<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
  <channel>
    <title>DSpace Collection:</title>
    <link>https://ptsldigital.ukm.my/jspui/handle/123456789/388897</link>
    <description />
    <pubDate>Sat, 04 Apr 2026 08:01:09 GMT</pubDate>
    <dc:date>2026-04-04T08:01:09Z</dc:date>
    <item>
      <title>Pembangunan sistem pemantauan pemandu untuk aplikasi automotif</title>
      <link>https://ptsldigital.ukm.my/jspui/handle/123456789/776220</link>
      <description>Title: Pembangunan sistem pemantauan pemandu untuk aplikasi automotif
Authors: Ruzelita Ngadiran (P26782)
Abstract: Sistem Pemantauan Pemandu adalah gabungan sistem pengesanan atas-talian dan&#xD;
mekanisma memberi amaran. Sistem ini terdiri daripada beberapa peringkat&#xD;
termasuklah pemerolehan data, pengekstrakan fitur, pengesanan tahap mengantuk&#xD;
pemandu, mekanisma memberi amaran secara atas talian dan sistem pemantau jarak&#xD;
jauh. Pada peringkat pemerolehan data, sebuah kamera laman Logitech QuickCam®&#xD;
Pro 4000 digunakan untuk merakam irnej dan pengekod kuadratur optikal&#xD;
dipasangkan kepada roda stereng sebagai penderia anjakan stereng. Nilai kadar&#xD;
balikan stereng (SRR) adalah parameter yang diukur dari bacaan anjakan stereng.&#xD;
Manakala, parameter yang diekstrak daripada kamera laman adalah peratus penutupan&#xD;
mata pada bingkai masa tertentu atau lebih dikenali sebagai PERCLOS serta&#xD;
pergerakan kepala pada paksi-x (HMx) dan paksi-y (HMy ). Imej dari kamera dituras&#xD;
rnenggunakan penuras Gaussian. Ia dikenakan nilai ambang menggunakan fungsi&#xD;
korelasi tak lelurus ruang warna Merah-Hijall-Biru (Red-Green-B/I/e, RGB) untuk&#xD;
mengecam wama kulit rnuka. Kedudukan kepala pula dianggar secara adaptif dari&#xD;
imej yang tinggal menggunakan kaedah momen. Dari anggaran kawasan kepala,&#xD;
ukuran pergerakan kepala dan nilai penutupan kelopak mata dapat diukur. Parameter&#xD;
luaran lain yang digunakan adalah i)Masa memandu (TOD) yang mana berkait dengan&#xD;
prestasi pemanduan disebabkan kitar sirkadian badan manusia dan ii)Tempoh&#xD;
Memandu (POD), di mana dianggap sebagai masa memandu pemandu tanpa berehat.&#xD;
Di dalam kajian ini, pembangunan sistem pakar tertumpu kepada pembangunan&#xD;
pangkalan pengetahuan yang mengandungi fakta interaksi pemanduan kepada&#xD;
beberapa sifat dan hubungannya dengan tahap mengantuk. Rangkaian neural&#xD;
perambatan belakang digunakan untuk melatih dan menilai tahap mengantuk sebagai&#xD;
keluaran dan sirat yang diekstrak sebagai input. Tiga modul yang dibangunkan dalam&#xD;
sistem ini adalah: i) Sistem Latihan dan Pemantauan Kecergasn Pemandu (DFMTS),&#xD;
di mana digunakan untuk mengumpul data kasar, mengekstrak parameter serta&#xD;
pembangunan struktur rangkaian neural dan pangkalan data; ii ) Sistem Pemantauan&#xD;
Kecergasan Pemandu (DFMS) yang digunakan untuk memantau kadar mengantuk&#xD;
pemandu secara aktif semasa memandu dan mengambil langkah langkah pembetulan&#xD;
yang sewajarnya dan iii) Sistem Kawalan Sepusat Pemandu (DMC) yang digunakan&#xD;
untuk mengumpul kadar mengantuk dan lokasi kenderaan yang memasang DFMS.&#xD;
Lokasi kenderaan diperolehi dari Sistem Penentududukan Sejagat (GPS) yang&#xD;
