open pdf form itextsharp c# : How to erase text in pdf file application control tool html web page windows online Proceedings_ICDD201512-part1612

Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
The ports on the Galileo board are used as follows: 
Ports 6,7,8 digital ports used to open door 
Port 2 digital port for movement sensor 
Port 13 digital output for plug on/off control 
Ports 9,10,11 analog output ports for rgb lighting 
Port A0 analog input port for current intensity 
Port 12 digital input for door open sensor 
External commands for the Room Controller received over a  Socket and the functionality they 
provide:  
Sending 1-    Opens door 
Sending 2-    Asks Door Status 
Sending 3-    Sends Light Control (expects 3integer values for red green and blur) 
Sending 4-    Turns on the Smart Plug 
Sending 5-    Turns of the Smart Plug 
Sending 6-    Checks Smart Plug Status 
Sending 7-    Reads Current Sensor 
We can now outline a schematic of the interaction protocol between the mobile device, the server 
and the room controller (see figure 4 for the sequence diagram[13]). We identify three types of 
interactions:  i) mobile->server  interactions,  ii) mobile->room  controller  interactions  via server 
and iii) room controller -> server interactions. 
Fig. 4. Interactions Schematic 
i) 
ii) 
iii) 
Mobile 
device 
Server 
Room Controller 
Login, Register, alarmOff 
response 
Room 
control 
Controller command 
response 
response 
Access notification 
120
How to erase text in pdf file - delete, remove text from PDF file in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Allow C# developers to use mature APIs to delete and remove text content from PDF document
erase text from pdf; how to delete text from a pdf in acrobat
How to erase text in pdf file - VB.NET PDF delete text library: delete, remove text from PDF file in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
VB.NET Programming Guide to Delete Text from PDF File
how to erase in pdf text; remove text from pdf online
Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
2.2 Hardware room controls
In this section we present the individual hardware designed and implemented in order to provide 
the required functionality. 
2.2.4 Door 
Pressing the "Open Door" button in the mobile app invokes to the central server via wifi which in 
turn sends an Ethernet packet to the room controller that opens the door. 
We built an automatic door that also has a normal metal key in case of blackouts (see figure 6). 
We used a relay to operate the door. We also connected a 5V output port on the door lock and an 
input port on the door frame so we can detect when the door is shut. 
Fig. 5 Schematic of the relay 
Fig.6 Demo door 
121
C# PDF Text Redact Library: select, redact text content from PDF
application. Free online C# source code to erase text from adobe PDF file in Visual Studio. NET class without adobe reader installed.
acrobat delete text in pdf; how to remove highlighted text in pdf
C# HTML5 Viewer: Load, View, Convert, Annotate and Edit PDF
logo to PDF document, you and load and save it to current PDF file. Redact tab on viewer empower users to redact and erase PDF text, erase PDF images and erase
how to delete text in pdf acrobat; remove text from pdf preview
Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
In the figure above: COM goes to one of the leads from the lock, NO/NC stands for normally 
open/closed and requires a 12V DC 2A source of power, EN is connected to a port on the Galileo 
board and GND is connected to a ground port on the Galileo. 
2.2.5 RGB Lighting 
RGB  LEDs  can  emit  any  color  of  light  the  users  desire  depending  on  three  analog  0.12V 
command circuits. This allows the user to set the mood in the hotel room as he desires. The user 
can choose any color using the android app where he sets 3 different values for the Red, Green 
and Blue hues. The preferred colors can also be saved on the Server. This command can be given 
via internet from virtually anywhere. The RGB LED strip, we used requires a 12V DC 2A power 
source so we had to build a command circuit for it.  
The  RGB  LEDs  are  controlled  by  the  3  analog  pins  from  the  Galileo  board  (0-5V)  using  3 
transistors as shown in figure 7. The analog output pins 9, 10, 11 are connected to the Pulse-Width 
Modulation  for  Red(PWMR),  Pulse-Width  Modulation  for  Green(PWMG)  and  Pulse-Width 
Modulation for Blue(PWMB) ports of the circuit. The optocoupler is necessary because it protects 
the Galileo 5v command circuit from 12V surges from the RGB LED strip. 
