Deux étudiants se placent au concours CADRE Student Data Awards 2022 - Oklahoma State University

mercredi 25 mai 2022

Contact média : Jordan Bishop | Éditeur, Département de gestion de la marque | 405-744-7193 | jordan.bishop@okstate.edu

L’Oklahoma State University Coalition for the Advancement of Digital Research and Education (CADRE) s’est récemment associée à Dell Technologies et Intel pour reconnaître l’utilisation exceptionnelle de la science des données et de l’informatique par deux étudiants.

Cette année dans CADRE 2022, Khaled Mohammed Saifuddin — un Ph.D. candidat au Département d’informatique – a remporté la première place du Dell Intel Student Award for Outstanding Use of Data Science and Computing pour son travail de recherche avec le conseiller Dr. Esra Akbas, “Drug Abuse Detection in Twitter-sphere: Graph-Based Approach”.

Le taux de consommation non médicale d’opioïdes a nettement augmenté depuis le début des années 2000. Récemment, le gouvernement américain a déclaré une urgence nationale pour ralentir le taux de mortalité lié à la toxicomanie (DA). Dans ce travail de recherche, Khaled a présenté un modèle unique basé sur des graphiques qui peut détecter automatiquement la DA à partir de données de médias sociaux librement disponibles.

Au début, pour atteindre l’objectif, un nombre important de messages Twitter ont été collectés sur la base d’une liste de mots-clés comprenant également des noms de drogues et des termes relatifs à l’abus de drogues. Après cela, les données textuelles ont été représentées sous forme de données graphiques appelées graphiques textuels, capables de gérer des structures complexes et de capturer la cooccurrence mot à mot locale et globale.

Deux types différents de graphes textuels ont été construits à partir des tweets : des graphes textuels au niveau du document et des graphes textuels au niveau du corpus. Ensuite, différents réseaux de neurones graphiques ont été appliqués pour obtenir la représentation des nœuds et des graphiques.

Enfin, les représentations ont été transmises à un classificateur d’apprentissage automatique pour classer si un tweet était lié à DA ou non. Ainsi, le problème de classification de texte a été présenté comme un problème de classification de nœuds et de graphes.

Le résultat expérimental montre que le modèle proposé surpasse les modèles de base de pointe avec une précision maximale de 96,4 %, soit près de 20 % de mieux que les lignes de base.

Ishraque Zaman Borchon — un doctorat étudiant en génie mécanique et aérospatial — a reçu la deuxième place Dell Intel Student Award for Outstanding Use of Data Science and Computing pour ses travaux de recherche, “Développement d’algorithmes d’apprentissage automatique pour le récepteur à cavité haute température orienté vers le haut pour les concentrateurs Scheffler.

Ishraque Zaman Borchon

Cette technologie commence par une parabole, qui sert à réserver l’énergie du soleil en utilisant des miroirs courbes pour diriger l’énergie vers un récepteur. Le récepteur orienté vers le haut est responsable de la capture de l’énergie solaire thermique de la manière la plus efficace et la plus faisable. La conception du récepteur nécessite des calculs approfondis et est connue pour être coûteuse. Une erreur dans la conception pourrait coûter des millions de dollars. Dans ses travaux de recherche, Borshon a créé un logiciel pour calculer efficacement la perte de chaleur d’un échangeur de chaleur solaire complexe.

La première étape du processus de Borshon consistait à identifier les trois principales variables qui contribuent à la perte de chaleur par convection, qui ont été déterminées comme étant la température de surface, l’angle d’inclinaison et le débit.

La conduction est le processus de perte de chaleur par contact physique avec un autre objet ou corps. La convection est le processus de perte de chaleur par le mouvement des molécules d’air ou d’eau à travers la peau.

Les données ont été collectées et placées dans différents modèles afin de déterminer la méthode la plus précise pour trouver la perte de chaleur par convection. Les données ont déterminé que le modèle basé sur les nombres physiques et le modèle de forêt aléatoire étaient les plus adaptés au développement.

Après avoir collecté les données et créé les modèles nécessaires, Borshon a créé un logiciel dans lequel les utilisateurs peuvent saisir des prévisions pour chacune des différentes variables afin de voir la perte de chaleur prévue, le nombre de nusselt (mesure entre le transfert de chaleur par convection et conduction) et le coefficient de transfert de chaleur par convection. .

Le logiciel de prévision des pertes de chaleur peut être trouvé ici : share.streamlit.io/ishraque2008/random_forest_heat_transfer/main.py.

Pour plus d’informations sur le département d’informatique de l’OSU, rendez-vous sur cas.okstate.edu/department_of_computer_science/. Pour en savoir plus sur l’école de génie mécanique et aérospatial de l’OSU, rendez-vous sur ceat.okstate.edu/mae/.

Histoire de : Bailey Sisk | basek@okstate.edu