ГІБРИДНІ ПІДХОДИ ДО ОБРОБКИ СЕНСОРНИХ ДАНИХ З МОБІЛЬНИХ ПРИСТРОЇВ: КЛАСИЧНІ АЛГОРИТМИ ТА МАШИННЕ НАВЧАННЯ

Юрій Духнов; Ігор Мич

doi:10.36074/logos-04.04.2025.043

Physics and Mathematics

April 4, 2025; Paris, France: VIII International Scientific and Practical Conference «DÉBATS SCIENTIFIQUES ET ORIENTATIONS PROSPECTIVES DU DÉVELOPPEMENT SCIENTIFIQUE»

ГІБРИДНІ ПІДХОДИ ДО ОБРОБКИ СЕНСОРНИХ ДАНИХ З МОБІЛЬНИХ ПРИСТРОЇВ: КЛАСИЧНІ АЛГОРИТМИ ТА МАШИННЕ НАВЧАННЯ

Юрій Духнов ⁺⁻
Ігор Мич ⁺⁻

DOI: https://doi.org/10.36074/logos-04.04.2025.043
Published: 11.05.2025

Abstract

У сучасному технологічному середовищі сенсори відіграють ключову роль у зборі даних для різноманітних систем, починаючи від медичних приладів та мобільних пристроїв, до промислових контролерів та автономного транспорту [1]. Вони забезпечують безперервне спостереження за навколишнім середовищем, станом об'єктів та фізіологічними параметрами, генеруючи значні обсяги інформації, які потребують ефективної обробки.

References

Chen, M., Ma, Y., Song, J., Lai, C.F., & Hu, B. (2016). Smart clothing: Connecting human with clouds and big data for sustainable health monitoring. Mobile Networks and Applications, 21(5), 825–845.
Haykin, S. (2001). Kalman Filtering and Neural Networks. Wiley.
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press.
García, S., Luengo, J., & Herrera, F. (2015). Data Preprocessing in Data Mining. Springer.
Shin, S. Y., Hwang, K., & Choi, J. (2017). Real-time sensor data filtering using a hybrid Kalman and median filter for wearable devices. Sensors, 17(12), 2851.
Zhao, Y., Zhang, Y., & Song, J. (2015). Anomaly detection and correction of sensor data in cyber-physical systems. IEEE Transactions on Industrial Informatics, 12(5), 1820–1830.

Download the paper

PDF

Downloads

Download data is not yet available.

Search for Paper in

How to Cite

Духнов , Ю., & Мич , І. (2025). ГІБРИДНІ ПІДХОДИ ДО ОБРОБКИ СЕНСОРНИХ ДАНИХ З МОБІЛЬНИХ ПРИСТРОЇВ: КЛАСИЧНІ АЛГОРИТМИ ТА МАШИННЕ НАВЧАННЯ. Collection of Scientific Papers «ΛΌГOΣ», (April 4, 2025; Paris, France), 238–244. https://doi.org/10.36074/logos-04.04.2025.043

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

Most read articles by the same author(s)

Юрій Духнов , Ігор Мич , ВИКОРИСТАННЯ АЛГОРИТМІВ АЛГЕБРИ ЛОГІКИ, ІНТЕРПОЛЯЦІЇ ТА ФІЛЬТРУВАННЯ ДЛЯ ОПТИМІЗАЦІЇ ВХІДНИХ ДАНИХ З СЕНСОРІВ ПОКРАЩЕННЯ ТОЧНОСТІ ТА НАДІЙНОСТІ ОБЧИСЛЮВАЛЬНИХ РЕЗУЛЬТАТІВ , Collection of scientific papers «ΛΌГOΣ»: March 29, 2024; Cambridge, UK: VI International Scientific and Practical Conference «EDUCATION AND SCIENCE OF TODAY: INTERSECTORAL ISSUES AND DEVELOPMENT OF SCIENCES»

[1] Chen, M., Ma, Y., Song, J., Lai, C.F., & Hu, B. (2016). Smart clothing: Connecting human with clouds and big data for sustainable health monitoring. Mobile Networks and Applications, 21(5), 825–845.

[2] Haykin, S. (2001). Kalman Filtering and Neural Networks. Wiley.

[3] Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.

[4] Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.

[5] Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press.

[6] García, S., Luengo, J., & Herrera, F. (2015). Data Preprocessing in Data Mining. Springer.

[7] Shin, S. Y., Hwang, K., & Choi, J. (2017). Real-time sensor data filtering using a hybrid Kalman and median filter for wearable devices. Sensors, 17(12), 2851.

[8] Zhao, Y., Zhang, Y., & Song, J. (2015). Anomaly detection and correction of sensor data in cyber-physical systems. IEEE Transactions on Industrial Informatics, 12(5), 1820–1830.