di pasangkan pada komputer di papan pemuka kenderaan yang merupakan antaramuka&#xD;
ulama DFMS. Komunikasi antara DFMS dan DMC dilakukan melalui Sistem Pesanan&#xD;
Ringkas (SMS). Sistem yang telah dibangunkan berupaya untuk mengenalpasti&#xD;
keadaan pemandu mengantuk dengan nilai ralat punca min kuasa 0.067.</description>
      <pubDate>Thu, 09 Nov 2006 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://ptsldigital.ukm.my/jspui/handle/123456789/776220</guid>
      <dc:date>2006-11-09T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Rangkaian pembelajaran mendalam berbilang skala untuk pengecaman emosi berdasarkan riak wajah mikro</title>
      <link>https://ptsldigital.ukm.my/jspui/handle/123456789/773298</link>
      <description>Title: Rangkaian pembelajaran mendalam berbilang skala untuk pengecaman emosi berdasarkan riak wajah mikro
Authors: Marzuraikah Mohd Stofa, (P109858)
Abstract: Emosi merupakan keadaan mental dan fisiologi yang boleh dicirikan melalui pelbagai&#xD;
tingkah laku, pemikiran, tindakan dan perasaan. Terdapat beberapa kaedah untuk&#xD;
berkomunikasi secara bukan lisan, di mana riak wajah mikro adalah salah satu cara&#xD;
semula jadi untuk manusia menyampaikan emosi yang bukan dibuat-buat. Riak wajah&#xD;
mikro terbentuk daripada pergerakan muka yang halus, yang sukar dikecam disebabkan&#xD;
perubahan pergerakan otot yang minimum. Secara umumnya, riak wajah emosi yang&#xD;
dipaparkan oleh wajah manusia boleh dibahagikan kepada enam kategori: gembira,&#xD;
sedih, jijik, marah, takut, dan terkejut. Baru-baru ini, pendekatan pembelajaran&#xD;
mendalam melalui rangkai neural konvolusi (CNN) telah digunakan untuk mengecam&#xD;
emosi secara automatik, tetapi prestasi kejituan sistem berkurangan apabila imej input&#xD;
masukan yang terdiri daripada pelbagai saiz digunakan. Oleh itu, seni bina rangkaian&#xD;
yang lebih baik untuk pengkelasan emosi diperlukan untuk mengatasi isu berbilang&#xD;
skala ini. Justeru itu, objektif utama penyelidikan ini adalah untuk membangunkan&#xD;
algoritma pengecaman emosi melalui riak wajah mikro menggunakan kaedah&#xD;
pembelajaran mendalam berbilang skala. Terdapat tiga objektif khusus yang akan dikaji&#xD;
iaitu 1) membangunkan modul asas CNN yang padat, 2) mengkaji keberkesanan&#xD;
pendekatan modul berbilang skala pengumpulan piramid ruangan (SPP) dan&#xD;
pengumpulan piramid ruangan terdilat (ASPP) untuk diaplikasikan ke dalam algoritma&#xD;
pengecaman emosi melalui riak wajah mikro, dan 3) menganalisis keberkesanan aliran&#xD;
rangkaian secara terus dan air terjun. SPP merupakan rangkaian cabang selari yang&#xD;
mengekstrak ciri berbilang skala melalui operasi pengumpulan bawah berturut-turut,&#xD;
manakala ASPP mengekstrak ciri berbilang skala daripada sekumpulan konvolusi&#xD;
terdilat dengan pelbagai kadar pengembangan. Modul ini akan diintegrasikan ke dalam&#xD;
model CNN asas yang teroptimum yang terdiri daripada lima lapisan konvolusi, tiga&#xD;
lapisan pengumpulan dan tiga lapisan sambung-penuh. Terdapat empat seni bina&#xD;
berbilang skala baharu yang diperkenalkan yang dinamakan sebagai: Direct Spatial&#xD;
Pyramid Pooling (DSPP-Net), Direct Atrous Spatial Pyramid Pooling (DASPP-Net),&#xD;
Waterfall Spatial Pyramid Pooling (WSPP-Net) and Waterfall Atrous Spatial Pyramid&#xD;
Pooling (WASPP-Net). Model ini digunakan untuk membandingkan keberkesanan&#xD;
modul berbilang skala termasuk modul SPP, ASPP, rangkaian aliran terus dan air terjun.&#xD;
Seni bina yang dicadangkan diuji terhadap tiga pangkalan data terbuka: CASME II,&#xD;
SAMM dan SMIC. Untuk kesemua rangkaian yang diuji, kaedah pengoptimuman&#xD;
Adam, yang dimulakan dengan kadar pembelajaran 0.0001 digunakan untuk proses&#xD;
kemaskini parameter dengan jumlah maksimum epok sebanyak 500 kitaran, di mana&#xD;
prestasinya diukur melalui dua metrik iaitu kejituan dan Skor F1. Berdasarkan&#xD;
keputusan eksperimen, varian CNN yang dicadangkan dengan modul SPP&#xD;
diintegrasikan dengan lima cabang selari menggunakan aliran rangkaian terus yang&#xD;
ditempatkan selepas lapisan kedua menghasilkan prestasi cemerlang dengan nilai&#xD;
kejituan dan Skor F1 masing-masing sebanyak 79.74% dan 66.49%. Nilai prestasi yang&#xD;
dilaporkan merupakan nilai prestasi purata yang diuji terhadap set data gabungan&#xD;
daripada ketiga-tiga pangkalan data. Walau bagaimanapun, keputusan yang&#xD;
ditunjukkan oleh varian CNN yang menggunakan aliran rangkaian air terjun terhadap&#xD;
modul ASPP menghasilkan kejituan terbaik sebanyak 80.5% dan skor F1 sebanyak&#xD;
70.75%. Kesimpulannya, kajian ini telah membangunkan beberapa seni bina CNN&#xD;
berprestasi baik untuk mengkelaskan emosi secara automatik berdasarkan isyarat riak&#xD;
wajah mikro.
Description: Full-text</description>
      <pubDate>Tue, 03 Jan 2023 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://ptsldigital.ukm.my/jspui/handle/123456789/773298</guid>
      <dc:date>2023-01-03T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Penggunaan hidrolisat serat tandan kosong kelapa sawit sebagai sumber karbon dalam fermentasi biohidrogen</title>
      <link>https://ptsldigital.ukm.my/jspui/handle/123456789/563459</link>
      <description>Title: Penggunaan hidrolisat serat tandan kosong kelapa sawit sebagai sumber karbon dalam fermentasi biohidrogen
Authors: Chong Poh She (P58273)
Abstract: Penghasilan biohidrogen berkembang pesat kerana gas hidrogen adalah bahanapi bertenaga tinggi dengan produk sampingan pembakaran tanpa karbon dan mesra alam. Aktiviti penyelidikan dalam penghasilan biohidrogen menggunakan serat tandan kosong kelapa sawit, STKKS sebagai sumber substrat jarang diterokai dan kajian ini berpotensi untuk mengatasi kekurangan sumber biofuel yang mesra alam. Objektif kajian ini ialah membangunkan proses rawatan biojisim STKKS, menentukan parameter utama yang mempengaruhi fermentasi hidrogen dan masa tahanan yang terbaik untuk fermentasi hidrogen selanjar. Peringkat pertama dalam kajian ini, proses pra-rawatan sulfurik asid cair telah diuji ke atas STKKS bagi meningkatkan kebolehan penguraian hemiselulosa dari struktur lignoselulosa biojisim kepada bentuk sakarida yang lebih ringkas, seperti xilosa dan glukosa dan seterusnya hidrolisat ini digunakan sebagai sumber karbon dalam fermentasi biohidrogen. Dari ujikaji, keadaan pra-rawatan asid yang paling optimum dengan penghasilan jumlah gula sebanyak 78.51 % gxilosa/gxilosa diperolehi pada kepekatan asid 6 % berat/isipadu selama 15 minit dan suhu 120 ˚C. Seterusnya, tindak balas hidrolisis berenzim ke atas reja