Klaipėdos universitetas

Augant naudojamų daiktų interneto įrenginių bei tinklų skaičiui, kyla ir naujos saugumo rizikos, susijusios su šiais daiktų interneto tinklais. Šiame darbe yra pristatoma lyginamoji įvairių mašininio ir gilaus mokymosi modelių klasifikavimo našumo analizė – tikslumo bei atpažinimo metrikos – naudojant CIC-IoT-IDS2023 duomenų rinkinį, skirtą apmokyti mašininio mokymo modelius aptikti prieš daiktų interneto įrenginius nukreiptas atakas. Taip pat pateiktiamos gaires tolimesniems darbams kuriant kibernetinių įsilaužimų aptikimo sistemą daiktų interneto tinkluose. Siūlomos gairės apima sprendimo medžių modelių hiperparametrų tobulinimą, realaus laiko įsilaužimų aptikimo komponento kūrimą bei testavimą naudojant kraštinius (angl. edge) įrenginius.

This study presents an analysis of floating cranes and the design of one such crane. During the analysis phase, various types of floating cranes and their structural designs were examined. Based on this analysis, the necessary calculations were performed to select a suitable crane and pontoon.

This paper presents a comparative analysis of ballast water treatment technologies, along with a detailed evaluation of the selection of treatment equipment, calculations of hydraulic pressure loss, and a theoretical layout of the equipment. The technology analysis assesses 13 different treatment methods based on six criteria for installing such systems in the space-restricted engine room, aiming to mitigate the threat posed by untreated ballast water to marine life. The selected technologies are filtration and ultraviolet (UV) as the primary and secondary ballast water treatment technologies. These methods ensure efficient, rapid, and environmentally friendly ballast water treatment.

Šiame straipsnyje aptariame dirbtinio intelekto ir mokymosi analitikos naudojimo situaciją ir galimybes Lietuvos bendrojo ugdymo mokyklose. Nacionalinė švietimo agentūra yra sudariusi 2020 m. ir 2021 m. Lietuvos bendrojo ugdymo mokyklose naudojamų skaitmeninių mokymo(si) priemonių sąrašą . Tyrime kėlėme klausimą kokia dalis siūlomų skaitmeninių mokymo(si) priemonių naudoja dirbtinį intelektą ir mokymosi analitiką. Atlikus antrinę Nacionalinės švietimo agentūros sudarytame skaitmeninių mokymo(si) priemonių sąraše teikiamų 244 [dviejų šimtų keturiasdešimt keturių] priemonių analizę, galime teigti, kad iš 244 skaitmeninių mokymo(si) priemonių tik keturios taiko dirbtinį intelektą. Didžioji dalis skaitmeninių mokymo(si) priemonių yra vienakryptės, kurios skirtos tik mokomojo turinio perdavimui, jos nekaupia duomenų apie besimokantįjį ir grįžtamosios informacijos negauna nei mokinys, nei mokytojas. Dauguma skaitmeninių mokymo(si) priemonių, kurios kaupia statistiką yra mokamos arba iš dalies mokamos.