Please use this identifier to cite or link to this item: http://eztuir.ztu.edu.ua/123456789/8761
Full metadata record
DC FieldValueLanguage
dc.contributor.authorГраф, М.С.-
dc.contributor.authorЯконюк, А.В.-
dc.contributor.authorКрант, Д.В.-
dc.contributor.authorГоловач, Ю.Ю.-
dc.contributor.authorGraf, M.S.-
dc.contributor.authorYakoniuk, A.V.-
dc.contributor.authorKrant, D.V.-
dc.contributor.authorGolovach, I.I.-
dc.date.accessioned2025-02-21T08:13:54Z-
dc.date.available2025-02-21T08:13:54Z-
dc.date.issued2024-
dc.identifier.urihttp://eztuir.ztu.edu.ua/123456789/8761-
dc.description.abstractУ 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.isoukuk_UA
dc.publisherДержавний університет "Житомирська політехніка"uk_UA
dc.relation.ispartofseriesТехнічна інженерія;2(94)-
dc.subjectскладна системаuk_UA
dc.subjectсистемний аналізuk_UA
dc.subjectструктурний синтезuk_UA
dc.subjectситуаційний центрuk_UA
dc.subjectсистемний підхідuk_UA
dc.subjectкібернетична модельuk_UA
dc.subjectпоказник якостіuk_UA
dc.subjectкритерій ефективностіuk_UA
dc.subjectcomplex systemuk_UA
dc.subjectsystem analysisuk_UA
dc.subjectstructural synthesisuk_UA
dc.subjectsituation centreuk_UA
dc.subjectsystem approachuk_UA
dc.subjectcybernetic modeluk_UA
dc.subjectquality indicatoruk_UA
dc.subjectefficiency criterionuk_UA
dc.titleАналіз можливостей інформаційної системи покращення якості сну на основі аналізу біометричних данихuk_UA
dc.title.alternativeAnalysis of the capabilities of an information system for improving sleep quality based on biometric data analysisuk_UA
dc.typeArticleuk_UA
dc.description.abstractenThe 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
Appears in Collections:Технічна інженерія

Files in This Item:
File Description SizeFormat 
113.pdf562.79 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.