https://libeldoc.bsuir.by/handle/123456789/66091| Title: | Автоматизированный синтез гибридного вейвлетно-нейросетевого детектора опасных выбросов для ресурсно-ограниченного сенсорного узла |
| Other Titles: | Automated synthesis of a hybrid wavelet–neural detector of hazardous emissions for a resource-constrained sensor node |
| Authors: | Писецкий, Ю. В. Давронбеков, Д. А. |
| Keywords: | материалы конференций;опасные выбросы;газовые сенсоры;нейронные сети |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Автоматизированный синтез гибридного вейвлетно-нейросетевого детектора опасных выбросов для ресурсно-ограниченного сенсорного узла = Automated synthesis of a hybrid wavelet–neural detector of hazardous emissions for a resource-constrained sensor node / Ю. В. Писецкий, Д. А. Давронбеков // Компьютерное проектирование в электронике = Electronic Design Automation : сборник научных трудов Международной научно-практической конференции, Минск, 23 октября 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. Р. Стемпицкий [и др.]. – Минск, 2026. – С. 247–250. |
| Abstract: | рассмотрен подход к автоматизированному синтезу детектора опасных выбросов, рассчитанного на выполнение в сенсорном узле с ограниченной памятью и энергопотреблением. Предлагаемая структура объединяет lifting-реализацию дискретного вейвлетного преобразования, выделение многомасштабных признаков и компактную квантованную нейронную сеть. Проектирование представлено как поиск допустимой конфигурации по вероятности обнаружения, ложным тревогам, задержке, памяти и затратам энергии. Описаны состав проектных параметров, порядок обучения и проверка полученной модели на сигналах с шумом, дрейфом, импульсными помехами и пропусками данных. |
| Alternative abstract: | the paper describes automated synthesis of a hazardous-emission detector intended for a sensor node with limited memory and energy. The proposed structure combines a lifting implementation of the discrete wavelet transform, multiscale feature extraction, and a compact quantized neural network. Design is treated as a search for a feasible configuration constrained by detection probability, false alarms, latency, memory, and energy. The design variables, off-device training, quantization, and verification with noisy, drifting, impulsive, and incomplete sensor records are outlined. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/66091 |
| Appears in Collections: | Компьютерное проектирование в электронике (2026) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Piseckij_Avtomatizirovannyj.pdf | 251.7 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.