Machine Learning for Environmental Noise Classification in Smart Cities (eBook)
XVII, 170 Seiten
Springer Nature Switzerland (Verlag)
978-3-031-54667-9 (ISBN)
We present a Machine Learning (ML) approach to monitoring and classifying noise pollution. Both methods of monitoring and classification have been proven successful. MATLAB and Python code was generated to monitor all types of noise pollution from the collected data, while ML was trained to classify these data. ML algorithms showed promising performance in monitoring the different sound classes such as highways, railways, trains and birds, airports and many more. It is observed that all the data obtained by both methods can be used to control noise pollution levels and for data analytics. They can help decision making and policy making by stakeholders such as municipalities, housing authorities and urban planners in smart cities. The findings indicate that ML can be used effectively in monitoring and measurement. Improvements can be obtained by enhancing the data collection methods. The intention is to develop more ML platforms from which to construct a less noisy. The second objective of this study was to visualize and analyze the data of 18 types of noise pollution that have been collected from 16 different locations in Malaysia. All the collected data were stored in Tableau software. Through the use of both qualitative and quantitative measurements, the data collected for this project was then combined to create a noise map database that can help smart cities make informed decisions.
Ali Othman Albaji received a bachelor's degree in electrical engineering specializing in 'General communications' from the Civil Aviation Higher College, Tripoli, Libya, in 2007, and a Master's degree in electronics and telecommunication engineering from University Technology Malaysia *UTM*, Johor Bahru, Malaysia in 2022. His research interests are Machine Learning (ML), IoT, Wireless Sensor Networks (WSN), VSAT, SCADA Systems, Optical Networking, Wireless Communications, Deep Learning (DL), Artificial intelligence (AI), Web design, Robotics, and Programming Languages expert / Traineron ( Python, MATLAB, JAVA, JAVA Script, SQL, Data Base MSQL, C++, HTML, and....ETC).
Erscheint lt. Verlag | 21.3.2024 |
---|---|
Reihe/Serie | Synthesis Lectures on Engineering, Science, and Technology |
Zusatzinfo | XVII, 170 p. 134 illus., 111 illus. in color. |
Sprache | englisch |
Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
Mathematik / Informatik ► Mathematik ► Statistik | |
Sozialwissenschaften ► Soziologie | |
Technik | |
Schlagworte | Artificial Intelligence • machine learning • MATLAB • Noise Pollution • Python • smart cities • urbanity |
ISBN-10 | 3-031-54667-9 / 3031546679 |
ISBN-13 | 978-3-031-54667-9 / 9783031546679 |
Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
Haben Sie eine Frage zum Produkt? |
Größe: 5,0 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich