binarization strategies for real-time applications and resource-limited environments استراتيجيات التحويل الثنائي للتطبيقات الفورية والبيئات محدودة الموارد Walaa Gomaa Ali Faramawy creator preparation. Mohamed Hesham Farouk thesis advisor. Ahmed Mohamed Elsheikh thesis advisor. Enas Hassan ElKhawas thesis advisor. text theses ua 2025 monographic eng ara 68 pages : illustrations ; 30 cm. + CD. This research addresses the challenges in estimating Remaining Useful Life (RUL) for equipment in physics and industrial systems, essential for ensuring reliability and safety. Traditional methods often suffer from large model sizes, high memory consumption, and slow inference speeds, which are impractical for real-time use and resource-constrained environments like Internet Of things (IoT) devices. Our study introduces innovative binarization techniques for recurrent neural networks to reduce model size and memory needs, improve green computing. The research balances computational efficiency with accuracy in RUL estimation, using a set of metrics including predictive accuracy, computational efficiency, memory reduction, and a scoring function that penalizes late predictions, crucial to preventing disasters in nuclear settings. يُعد تقدير عمر التشغيل الفعلي المتبقي بدقة أمرًا جوهريًا لضمان موثوقية المعدات، خاصة في الأنظمة النووية. تواجه النماذج التقليدية تحديات كضخامة الحجم، وبطء الاستدلال، وكثرة استهلاك الذاكرة، مما يحد من كفاءتها في البيئات محدودة الموارد. لمعالجة ذلك، تقترح هذه الدراسة تقنيات تحويل ثنائي داخل الشبكات العصبية المتكررة بهدف تقليل الحجم، وتسريع التنبؤ، وتحقيق كفاءة أعلى. تم تقييم النماذج باستخدام مقاييس تشمل وقت التدريب والاستدلال، تقليل الذاكرة، ودقة التنبؤ، مع التركيز على التوازن بين الكفاءة والدقة. طُبقت النماذج على بيانات واقعية لمحركات نفاثة، وأظهرت النتائج قدرتها على مواجهة التحديات بفعالية، مما يجعلها مناسبة للتطبيقات الحيوية التي تتطلب سرعة ودقة مع موارد محدودة. specialized by Walaa Gomaa Ali Faramawy ; Supervisors Prof. Dr. Mohamed Hesham Farouk, Dr. Ahmed Mohamed Elsheikh, Prof. Dr. Enas Hassan ElKhawas. Thesis (M.Sc)-Cairo University, 2025. Bibliography: pages 61-68. Issues also as CD. Text in English and abstract in Arabic & English. Engineering physics الرياضيات والفيزيقا الهندسية Prognostic Health Maintenance (PHM) Remaining Useful Life Time (RUL) Binarization Long Short Term Memory (LSTM) scoring function الصيانة الصحية التنبؤية العمر التشغيلي المتبقي 530.05 EG-GICUC 260502 20260502200753.0 eng