STKKS telah dikaji dengan menggunakan 84.49 U/mg enzim Celluclast dalam 5% berat/isipadu campuran kandungan STKKS pada suhu 50 ˚C selama 72 jam. Keputusan hidrolisis enzim memberikan penguraian gula sebanyak 24.39% gglukosa/gglukosa, manakala, proses hidrolisis ke atas STKKS mentah hanya menghasilkan penguraian gula 10.42 % gglukosa/gglukosa sahaja. Peringkat kedua melibatkan kajian prestasi fermentasi penghasilan biohidrogen menggunakan hidrolisat dari proses rawatan asid dimulai dengan mengubah kesan pH awal medium fermentasi ( dalam julat pH 4 - 8 ) dan kepekatan awal substrat gula ( di antara 2.5 - 25 g/l ) dan dieram pada suhu 35 ˚C selama 24 jam. Dari keputusan, didapati parameter keadaan awal fermentasi yang terbaik adalah pH 7 dan kepekatan substrat 5 g/l dengan penghasilan biohidrogen yang tertinggi iaitu 0.460 ± 0.02 ml/ml medium. Kemudian, pengoptimuman fermentasi penghasilan biohidrogen telah dijalankan pada pH kawalan ( dalam julat pH 5 - 7 ) dan kepekatan awal substrat ( 5 - 25 g/l ) dieram dalam keadaan sama seperti ujikaji terdahulu. Keputusan data profil penghasilan hidrogen telah dianalisis dengan menggunakan model terubahsuai Gompertz. Penghasilan tertinggi biohidrogen telah dicapai pada pH kawalan 5.5 dan kepekatan gula 5 g/l iaitu dengan nilai pekali Pmax dan Rmax masing-masing 350.1 mL dan 28.1 ml/jam. Nilai hasil hidrogen (YP/S) yang tertinggi yang diperolehi adalah 1.91 molH2/molxilosa. Perbandingan fermentasi menggunakan hidrolisat enzim juga dibuat dan didapati nilai Pmax 345.8 mL dan Rmax 16.8 ml/jam telah dicapai. Di akhir peringkat kajian, larian fermentasi hidrolisat asid secara selanjar telah dikaji dengan mengubah parameter masa tahanan hidraulik (HRT) terhadap penghasilan biohidrogen. Hasil kajian ini mendapati, kadar penghasilan biohidrogen yang tertinggi iaitu 52.21 mmol/L/hari telah diperolehi pada HRT 3 jam dengan operasi yang berjalan selama 15 hari. Oleh itu, fermentasi biohidrogen menggunakan hidrolisat STKKS sebagai substrat merupakan keadah yang amat berpotensi dan berdaya saing dengan sumber substrat yang lain.,Master/Sarjana</description>
      <pubDate>Wed, 01 Jan 2014 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://ptsldigital.ukm.my/jspui/handle/123456789/563459</guid>
      <dc:date>2014-01-01T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Resapan unsur pada pensinteran untuk aloi Ti-10%at.Mo-10%at.Cr</title>
      <link>https://ptsldigital.ukm.my/jspui/handle/123456789/475868</link>
      <description>Title: Resapan unsur pada pensinteran untuk aloi Ti-10%at.Mo-10%at.Cr
Authors: Eko Kurniawan (P64589)
Description: Titanium dan aloi titanium digunakan secara meluas dalam bidang aeroangkasa dan perubatan dalam tahun-tahun kebelakangan ini kerana ianya memiliki sifat mekanik yang bagus, bioserasi dan rintangan kakisan yang sangat baik. Kaedah metalurgi serbuk telah digunakan untuk mereka bentuk aloi Ti kerana ia boleh membuat komponen dengan kos yang rendah dan menghasilkan bentuk hampir siap (near-net shape). Dalam kaedah metalurgi serbuk, pensinteran adalah salah satu operasi utama kerana semasa inilah berlakunya resapan unsur-unsur, pembentukan fasa dan mikrostruktur aloi. Walaupun resapan adalah salah satu faktor penting pada pensinteran