Proceedings of the Eighth Australian and New Zealand Intelligent Information Systems Conference

These are the full proceedings of the conference.

Design Strategies and Modelling of Low-Power Sigma-Delta Analog-to-Digital Converters

Oggi, i dispositivi portatili sono diventati la forza trainante del mercato consumer e nuove sfide stanno emergendo per aumentarne le prestazioni, pur mantenendo un ragionevole tempo di vita della batteria. Il dominio digitale è la miglior soluzione per realizzare funzioni di elaborazione del segnale, grazie alla scalabilità della tecnologia CMOS, che spinge verso l'integrazione a livello sub-micrometrico. Infatti, la riduzione della tensione di alimentazione introduce limitazioni severe per raggiungere un range dinamico accettabile nel dominio analogico. Minori costi, minore consumo di potenza, maggiore resa e una maggiore riconfigurabilità sono i principali vantaggi dell'elaborazione dei segnali nel dominio digitale. Da più di un decennio, diverse funzioni puramente analogiche sono state spostate nel dominio digitale. Ciò significa che i convertitori analogico-digitali (ADC) stanno diventando i componenti chiave in molti sistemi elettronici. Essi sono, infatti, il ponte tra il mondo digitale e analogico e, di conseguenza, la loro efficienza e la precisione spesso determinano le prestazioni globali del sistema. I convertitori Sigma-Delta sono il blocco chiave come interfaccia in circuiti a segnale-misto ad elevata risoluzione e basso consumo di potenza. I tools di modellazione e simulazione sono strumenti efficaci ed essenziali nel flusso di progettazione. Sebbene le simulazioni a livello transistor danno risultati più precisi ed accurati, questo metodo è estremamente lungo a causa della natura a sovracampionamento di questo tipo di convertitore. Per questo motivo i modelli comportamentali di alto livello del modulatore sono essenziali per il progettista per realizzare simulazioni veloci che consentono di identificare le specifiche necessarie al convertitore per ottenere le prestazioni richieste. Obiettivo di questa tesi è la modellazione del comportamento del modulatore Sigma-Delta, tenendo conto di diverse non idealità come le dinamiche dell'integratore e il suo rumore termico. Risultati di simulazioni a livello transistor e dati sperimentali dimostrano che il modello proposto è preciso ed accurato rispetto alle simulazioni comportamentali.

Is the generation of neo-antigenic determinants by free radicals central to the development of autoimmune rheumatoid disease?

Biomolecules are susceptible to many different post-translational modifications that have important effects on their function and stability, including glycosylation, glycation, phosphorylation and oxidation chemistries. Specific conversion of aspartic acid to its isoaspartyl derivative or arginine to citrulline leads to autoantibody production in models of rheumatoid disease, and ensuing autoantibodies cross-react with native antigens. Autoimmune conditions associate with increased activation of immune effector cells and production of free radical species via NADPH oxidases and nitric oxide synthases. Generation of neo-antigenic determinants by reactive oxygen and nitrogen species ROS and RNS) may contribute to epitope spreading in autoimmunity. The oxidation of amino acids by peroxynitrite, hypochlorous acid and other reactive oxygen species (ROS) increases the antigenicity of DNA, LDL and IgG, generating ligands for which autoantibodies show higher avidity. This review focuses on the evidence for ROS and RNS in promoting the autoimmune responses observed in diseases rheumatoid arthritis (RA) and systemic lupus erythematosus (SLE). It considers the evidence for ROS/RNS-induced antigenicity arising as a consequence of failure to remove or repair ROS/RNS damaged biomolecules and suggests that an associated defect, probably in T cell signal processing or/or antigen presentation, is required for the development of disease.

Analysing time series structure with hidden Markov models

This paper consides the problem of extracting the relationships between two time series in a non-linear non-stationary environment with Hidden Markov Models (HMMs). We describe an algorithm which is capable of identifying associations between variables. The method is applied both to synthetic data and real data. We show that HMMs are capable of modelling the oil drilling process and that they outperform existing methods.