Fig. 7 Command circuit for RGB LED strip 
2.2.6 Plug 
The smart plug functionality allows the user to turn a device connected to it on or off by pressing 
the SmartPlug button on the android app (see figure 3). The app will send a message to the central 
server via WiFi which will send a signal to the Galileo and activate or deactivate the relay (see 
figure 8). By using a current sensor the SmartPlug can read how much current is being used. We 
use  the  ACS712  5A  current sensor which  uses  the  Hall-Effect  to  measure how  much  current 
passes through it. In order to control the power plug we use a relay much like the ones used for 
the door. Both the relay and the sensor are connected in series with the power plug. 
122
C# WPF Viewer: Load, View, Convert, Annotate and Edit PDF
Insert text box to PDF file. • Draw markups to PDF document. PDF Protection. • Add signatures to PDF document. • Erase PDF text. • Erase PDF images.
how to erase pdf text; acrobat remove text from pdf
C# WinForms Viewer: Load, View, Convert, Annotate and Edit PDF
Add text box to PDF file in preview. • Draw PDF markups. PDF Protection. • Sign PDF document with signature. • Erase PDF text. • Erase PDF images.
remove text watermark from pdf online; how to erase text in pdf online
Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
Fig. 8 Smart plug schematic 
2.2.7 Motion Sensor 
Movement detection sets off a notification, it is up to the user to decide if it is an emergency. This 
functionality is provided by the server which decides if the PIR going off is a bad thing and the 
staff needs to be notified. The room controller will read input from the PIR and forward it to the 
server via the alarm service when presence is detected regardless of server settings so that the 
server can log it. The PIR sensor needs 12V and 1A to be powered on and a 3.5 V 1A for the 
inbuilt relay that sends the information to the server. 
Fig. 9 The PIR sensor 
123
C# HTML5 PDF Viewer SDK to view, annotate, create and convert PDF
Able to protect PDF document from editing, printing, copying and commenting by setting PDF file permissions. Help C# users to erase PDF text content, images and
how to delete text in pdf using acrobat professional; how to edit and delete text in pdf file
C# PDF Image Redact Library: redact selected PDF images in C#.net
call our image redaction API to redact PDF images. as text redaction, you can specify custom text to appear How to Erase PDF Images in .NET Using C# Class Code.
delete text pdf acrobat professional; online pdf editor to delete text
Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
References 
[1] Philips's Hue reference, accessed February 2015 
http://www.usa.philips.com/e/hue/hue.html 
[2] The Belkin WeMo Switch + Motion reference , accessed February 2015 http://www.belkin.com/us/p/P-
F5Z0340/ 
[3] SmartThings reference, February 2015 
http://www.smartthings.com/ 
[4] Smart Room Control Solution by Distech Controls reference, accessed February 2015 
http://www.distech-controls.com/en/csa/products/smart-room-control-solution/ 
[5] Control4 from Exzel Smart Home reference, accessed February 2015  
http://www.exzelsmarthome.com/products/homecontrol/index.html 
[6] MySql refference manual http://dev.mysql.com/doc/refman/5.7/en/ accessed June 2014 
[7] Windows 8 User manual , accessed June 2014, http://www.microsoft.com/en-
us/download/details.aspx?id=39055  
[8] Intel Galieo online manual, accessed June 2014, http://www.intel.com/content/www/us/en/do-it-
yourself/galileo-maker-quark-board.html  
[9] Yocto Linux documentation, accessed June 2014  https://www.yoctoproject.org/documentation  
[10] Apache Tomcat Server documentation http://tomcat.apache.org/tomcat-7.0-doc/  
[11] Android Developer Manual http://developer.android.com/ , accessed June 2014 
[12] Schneier on Security: Cryptanalysis of SHA-1, accessrd June 2014 
https://www.schneier.com/blog/archives/2005/02/cryptanalysis_o.html  
[13] Unified Modeling Language User Guide, The (2 ed.). Addison-Wesley. 2005. p. 496. ISBN 
0321267974.  
[14] Ian F. Darwin : Java Cookbook, 3rd Edition, ISBN 978-1-4493-3704-9, publisher O'Reilly Media, 
2014 
[15] Thomas H. Cormen, Clifford Stein, Ronald L. Rivest, and Charles E. Leiserson. 2001.Introduction to 
Algorithms (2nd ed.). McGraw-Hill Higher Education. 
