Electronic Repository

Аналіз можливостей інформаційної системи покращення якості сну на основі аналізу біометричних даних

Show simple item record

dc.contributor.author Граф, М.С.
dc.contributor.author Яконюк, А.В.
dc.contributor.author Крант, Д.В.
dc.contributor.author Головач, Ю.Ю.
dc.contributor.author Graf, M.S.
dc.contributor.author Yakoniuk, A.V.
dc.contributor.author Krant, D.V.
dc.contributor.author Golovach, I.I.
dc.date.accessioned 2025-02-21T08:13:54Z
dc.date.available 2025-02-21T08:13:54Z
dc.date.issued 2024
dc.identifier.uri http://eztuir.ztu.edu.ua/123456789/8761
dc.description.abstract У роботі проведено аналіз можливостей інформаційної системи покращення якості сну на основі аналізу біометричних даних з використанням технології Ambient Intelligence (AmI). В умовах сучасних стресових реалій, зокрема впливу пандемії COVID-19 та соціальних потрясінь, які значно погіршують психофізичний стан людей, покращення якості сну набуває особливої актуальності. AmI-системи дозволяють автоматично налаштовувати параметри середовища, такі як температура, освітлення та вологість, з урахуванням індивідуальних біометричних показників користувача, що сприяє підтриманню природних циркадних ритмів та підвищує загальний комфорт під час сну. У статті розглядаються сучасні дослідження у галузі адаптивних систем управління умовами сну, що враховують біоритми та фізіологічні потреби людини. Особлива увага приділяється можливостям AmI-систем для автономного налаштування параметрів середовища відповідно до даних, зібраних із сенсорів, таких як температура тіла, частота серцевих скорочень та фази сну. У дослідженні показано, що ці технології не лише покращують умови для сну, а й позитивно впливають на загальний стан здоров’я користувача та знижують рівень стресу. Система здатна самостійно функціонувати завдяки використанню алгоритмів машинного навчання, зокрема LSTM для прогнозування, фільтра Калмана для очищення даних, Isolation Forest для виявлення аномалій та K-means для кластеризації режимів сну. uk_UA
dc.language.iso uk uk_UA
dc.publisher Державний університет "Житомирська політехніка" uk_UA
dc.relation.ispartofseries Технічна інженерія;2(94)
dc.subject складна система uk_UA
dc.subject системний аналіз uk_UA
dc.subject структурний синтез uk_UA
dc.subject ситуаційний центр uk_UA
dc.subject системний підхід uk_UA
dc.subject кібернетична модель uk_UA
dc.subject показник якості uk_UA
dc.subject критерій ефективності uk_UA
dc.subject complex system uk_UA
dc.subject system analysis uk_UA
dc.subject structural synthesis uk_UA
dc.subject situation centre uk_UA
dc.subject system approach uk_UA
dc.subject cybernetic model uk_UA
dc.subject quality indicator uk_UA
dc.subject efficiency criterion uk_UA
dc.title Аналіз можливостей інформаційної системи покращення якості сну на основі аналізу біометричних даних uk_UA
dc.title.alternative Analysis of the capabilities of an information system for improving sleep quality based on biometric data analysis uk_UA
dc.type Article uk_UA
dc.description.abstracten The paper analyses the capabilities of an information system for improving sleep quality based on the analysis of biometric data using Ambient Intelligence (AmI) technology. In the context of modern stressful realities, in particular the impact of the COVID-19 pandemic and social upheavals that significantly worsen the psychophysical state of people, improving sleep quality is of particular relevance. AmI systems allow you to automatically adjust environmental parameters such as temperature, lighting and humidity based on individual biometric parameters of the user, which helps to maintain natural circadian rhythms and improve overall comfort during sleep. The article discusses current research in the field of adaptive sleep management systems that take into account human biorhythms and physiological needs. Particular attention is paid to the capabilities of AmI systems to autonomously adjust environmental parameters according to data collected from sensors, such as body temperature, heart rate, and sleep phases. The study shows that these technologies not only improve sleep conditions, but also have a positive impact on the user's overall health and reduce stress levels. The system is able to function independently thanks to the use of machine learning algorithms, including LSTM for prediction, Kalman filter for data cleaning, Isolation Forest for anomaly detection, and K-means for clustering sleep patterns. uk_UA


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account