Комбінована фільтрація даних з датчиків рівня пального на мобільних платформах із застосуванням класичних алгоритмів та LSTM-мережі
Анотація
Анотація. У статті розглядається проблема шумів та інерційних викривлень у сигналах з датчиків рівня пального на транспортних засобах. Запропоновано комбінований підхід, який по класичним методам згладжування (ковзне середнє, медіанна фільтрація) з глибинним навчанням на основі LSTM-мережі. Для формування еталонних даних використано як реальні, так і синтетично згенеровані приклади. Проведено експериментальний аналіз, який показав перевагу комбінованої моделі над традиційними алгоритмами за точністю та стабільністю. Результати свідчень про перспективність інтеграції підходу в систему моніторингу транспорту.
Посилання
1. S. W. Smith, “Moving Average Filters,” in The Scientist & Engineer’s Guide to Digital Signal Processing, 2nd ed., San Diego, CA, USA: California Technical Publishing, 1999. [Online]. Available: dspguide.com/ch15.htm.
2. M. Kirchnerand J. Fridrich, “On Detection of Median Filteringin Digital Images,” in IS&T/SPIE Electronic Imaging — Media Foren-sicsand Security II, Proc. SPIE 7541, 2010
3. A. A. Brus, E. V. Dykusar, V. S. Sytnykov, T. P. Yatsenko, “Frequency analysis of a device that implements the exponential smoothing algorithm,” USYM: Appl. systems and machines. –№ 1 (237). – 2012. – С. 45–48.
https://jnas.nbuv.gov.ua/j-pdf/USM_2012_1_9.pdf.
4. S. Hochreiter and J. Schmidhuber, “Long Short-Term Memory,” Neural Computation, vol. 9, no. 8, pp. 1735–1780, 1997. DOI: 10.1162/neco.1997.9.8.1735.
5. TensorFlow Team. Keras: The high-level API for TensorFlow. https://www.tensorflow.org/guide/keras
6. Kingma, D. P., & Ba, J. “Adam: A Method for Stochastic Optimization.” arXiv preprint arXiv:1412.6980. (Presented at ICLR 2015). arXiv.org
7. FastAPI. Run a Server Manually — ASGI Servers. FastAPI Docs. https://fastapi.tiangolo.com/deployment/manually/
8. Scikit-learn Developers. “mean_absolute_error — scikit-learn documenta-tion.” https://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_absolute_error.html
9. Tensor Flow Developers. “tf. keras. metrics. Root Mean Squared Error — API documentation.” https://www.tensorflow.org/api_docs/python/tf/keras/metrics/RootMeanSquaredError
2. M. Kirchnerand J. Fridrich, “On Detection of Median Filteringin Digital Images,” in IS&T/SPIE Electronic Imaging — Media Foren-sicsand Security II, Proc. SPIE 7541, 2010
3. A. A. Brus, E. V. Dykusar, V. S. Sytnykov, T. P. Yatsenko, “Frequency analysis of a device that implements the exponential smoothing algorithm,” USYM: Appl. systems and machines. –№ 1 (237). – 2012. – С. 45–48.
https://jnas.nbuv.gov.ua/j-pdf/USM_2012_1_9.pdf.
4. S. Hochreiter and J. Schmidhuber, “Long Short-Term Memory,” Neural Computation, vol. 9, no. 8, pp. 1735–1780, 1997. DOI: 10.1162/neco.1997.9.8.1735.
5. TensorFlow Team. Keras: The high-level API for TensorFlow. https://www.tensorflow.org/guide/keras
6. Kingma, D. P., & Ba, J. “Adam: A Method for Stochastic Optimization.” arXiv preprint arXiv:1412.6980. (Presented at ICLR 2015). arXiv.org
7. FastAPI. Run a Server Manually — ASGI Servers. FastAPI Docs. https://fastapi.tiangolo.com/deployment/manually/
8. Scikit-learn Developers. “mean_absolute_error — scikit-learn documenta-tion.” https://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_absolute_error.html
9. Tensor Flow Developers. “tf. keras. metrics. Root Mean Squared Error — API documentation.” https://www.tensorflow.org/api_docs/python/tf/keras/metrics/RootMeanSquaredError
Опубліковано
2025-12-31
Розділ
Системи штучного інтелекту
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