[16] Leonard Richardson, Sam Ruby: RESTful Web Services Web services for the real world, ISBN: 978-
0-596-52926-
0, publisher O’Reilly Media, 2007
Mitrica Alexandru 
University of Craiova 
Department of computers and 
information technology  
Blvd. Decebal nr. 107, Craiova  
Romania 
E-mail: alexmitrica@yahoo.com 
Sperila Alecsandru 
University of Craiova 
Department of computers and 
information technology  
Blvd. Decebal nr. 107, Craiova 
Romania 
E-mail:sperila.alecsandru@gmail.com 
Sorin Ilie 
University of Craiova 
Department of computers and 
information technology  
Blvd. Decebal nr. 107, Craiova 
Romania 
E-mail:ilieviorelsorin@gmail.com 
124
How to C#: Special Effects
Erase. Set the image to current background color, the background color can be set by:ImageProcess.BackgroundColor = Color.Red. Encipher.
delete text from pdf file; how to delete text in a pdf acrobat
Customize, Process Image in .NET Winforms| Online Tutorials
Include crop, merge, paste images; Support for image & documents rotation; Edit images & documents using Erase Rectangle & Merge Block function;
delete text from pdf with acrobat; erase text in pdf document
Fifth International Students Conference on Informatics 
Imagination, Creativity, Design, Development 
ICDD 2015, May 21-23 
Sibiu, Romania 
Playing Hex with Monte Carlo simulation 
Nikola Radovic, Ljubomir Raicevic 
Teacher Coordinator: Milan Tuba
Abstract 
The goal of this paper is to show that Monte Carlo simulation can be used to play zero-sum board 
games, with application to Hex. Additionally, we wish to measure two properties of this approach: 
what is the minimum number of Monte Carlo repetitions after which benefits are negligible, and 
second, does making a game tree with Monte Carlo simulation as evaluation function perform better 
than the naive approach, and if it does, by how much. 
 Introduction 
In section 1.1 we discuss the motivation for using Monte Carlo simulation in the game of Hex. In 
section 1.2 rules of the game and some history are presented. In section 1.3 we give an overview 
of  Monte  Carlo  in  general.  Section  2  explains  some  of  the  choices  we  made  during 
implementation and experimental phases. Section 3 and the sub-sections present the quality of the 
Monte Carlo Hex player, reasonable values for Monte Carlo repetitions and benefits of using a 
game tree, through experimental data. Section 4 discusses limitations of this approach and future 
work.
1.1 Motivation 
Monte Carlo has been used with great success in many applications. The main advantage of using 
Monte Carlo in this setting is that besides the basic dynamics of the game (i.e. players take turns, 
only one tile can  be marked per move  etc) basically  no domain knowledge  about the game is 
necessary, and therefore it could easily be implemented for other similar games, or any decision 
making process which can be modeled in a similar fashion. 
1.2 About Hex Board Game 
Hex is a zero-sum board game, in which two players take turns in making moves. It was invented 
in 1942 by Piet Hein and it was independently reinvented and studied in 1947 by John Nash. [2] 
Board on which the game is played is rhomboid in shape and is composed of hexagonal tiles with 
the same number  of rows and columns. Traditionally, Hex is played on boards of size 11x11, 
13x13 or larger. 
At each turn, player marks a single empty tile by placing a mark, or more traditionally a stone, 
making  the  tile  occupied.  After  a  tile  gets  occupied,  the  mark  cannot  be  removed  and  no 
additional marks can be put on the tile. This limits the maximum number of moves in a game to 
125
.NET Imaging Processing SDK | Process, Manipulate Images
Provide basic transformation functions, like Crop, Rotate, Resize, Flip and more; Basic image edit function support, such as Erase Rectangle, Merge Block, etc.
how to delete text in pdf file online; delete text pdf files
Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
the number of tiles on the board. First player’s goal is to connect the two vertical edges of the 
board by a path of tiles marked with his marks. The second player has the same goal with the two 
horizontal edges. When one of the players achieves this, the game ends.` 
Figure 1. Game won by the second player. 
Since the first player has great advantage to the second player [2], pie rule is used. According to 
the pie rule, the second player can choose to switch positions after the first move has been played. 
This removes the first player’s advantage. 
