeneidad en la definición de criterios de inclusión, criterios diagnósticos de rechazo y medidas de evaluación de eficacia de las intervenciones. Tres estudios encontraron diferencias estadísticamente significativas entre los grupos de tratamiento. Conclusiones: La evidencia sobre la eficacia de los tratamientos del rechazo mediado por anticuerpos en injertos renales es de baja calidad. Son necesarios ensayos clínicos controlados para poder definir el tratamiento óptimo de estos pacientes.

Impacto de la innovación tecnológica en las estrategias de YouTube y Google

El concepto de administración ha venido cambiando constantemente a través del tiempo y de las ideologías de diferentes autores que han marcado dicho concepto, en donde se ha podido establecer de mejor forma el significado que ésta ciencia tiene con la innovación y la estrategia. El objetivo de este trabajo es mostrar los fundamentos teóricos de la administración, la innovación y la estrategia, para así mostrar los alcances e impactos que estos tienen en las organizaciones visitadas durante la misión empresarial al Silicon Valley, principalmente a YouTube y Google. Para cumplir con dicho objetivo se realizaron encuestas a diferentes trabajadores pertenecientes a las organizaciones, obteniendo así, información valiosa para el estudio realizado. Con la información obtenida de la entrevistas, se logró recopilar información pertinente que permitió concluir que la innovación es un pilar fundamental para el buen funcionamiento de las empresas pertenecientes al Silicon Valley y así mismo ser base indispensable para la creación y formulación de las principales estrategias de las empresas.

Reconhecimento de entidades mencionadas usando o Google

O Reconhecimento de Entidades Mencionadas tem como objectivo identificar e classificar entidades, baseando-se em determinadas categorias ou etiquetas, contidas em textos escritos em linguagem natural. O Sistema de Reconhecimento de Entidades Mencionadas implementado na elaboração desta Dissertação pretende identificar localidades presentes em textos informais e definir para cada localidade identificada uma das etiquetas “aldeia", "vila" ou “cidade" numa primeira aproximação ao problema. Numa segunda aproximação tiveram-se em conta as etiquetas "freguesia", "concelho" e "distrito". Para a obtenção das classificações das entidades procedeu-se a uma análise estatística do número de resultados obtidos numa pesquisa de uma entidade precedida por uma etiqueta usando o motor de pesquisa Google Search. ABSTRACT: Named Entitity Recognition has the objective of identifying and classifying entities, according to certain categories or labels, contained in texts written in natural language. The Named Entitity Recognition system implemented in the developing of this dissertation intends to identify localities in informal texts, setting for each one of these localities identified one of the labels "aldeia", ''vila" or "cidade" in a first approach to the problem. ln a second approach the labels "freguesia", "concelho" and "distrito" were taken in consideration. To obtain classifications for the entities a statistical analysis of the number of results returned by a search of an entity preceded by a label using Google search engine was performed.

Embedding Starobinsky inflation in string compactifications

A period of accelerated expansion of the primordial universe, known as inflation, represents the standard paradigm for the early universe cosmology. While inflation agrees with observational constraints, a complete understanding of its physical origin is not available yet. This suggests the necessity of an embedding into a more fundamental theory. String theory is arguably the best-developed candidate for an ultra-violet (UV) complete theory of gravity and string compactifications could provide a natural framework for addressing this issue. The aim of this thesis work is to investigate the potential embedding of Starobinsky inflation in effective field theories arising in string compactifications. In particular, we focus on two main objectives. The first one is the evaluation of Yukawa-like couplings in f (R)-theories of gravity with fermions, more specifically in the context of Starobinsky inflation. The second goal is understanding if any of the moduli which naturally arise in string compactifications has the right form of this coupling and displays the correct scalar potential, as needed for a possible identification with the scalar field driving Starobinsky inflation.

Convolutional Neural Network Architectures for Template Matching

The Neural Networks customized and tested in this thesis (WaldoNet, FlowNet and PatchNet) are a first exploration and approach to the Template Matching task. The possibilities of extension are therefore many and some are proposed below. During my thesis, I have analyzed the functioning of the classical algorithms and adapted with deep learning algorithms. The features extracted from both the template and the query images resemble the keypoints of the SIFT algorithm. Then, instead of similarity function or keypoints matching, WaldoNet and PatchNet use the convolutional layer to compare the features, while FlowNet uses the correlational layer. In addition, I have identified the major challenges of the Template Matching task (affine/non-affine transformations, intensity changes...) and solved them with a careful design of the dataset.