ianya merupakan fenomena yang sangat rumit. Oleh itu, pendekatan berangka telah dilaksanakan untuk menganalisis proses resapan yang meningkatkan pengangkutan atom unsur pada sempadan ira. Objektif utama kajian ini adalah untuk menjalankan penilaian kuantitatif bagi mengkaji resapan unsur-unsur semasa pensinteran menggunakan pendekatan eksperimen dan berangka. Uji kaji telah dijalankan untuk mendapatkan data yang digunakan sebagai parameter dan pembolehubah untuk analisis. Aloi Ti-10%at.Mo- 10%at.Cr telah direka bentuk menggunakan pengadun unsur metalurgi serbuk (BEPM). Dua operasi utama: pensinteran dalam keadaan vakum pada suhu 1300 0C (1573 K) dengan pelbagai masa pensinteran dan penyejukan relau pada 0.23 K/s, telah dijalankan untuk menyelidiki tingkah laku pengaloian dan perubahan mikrostruktur. Selain itu, kaedah berangka juga dijalankan untuk menganalisis resapan unsur bagi mengkaji dengan lebih lanjut tingkah laku pengaloian. Kaedah yang dicadangkan untuk meramal resapan unsur dilakukan melalui pengiraan jarak resapan semasa pensinteran dan penyejukan relau, resapan sempadan ira dan model perjalanan rawak. Analisis berangka dikira berdasarkan kaedah perbezaan terhingga dan unsur terhingga. Mikrostruktur sampel dalam masa pensinteran yang pendek menunjukkan struktur bulatan cerah, struktur ira sama dimensi, struktur seperti jarum dan liang. Namun, struktur bulatan cerah semakin hilang dan saiz ira purata meningkat ketika masa pensinteran dipanjangkan kerana berlakunya resapan unsur dalam isipadu dan sempadan ira. Unsur Mo diperkaya dalam bulatan cerah mencadangkan struktur bulatan cerah adalah zarah Mo yang tidak larut. Secara khususnya struktur bulatan cerah telah diperkaya oleh zarah Mo tetapi pada mikrostruktur lain semua unsur-unsur telah teragih seragam. Belauan sinar-X menunjukkan bahawa struktur plat terdapat dalam ira yang terdiri daripada fasa α + β, yang mana fasa α telah dibentuk semasa penyejukan relau. Keputusan eksperimen menunjukkan bahawa resapan semua unsur meningkat dengan peningkatan masa pensinteran pada suhu yang tinggi, yang mendorong kepada pembentukan fasa β. Keputusan berangka menunjukkan bahawa jarak resapan unsur pada pensinteran lebih besar daripada penyejukan relau. Tambahan pula, pengiraan menggunakan resapan sempadan ira dan model perjalanan rawak, masing-masing menunjukkan bahawa kepekatan unsur terhadap jarak resapan dan penyebaran zarah telah meningkat dengan peningkatan masa pegangan sesuhu pada pensinteran. Hasil analisis berangka menunjukkan bahawa Mo mempunyai pekali resapan yang lebih rendah sehubungan itu ianya mempunyai jarak resapan dan taburan yang paling rendah berbanding dengan Ti dan Cr. Sifat-sifat aloi juga mengalami peningkatan dengan nilai kekerasan (HV) 382 dan ketumpatan relatif 98.9% yang disebabkan oleh berkurangnya baki keliangan. Keputusan ini menunjukkan bahawa tingkah laku pengaloian berlaku semasa pensinteran dan boleh dikawal dengan resapan unsur Mo.,Sarjana Sains,Salinan lembut tidak boleh dimuat naik</description>
      <pubDate>Wed, 07 Aug 2019 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://ptsldigital.ukm.my/jspui/handle/123456789/475868</guid>
      <dc:date>2019-08-07T00:00:00Z</dc:date>
    </item>
  </channel>
</rss>