One of the properties of the game of Hex is that there are no ties [1]. The game can end before the 
maximum number of moves has been played if one of the players connects their respective board 
edges by a path of marks. The alternative is to play the maximum number of moves, in which case 
a single winning path - from the top to the bottom, or from the left to the right - is formed. More 
generally, any  random  permutation with appropriate  proportion  of marks  for  the  first  and the 
second player that  covers the entire board will result in a winning path. This property will be 
important in the implementation of Monte Carlo simulation Hex player, since it greatly simplifies 
the process of evaluation of potential moves. 
1.3 Monte Carlo Simulation Method 
Monte Carlo simulation method is model evaluation (simulation) method based on random sets of 
inputs. Two main aspects of usage are: simulation of models dependent on random factors and 
simulation of complex mathematical problems not dependent on random factors, but that could be 
simplified via probabilistic estimation. One of most famous usage example is estimating area of 
figure A within unit square, by randomly selecting N points, as ratio number of points within A to 
N. 
Idea  of  using  randomness  in  deterministic  models  first  appeared  in  18th  century,  as  part  of 
“Buffon's  needle”  method  for  evaluating  PI  number.  [3]  Officially,  Monte  Carlo  Simulation 
method is developed in 1940s by John von Neumann and Stanislav Ulam in Manhattan project. 
Appearance  of  computers  led  to  large  usage  in  variety  of  fields  such  as  risk  evaluation, 
weathercast prediction, random walk prediction, fluid dynamics and thermodynamics [5]. 
Monte Carlo simulation has three steps: create random input sets, evaluate model for each set and 
compute  statistic  of  interest.  Providing  uniform  distribution  of  input  sets  is  essential  part  of 
simulation and often most challenging for implementation. Main advantages of this approach are 
126
Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
its simplicity and speed as creating large number of pseudo random input sets is easily done by 
computers, and evaluating function is trivial in most cases. 
In two player deterministic games Monte Carlo Simulation can be as follows: find all possible 
moves  for player, evaluate  all  of  them using  Monte  Carlo simulation method  and choose  best 
evaluated. This approach can be extended with optimal move “search tree” where Monte Carlo 
simulation  is  used  for  evaluation  of  leaves.  This  version  of  algorithm  is  called  Monte  Carlo 
Search algorithm and is successfully used in games such as GO, Backgammon and Scrabble. [4] 
 Implementation Choices and Simplifications 
The main simplification that was made was not implementing the pie rule. Rationale behind this 
decision was that the pie rule only applies to the first move, and this decision - to switch or not - 
is  a  completely  different problem from  the  rest of  the  game, and  the  two should be analyzed 
separately.  Pie  rule  could  be  implemented  easily,  but  it  would  add  complexity  that  is  not 
necessary for the purposes of this paper. 
Naive Monte Carlo approach for deciding the best move for the player is given by the following 
simple algorithm: 
procedure MonteCarloNaive 
For each empty tile on the board do 
Place a temporary mark on the tile 
For i := 1 to N do 
Fill the rest of the board randomly 
If current player won then 
wins = wins + 1; 
Remove the random marks 
Remove the temporary mark from the tile 
end 
return tile with the highest number of wins 
This algorithm uses the fact that a completely filled board has exactly one winner. [1] It checks 
each of the next possible moves by generating N random outcomes of the game for each of them 
and chooses the one with the highest number of winning positions for the given player. Although 
these outcomes are random, and unlike games with real players, are not produced by intelligent 
decision making, they are a sufficient approximation of player’s chances of winning on a given 
board.  
Finally, all experimental data presented in this paper was gathered on 7x7 boards. This was done 
for simplicity and easy comparison, as well as shorter execution times, since execution time is 
superlinear with regard to board size. 
3 Experimental results 
3.1 Quality of Monte Carlo Simulation Hex Player 
The quality of the player was tested in two ways: by playing games against human players, and by 
playing  games  with  other  Monte  Carlo  players,  with  varying  number  of  repetitions  for  the 
opponents. 
When playing against human players, if the number of repetitions is set to 2500 or more, Monte 
Carlo player always wins. It is worth mentioning that none of the human players are expert Hex 
players, but this is definitely indicative of the quality of the Monte Carlo player. 
