No description available.

No description available.

The emerging high-speed Asynchronous Transfer Mode (ATM) networks are expected to integrate through statistical multiplexing large numbers of traffic sources having a broad range of statistical characteristics and different Quality of Service (QOS) requirements. To achieve high utilisation of network resources while maintaining the QOS, efficient traffic management strategies have to be developed. This thesis considers the problem of traffic control for ATM networks. The thesis studies the application of neural networks to various ATM traffic control issues such as feedback congestion control, traffic characterization, bandwidth estimation, and Call Admission Control (CAC). A novel adaptive congestion control approach based on a neural network that uses reinforcement learning is developed. It is shown that the neural controller is very effective in providing general QOS control. A Finite Impulse Response (FIR) neural network is proposed to adaptively predict the traffic arrival process by learning the relationship between the past and future traffic variations. On the basis of this prediction, a feedback flow control scheme at input access nodes of the network is presented. Simulation results demonstrate significant performance improvement over conventional control mechanisms. In addition, an accurate yet computationally efficient approach to effective bandwidth estimation for multiplexed connections is investigated. In this method, a feed forward neural network is employed to model the nonlinear relationship between the effective bandwidth and the traffic situations and a QOS measure. Applications of this approach to admission control, bandwidth allocation and dynamic routing are also discussed. A detailed investigation has indicated that CAC schemes based on effective bandwidth approximation can be very conservative and prevent optimal use of network resources. A modified effective bandwidth CAC approach is therefore proposed to overcome the drawback of conventional methods. Considering statistical multiplexing between traffic sources, we directly calculate the effective bandwidth of the aggregate traffic which is modelled by a two-state Markov modulated Poisson process via matching four important statistics. We use the theory of large deviations to provide a unified description of effective bandwidths for various traffic sources and the associated ATM multiplexer queueing performance approximations, illustrating their strengths and limitations. In addition, a more accurate estimation method for ATM QOS parameters based on the Bahadur-Rao theorem is proposed, which is a refinement of the original effective bandwidth approximation and can lead to higher link utilisation.

No description available.

This thesis introduces different mechanisms for energy efficiency in Wireless Sensor Networks (WSNs) along with maintaining high levels of Network Performance (N.P) with reduced complexity. Firstly, a Machine-to-Machine (M2M) WSN is arranged hierarchically in a fixed infrastructure to support a routing protocol for energy-efficient data transmission among terminal nodes and sink nodes via cluster heads (CHs). A Multi-Level Clustering Multiple Sinks (MLCMS) routing protocol with the IPv6 protocol over Low Wireless Personal Area Networks (6LoWPAN) is proposed to prolong network lifetime. The simulation results show 93% and 147% enhancement in energy efficiency and system lifespan compared to M-LEACH and LEACH, respectively. By utilising 6LoWPAN in the proposed system, the number of packets delivered increases by 7%, with higher accessibility to the M2M nodes and a substantial extension of the network is enabled. Secondly, an adaptive sleep mode with MLCMS for an efficient lifetime of M2M WSN is introduced. The time period of the active and asleep modes for the CHs has been considered according to a mathematical function. The evaluations of the proposed scheme show that the lifetime of the system is doubled and the end-to-end delay is reduced by half. Thirdly, enhanced N.P is achieved through linear integer-based optimisation. A Self-Organising Cluster Head to Sink Algorithm (SOCHSA) is proposed, hosting Discrete Particle Swarm Optimisation (DPSO) and Genetic Algorithm (GA) as Evolutionary Algorithms (EAs) to solve the N.P optimisation problem. N.P is measured based on load fairness and average ratio residual network energy. DPSO and GA are compared with the Exhaustive Search (ES) algorithm to analyse their performances for each benchmark problem. Computational results prove that DPSO outperforms GA regarding complexity and convergence, thus it is best suited for a proactive IoT network. Both algorithms achieved optimum N.P evaluation values of 0.306287 and 0.307731 in the benchmark problems P1 and P2, respectively, for two and three sinks. The proposed mechanism satisfies different N.P requirements of M2M traffic by instant identification and dynamic rerouting to achieve optimum performance. Finally, a Power Model (PM) is essential to investigate the power efficiency of a system. Hence, a Power Consumption (PC) profile for SDN-WISE, based on IoT is developed. The outcomes of the study offer flexibility in managing the structure of an M2M system in IoT. They enable controlling the provided Network Quality of Service (NQoS), precisely by achieving physical layer throughput. In addition, it provides a schematic framework for the Application Quality of Service (AQoS), specifically, the IoT data stream payload size (from the PC point of view). It is composed of two essential parts, i.e., control signalling and data traffic PCs and the results show a 98% PC of the data plane in the total system power, whereas the control plane PC is only 2%, with a minimum Transmission Time Interval (TTI) (5 sec) and a maximum payload size of 92 Bytes.