Ottimizzazione di un Data Warehouse con Google Cloud Platform

I dati sono una risorsa di valore inestimabile per tutte le organizzazioni. Queste informazioni vanno da una parte gestite tramite i classici sistemi operazionali, dall’altra parte analizzate per ottenere approfondimenti che possano guidare le scelte di business. Uno degli strumenti fondamentali a supporto delle scelte di business è il data warehouse. Questo elaborato è il frutto di un percorso di tirocinio svolto con l'azienda Injenia S.r.l. Il focus del percorso era rivolto all'ottimizzazione di un data warehouse che l'azienda vende come modulo aggiuntivo di un software di nome Interacta. Questo data warehouse, Interacta Analytics, ha espresso nel tempo notevoli criticità architetturali e di performance. L’architettura attualmente usata per la creazione e la gestione dei dati all'interno di Interacta Analytics utilizza un approccio batch, pertanto, l’obiettivo cardine dello studio è quello di trovare soluzioni alternative batch che garantiscano un risparmio sia in termini economici che di tempo, esplorando anche la possibilità di una transizione ad un’architettura streaming. Gli strumenti da utilizzare in questa ricerca dovevano inoltre mantenersi in linea con le tecnologie utilizzate per Interacta, ossia i servizi della Google Cloud Platform. Dopo una breve dissertazione sul background teorico di questa area tematica, l'elaborato si concentra sul funzionamento del software principale e sulla struttura logica del modulo di analisi. Infine, si espone il lavoro sperimentale, innanzitutto proponendo un'analisi delle criticità principali del sistema as-is, dopodiché ipotizzando e valutando quattro ipotesi migliorative batch e due streaming. Queste, come viene espresso nelle conclusioni della ricerca, migliorano di molto le performance del sistema di analisi in termini di tempistiche di elaborazione, di costo totale e di semplicità dell'architettura, in particolare grazie all'utilizzo dei servizi serverless con container e FaaS della piattaforma cloud di Google.

Mitigating non-Lambertian surfaces issues in Stereo Matching with Neural Radiance Fields

Depth estimation from images has long been regarded as a preferable alternative compared to expensive and intrusive active sensors, such as LiDAR and ToF. The topic has attracted the attention of an increasingly wide audience thanks to the great amount of application domains, such as autonomous driving, robotic navigation and 3D reconstruction. Among the various techniques employed for depth estimation, stereo matching is one of the most widespread, owing to its robustness, speed and simplicity in setup. Recent developments has been aided by the abundance of annotated stereo images, which granted to deep learning the opportunity to thrive in a research area where deep networks can reach state-of-the-art sub-pixel precision in most cases. Despite the recent findings, stereo matching still begets many open challenges, two among them being finding pixel correspondences in presence of objects that exhibits a non-Lambertian behaviour and processing high-resolution images. Recently, a novel dataset named Booster, which contains high-resolution stereo pairs featuring a large collection of labeled non-Lambertian objects, has been released. The work shown that training state-of-the-art deep neural network on such data improves the generalization capabilities of these networks also in presence of non-Lambertian surfaces. Regardless being a further step to tackle the aforementioned challenge, Booster includes a rather small number of annotated images, and thus cannot satisfy the intensive training requirements of deep learning. This thesis work aims to investigate novel view synthesis techniques to augment the Booster dataset, with ultimate goal of improving stereo matching reliability in presence of high-resolution images that displays non-Lambertian surfaces.

Serverless Computing il caso Google Cloud Functions

Il serverless é un paradigma del cloud computing al giorno d’oggi sempre più diffuso; si basa sulla scrittura di funzioni stateless in quanto le attività relative alla loro manutenzione e scalabilità fanno capo al provider dei servizi cloud. Lo sviluppatore deve quindi solamente concentrarsi sulla creazione del prodotto. Questo lavoro si apre con un’analisi del cloud computing introducendo i principali modelli di applicazione, passando dal parlare di servizi cloud, con le varie sottocategorie e i relativi utilizzi per poi arrivare a parlare di serverless. Si é scelto di focalizzarsi sulla piattaforma Google con la suite: Google Cloud Platform. In particolare, si parlerà di Google Cloud Functions, una nuova offerta serverless della compagnia, di recente sviluppo e in continuo aggiornamento. Partiremo dalle prime release, analizzeremo l’ambiente di sviluppo, i casi d’uso, vantaggi, svantaggi, parleremo poi di portabilità e verranno mostrati alcuni esempi del loro utilizzo.

Stereo matching su GPU

La Stereo Vision è un popolare argomento di ricerca nel campo della Visione Artificiale; esso consiste nell’usare due immagini di una stessa scena,prodotte da due fotocamere diverse, per estrarre informazioni in 3D. L’idea di base della Stereo Vision è la simulazione della visione binoculare umana:le due fotocamere sono disposte in orizzontale per fungere da “occhi” che guardano la scena in 3D. Confrontando le due immagini ottenute, si possono ottenere informazioni riguardo alle posizioni degli oggetti della scena.In questa relazione presenteremo un algoritmo di Stereo Vision: si tratta di un algoritmo parallelo che ha come obiettivo di tracciare le linee di livello di un area geografica. L’algoritmo in origine era stato implementato per la Connection Machine CM-2, un supercomputer sviluppato negli anni 80, ed era espresso in *Lisp, un linguaggio derivato dal Lisp e ideato per la macchina stessa. Questa relazione tratta anche la traduzione e l’implementazione dell’algoritmo in CUDA, ovvero un’architettura hardware per l’elaborazione pa- rallela sviluppata da NVIDIA, che consente di eseguire codice parallelo su GPU. Si darà inoltre uno sguardo alle difficoltà che sono state riscontrate nella traduzione da *Lisp a CUDA.