127
Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
Games involving two Monte Carlo players also show expected behaviour. Since pie rule was not 
implemented, first player has the advantage. Figure 2 shows the results of games played between 
different Monte Carlo players. 
first player
second player
# of games
1st player won
ratio
500
500
200
152
0.76
1000
1000
200
165
0.825
3000
3000
200
185
0.925
5000
5000
200
194
0.97
7000
7000
200
195
0.975
10000
10000
200
199
0.995
13000
13000
200
199
0.995
Figure 2. Results of games between two Monte Carlo players 
It is apparent that as the number of Monte Carlo repetitions increases, so does the ratio of first 
player’s wins to the total number of games played. 
Also, inspecting games move by move shows reasonable choices from both Monte Carlo players. 
3.2 Diminishing Returns in Monte Carlo Simulation Repetitions 
Naive  Monte  Carlo  search  algorithm  described  in  Section  2  will  perform  better  when  N, the 
number of repetitions, is higher. This is due to the fact that adding more repetitions is equivalent 
to sampling more future moves of both players. If every possible permutation could be explored, 
the  algorithm would be  completely  deterministic. Of  course,  this is prohibitively  expensive in 
terms of CPU time, and therefore the number of possible outcomes per move that gets sampled by 
the algorithm is much smaller than the number of all possible outcomes. However, the previous 
section shows that even this very limited sampling yields good results, and the following question 
can be posed: how many Monte Carlo repetitions are necessary so that increasing their number 
produces negligible benefits in terms of decision quality? 
Previous section shows that increasing the number of repetitions after 10000 does not improve 
player’s performance. Also choosing a number of repetitions below 500 leads to poor quality of 
moves chosen by Monte Carlo. 
When determining optimal number of Monte Carlo repetitions, the following procedure was used. 
Number of Monte Carlo simulation repetitions started from 500 and at each step was increased by 
5 percent. There were 62 such steps, and the greatest number of repetitions observed was 9813. In 
each  step  one  hundred  randomly  generated  boards  were  evaluated.  These  boards  are  chosen 
randomly for given number of moves played i.e. how many first and second player’s marks are 
there on the board. Same boards are evaluated at each step. Boards are evaluated as probability 
that player that made last move on board wins game. 
128
Fifth International Students Conference on Informatics 
ICDD 2015 
May 21-23, 2015, Sibiu, Romania 
Figure 3. Single board evaluated by different Monte Carlo players 
Figure  3.  shows  chart  for  a  typical  board.  Even  with  number  of  repetitions  below  1000  all 
probabilities are within 0.5% range. As number of repetitions grows variance of results decreases. 
For number of repetitions 3000 and greater probabilities are within range of 0.02%. 
# of  Monte Carlo repetitions
1000
3000
5000
# of move
goal prob
min
prob
max prob
stdev
mean
ratio
stdev
mean
ratio
stdev
mean
ratio
3
0.56902
0.56624
0.57270
0.00116
0.56988
0.15150
0.00077
0.56942
0.07051
0.00061
0.56892
0.01740
3
0.60952
0.60531
0.61216
0.00105
0.60774
0.29325
0.00078
0.60916
0.05991
0.00072
0.60928
0.04054
5
0.56644
0.56357
0.56864
0.00083
0.56632
0.02110
0.00059
0.56640
0.00742
0.00047
0.56589
0.09761
5
0.56086
0.55797
0.56455
0.00110
0.56045
0.07284
0.00090
0.56212
0.22362
0.00082
0.56013
0.12981
13
0.47075
0.46773
0.47198
0.00089
0.47065
0.02085
0.00083
0.46983
0.19503
0.00049
0.47058
0.03586
13
0.50621
0.50377
0.51005
0.00107
0.50656
0.07046
0.00081
0.50666
0.09014
0.00044
0.50687
0.13196
17
0.51385
0.50940
0.51741
0.00087
0.51378
0.01288
0.00070
0.51405
0.03982
0.00072
0.51350
0.06722
23
0.40901
0.40467
0.41204
0.00083
0.40814
0.21161
0.00057
0.40896
0.01281
0.00057
0.40882
0.04499
29
0.69701
0.69438
0.70005
0.00105
0.69745
0.06284
0.00077
0.69739
0.05508
0.00045
0.69679
0.03118
29
0.37759
0.37337
0.38058
0.00076
0.37568
0.50538
0.00063
0.37737
0.05775
0.00033
0.37692
0.17744
Figure 4. Statistical parameters for different Monte Carlo players 
129
Documents you may be interested
Documents you may be interested