| dc.contributor.author | Червотока, О. В. | uk |
| dc.contributor.author | Тарасенко, Я. В. | uk |
| dc.date.accessioned | 2026-04-07T13:07:22Z | |
| dc.date.available | 2026-04-07T13:07:22Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Червотока 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.issn | 2307-5376 | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/51111 | |
| dc.description.abstract | Робота 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 взаємо | uk |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Наукові праці Вінницького національного технічного університету. № 4. | uk |
| dc.relation.uri | https://praci.vntu.edu.ua/index.php/praci/article/view/885 | |
| dc.subject | інтелектуальні вимірювання | uk |
| dc.subject | когнітивне агрегування | uk |
| dc.subject | онтологічна інтерпретація | uk |
| dc.subject | достовірність вимірювань | uk |
| dc.subject | когнітивна обробка | uk |
| dc.subject | цифровізація у метрології | uk |
| dc.title | Метод когнітивної обробки результатів інтелектуальних вимірювань у сенсорних мережах лабораторних випробувань | uk |
| dc.type | Article, professional native edition | |
| dc.type | Article | |
| dc.identifier.udc | 004.934:004.7:621.317 | uk |
| dc.relation.references | EURAMET 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.references | Integrating 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.references | Khalek 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.references | Introductionto 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.references | A 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.references | Duro N. Sensor data fusion analysis for broad applications. Sensors. 2024. Vol. 24, No12. URL: https://doi.org/10.3390/s24123725. | en |
| dc.relation.references | Semantic 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.references | A 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.references | Towards 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.references | A 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.references | Uncertainty 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.references | D2.2 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.doi | https://doi.org/10.31649/2307-5376-2025-4-39-45 | uk |
| dc.identifier.orcid | https://orcid.org/ | uk |