Combined Filtering of Fuel-Level Sensor Data on Mobile Platforms Using Classical Algorithms and an LSTM Network
Abstract
Анотація. У статті розглядаються спотворення, спричинені шумом та інерцією, у сигналах від датчиків рівня палива на транспортних засобах. Запропоновано комбінований підхід, який інтегрує класичні методи згладжування (ковзне середнє, медіанна фільтрація) з глибоким навчанням на основі мережі LSTM. Для побудови довідкових даних використовувалися як реальні, так і синтетично згенеровані приклади. Експериментальний аналіз показав, що комбінована модель перевершує традиційні алгоритми з точки зору точності та стабільності. Результати вказують на перспективність інтеграції цього підходу в системи моніторингу транспорту.
References
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
Published
2025-12-31
Section
Artificial Intellect Systems
This work is licensed under a Creative Commons Attribution 4.0 International License.
