Архітектурна концепція моніторингової системи на основі нейронного модуля ІоТ аналітики даних

Автор(и)

  • I. Клименко КПІ ім. Ігоря Сікорського, Ukraine
  • А. Гайдай КПІ ім. Ігоря Сікорського, Ukraine
  • C. Нікольський КПІ ім. Ігоря Сікорського, Ukraine
  • В. Ткаченко КПІ ім. Ігоря Сікорського, Ukraine

DOI:

https://doi.org/10.20535/1560-8956.41.2022.271355

Ключові слова:

ІоТ, інтелектуальна ІоТ система, граничні обчислення, керування мікрокліматом, нейронна мережа, машинне навчання

Анотація

Об’єктом дослідження є процеси збирання та аналізу даних в інтелектуальних системах, які обумовлюють проблему підвищення ефективності обробки даних в режимі реального часу. Предметом дослідження є інтелектуальні системи IoT, розроблені на основі технологій граничних обчислень і засоби для підвищення ефективності функціонування систем IoT з використанням нейронних мереж та машинного навчання. Метою роботи є розроблення архітектурної концепції програмно-апаратних засобів з використанням модуля інтелектуальної ІоТ аналітики даних на границі
обчислень. Запропонована архітектурна концепція моніторингової системи сну людини, за рахунок використання навченої нейронної мережі для ІоТ аналітики даних дозволяє подолати обмеження ефективності обробки даних, та безпеки персональної інформації, а комбінація недорогого апаратного устаткування та доступної носимої електроніки спрямовані на зниження вартості доступність системи для широкого кола користувачів.

Бібл. 9, іл. 9.

Посилання

Neural network analysis of sleep stages enables efficient diagnosis of narcolepsy / Stephansen J.B., Olesen A.N., Olsen M. et al. // Nat Commun. – No.9, Vol. 5229. 2018. https://doi.org/10.1038/s41467-018-07229-3

Development of an IoT-Based Sleep Apnea Monitoring System for Healthcare Applications / Abdur Rab Dhruba, Kazi Nabiul Alam, Md Shakib Khan, Sami Bourouis, Mohammad Monirujjaman Khan // Comput Math Methods Med. – 2021. https://doi.org/10.1155/2021/7152576

IoT Healthcare: Design of Smart and Cost-Effective Sleep Quality Monitoring System / Khizra Saleem, Imran Sarwar Bajwa, Nadeem Sarwar, Waheed Anwar and Amna Ashraf // Journal of Sensors. – Vol. 2020, Article ID 8882378. https://doi.org/10.1155/2020/8882378

Nielsen M.A. Neural Networks and Deep Learning. – Determination Press, 2015. – p. 211. [Electronic resource] https://academia.edu

Ciresan D., Giusti A., Gambardella L., Schmidhuber J. Deep Neural Networks Segment Neuronal Membranes in Electron Microscopy Images: Part of Advances in Neural Information Processing Systems (NIPS 2012) // Edited by: F. Pereira and C.J. Burges, L. Bottou, K.Q. Weinberger. – 2012. [Electronic resource] https://papers.nips.cc/paper/2012

Biau G., Scornet E. A random forest guided tour // TEST. – Springer Link, 2016. – Vol. 25. – p. 197–227. https://doi.org/10.1007/s11749-016-0481-7

Yiu T. Understanding Random Forest. – 2019. – [Electronic resource] - https://towardsdatascience.com/understanding-random-forest-58381e0602d2

A Review of IoT Sensing Applications and Challenges Using RFID and Wireless Sensor Networks / H. Landaluce, L. Arjona, Perallos A., F. Falcone et al. // Sensor. – 2020. – No. 20, Vol. 2495. - 18 p. https://doi.org/10.3390/s20092495

Sensing, Controlling, and IoT Infrastructure in Smart Building: A Review / Verma A., Prakash S., Srivastava V., Kumar A., Muk S.C.// IEEE Sensors Journal. – Vol. 19 Issue: 20 – 2019. – p. 9036 – 9046. https://doi.org/10.1109/JSEN.2019.2922409

##submission.downloads##

Опубліковано

2022-12-01