<p>Arbetets syfte är att ge en bild av vilka faktorer som påverkar hur studerande inom humaniora, på Linköpings universitet,gör sina val av kläder, idag 2010. Utifrån syftet besvaras frågeställningen. Metoden för arbetet har varit en komparativfallstudie med utgångspunkt från flera kvalitativa intervjuer. En begreppsförklaring, samt en litteraturgenomgång ges förämnesområdena, kläder som kommunikation, kläder som stil, mode och trender. Arbetet visar på faktorer som påverkarstudenternas val av kläder. Påvisade faktorer är vardagliga återkommande situationer för många av studenterna såsom,missade tvättider, föreläsningar och sociala aktiviteter. Kläder blir en faktor som avgör om vi blir accepterade i en specifikgrupp eller om vår individualitet lyser igenom och grupptillhörigheten blir en självklarhet. Arbetet öppnar upp för vidarestudier då kläder och mode är en föränderlig process.</p>

<p>En fallstudie har gjorts där kvalitativ metod har använts genom intervjuer och textanalyser. Semiotiska analyser har genomförts på utvalda annonsbilder, en reklamfilm och en blogg.</p>

En fallstudie har gjorts där kvalitativ metod har använts genom intervjuer och textanalyser. Semiotiska analyser har genomförts på utvalda annonsbilder, en reklamfilm och en blogg.

Studiens huvudsakliga frågeställning är hur dagens modejournalistik förhåller sig till Journalistförbundets spelregler för press- och yrkesetik. En kvalitativ innehållsanalys har genomförts på 12 nummer av de tre modetidningarna Damernas Värld, ELLE och Femina från år 2010. Samt alla modeartiklar från dagstidningarna Dagens Nyheter och Svenska Dagbladet från 2010. För att se en utveckling av modejournalistiken har vi i samband med litteratur som redogör för 1900-talets kvinnotidningar, gått igenom kvinnotidningarna Idun och Husmodern från år 1925 för att få ett historiskt perspektiv för modejournalistikens start. Vi har också gjort ett nedslag år 1988 där vi har granskat de tre modetidningarna Damernas Värld, ELLE och Femina för att få en överblick av modejournalistiken det året. För vår överblick av 1988 års tidningar valde vi 12 nummer av de valda modetidningarna. En samtalsintervju har gjorts med ordförande i Journalistförbundets yrkesetiska nämnd. En enkät om förväntningar på yrket som modejournalist har även besvarats av yrkesverksamma modejournalister i Sverige. Denna enkät har använts för att få kommentarer och reflektioner över yrket från yrkespersoner i dagens läge. Studien visar att modejournalistiken delvis har förändrats i sin rapportering om mode och trender. I de äldre tidningarna från 1925 handlade modet om att beskriva tyger, garn, mönster och den praktiska delen av att sy upp egna kläder. Modejournalistiken hade annan struktur 1988 än vad den har idag med fler detaljer och bredare och mer förklarande rapportering, även i sina modeuppslag. Till viss del visar resultatet för undersökningen tendenser för att modejournalistiken 2010 är mer konsumtionsinriktad och gränsar till textreklam utifrån Spelreglerna för press- och yrkesetik. Analysen visar även att dagens modejournalistik inte alltid belyser vem som är avsändare i deras rapportering om trender och att sammanblandning sker emellanåt av redaktionellt material och reklambudskap.

Empirical mode decomposition was proposed recently as a time frequency analysis tool for nonlinear and nonstationary signals. Despite from its many advantages, problems such as “uniqueness” problem have been discovered which limit the application. Although this problem has been addressed to some extent by various extensions of the original algorithm, the solution is far from satisfactory in some scenarios. In this work we propose two variants of the original algorithm, with emphasis on providing unified representations. R-EMD makes use of a set of reference signals to guide the decomposition therefore guarantees unified representation for multiple 1D signals. 2D- BEMD takes advantage of a projection procedure and is capable of providing unified representation between a pair of 2D signals. Application of the proposed algorithms on different problems in biometric and image processing demonstrates promising results and indicates the effectiveness of the proposed framework.