Show simple item record

dc.contributor.authorЧервотока, О. В.uk
dc.contributor.authorТарасенко, Я. В.uk
dc.date.accessioned2026-04-07T13:07:22Z
dc.date.available2026-04-07T13:07:22Z
dc.date.issued2025
dc.identifier.citationЧервотока О. В., Тарасенко Я. В. Метод когнітивної обробки результатів інтелектуальних вимірювань у сенсорних мережах лабораторних випробувань // Наукові праці Вінницького національного технічного університету. Елект. текст. дані (PDF: 487 КБ). 2025. № 4. URI: https://praci.vntu.edu.ua/index.php/praci/article/view/885.uk
dc.identifier.issn2307-5376uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/51111
dc.description.abstractРобота спрямована на вирішення задачі забезпечення когнітивної обробки результатів інтелектуальних вимірювань та націлена на врахування метрологічних вимог й інтеграцію в повний когнітивний цикл вимірювань. У роботі вперше представлено метод когнітивної обробки результатів інтелектуальних вимірювань, який інтегрує когнітивне агрегування з онтологічною інтерпретацією. Метод складається з етапів формування повного вектора спостережень, дворівневого зважування та онтологічного формування пріоритетів конфігурації сенсорної мережі. Об’єднує три рівні когнітивності сенсорних мереж: отримує дані вимірювання, інтерпретує їх та передає для прийняття управлінського рішення. Метод дозволяє інтегрувати когнітивний процес у замкнутий цикл вимірювань під час лабораторних випробувань та підвищити достовірність результатів вимірювань. Попередня валідація методу шляхом виконання симуляційного експерименту доводить підвищення інтегрального показника достовірності результатів вимірювань на 35,5 % порівняно із середнім показником достовірності трьох розглянутих у роботі аналогів. Розроблений метод має вагоме практичне значення для лабораторних випробувань із використанням інформаційно-вимірювальних систем на основі сенсорних мереж завдяки можливості впровадження як апаратно-програмний засіб управління вимірювальними процесами. Отримані результати можуть бути використані в процесі цифровізації метрологічних процедур, оснащенні науково-дослідних лабораторій новітніми інформаційно-вимірювальними системами та для розвитку стандартизації у сфері лабораторних випробувань. Перспективним напрямком подальших досліджень є вирішення протиріччя між точністю та коригуванням аномалій в умовах взаємодії трьох рівнів когінтивності сенсорних мереж та розгляду питань взаємоuk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofНаукові праці Вінницького національного технічного університету. № 4.uk
dc.relation.urihttps://praci.vntu.edu.ua/index.php/praci/article/view/885
dc.subjectінтелектуальні вимірюванняuk
dc.subjectкогнітивне агрегуванняuk
dc.subjectонтологічна інтерпретаціяuk
dc.subjectдостовірність вимірюваньuk
dc.subjectкогнітивна обробкаuk
dc.subjectцифровізація у метрологіїuk
dc.titleМетод когнітивної обробки результатів інтелектуальних вимірювань у сенсорних мережах лабораторних випробуваньuk
dc.typeArticle, professional native edition
dc.typeArticle
dc.identifier.udc004.934:004.7:621.317uk
dc.relation.referencesEURAMET e.V. Metrology for a stronger Europe: A European Metrology Agenda for the next decade (2030–2040). Strategy Paper. Version 1.0 (11/2024). Braunschweig : EURAMETe.V., 2024. 14 p. URL: https://www.poweredbymetrology.org/securedl/sdl-eyJ0eXAiOiJKV1QiLCJhbGciOiJIUzI1NiJ9.eyJpYXQiOjE3NTExNjMwMzUsImV4cCI6MTc4Mjc4NTQzNSwidXNlciI6MCwiZ3JvdXBzIjpbMCwtMV0sImZpbGUiOiJNZWRpYS9kb2NzL1B1YmxpY2F0aW9ucy9zdHJhdGVneS9NZXRyb2xvZ3lfZm9yX2Ffc3Ryb25nZXJfRXVyb3BlX3dlYi5wZGYiLCJwYWdlIjozNDI1fQ.fscuev8VpolXsduOYgwKT-q3VVANb_3vcxNRSpKONsE/Metrology_for_a_stronger_Europe_web.pdf.en
dc.relation.referencesIntegrating AI Cognition Networks with Real-Time Sensor Data / V. Ortiz et al. 2025. URL: https://dx.doi.org/10.2139/ssrn.5524138.en
dc.relation.referencesKhalek N. A., Tashman D. H., Hamouda W. Advances in machine learning-driven cognitive radio for wireless networks: a survey. IEEE communications surveys & tutorials. 2023. P. 1201–1237. URL: https://doi.org/10.1109/comst.2023.3345796.en
dc.relation.referencesIntroductionto cognitive sensing technologies and applications / G.R.Sinha et al. Cognitive sensing technologies and applications. S. l. 2023. P. 1–26. URL: https://doi.org/10.1049/pbce135e_ch1.en
dc.relation.referencesA model of a secure information system for cognitive data processing in IoT sensor networks for laboratory climatic testing / Ya.Tarasenko et al. CEUR WS. 2025. Vol. 4042. P. 90–104.URL: https://doi.org/10.5281/zenodo.17501340.en
dc.relation.referencesDuro N. Sensor data fusion analysis for broad applications. Sensors. 2024. Vol. 24, No12. URL: https://doi.org/10.3390/s24123725.en
dc.relation.referencesSemantic description of quality of data in sensor networks / A. P. Vedurmudi et al. Sensors.2021. Vol. 21, No19. URL: https://doi.org/10.3390/s21196462.en
dc.relation.referencesA survey of multimodal event detection based on data fusion / M. Mondal et al. The VLDB Journal. 2024. Vol. 34, No1. URL: https://doi.org/10.1007/s00778-024-00878-5.en
dc.relation.referencesTowards semantic sensor data: an ontology approach / J.Liu et al. Sensors. 2019. Vol. 9, No5. URL: https://doi.org/10.3390/s19051193.en
dc.relation.referencesA comprehensive survey on deep learning multi-modal fusion: methods, technologies and applications / T.Jiao et al. Computers, materials & continua. 2024. Vol. 80, No1. P. 1–35. URL: https://doi.org/10.32604/cmc.2024.053204.en
dc.relation.referencesUncertainty propagation in the Internet of Things / P.Shantanu et al. Discover Internet of Things. 2024. Vol. 4, No1. URL: https://doi.org/10.1007/s43926-024-00085-2.en
dc.relation.referencesD2.2 uncertainty-aware sensor fusion in sensor networks / M. Gruber et al. Smsi 2021, digital.3–6 May2021.S. l, 2021. P. 246–247.URL: https://doi.org/10.5162/smsi2021/d2.2.en
dc.identifier.doihttps://doi.org/10.31649/2307-5376-2025-4-39-45uk
dc.identifier.orcidhttps://orcid.org/uk


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record