IoT

Оцінка обсягу та якості зусиль весляра у процесі тренування відіграє важливу роль у підготовці до змагань та покращенні його результатів. У статті розглянуто існуючі комерційні рішення, такі як гребні тренажери та окремі сенсорні пристрої. Визначено, що такі пропозиції дозволяють фіксувати частоту або траєкторію руху, але не вимірюють силу. Також вони мають обмеженість функціональності в реальних умовах на воді або високу вартість. Тому пропонується вивести тренування веслярів у площину сучасних технологій вимірювання та аналізу інформації у реальному часі.

This paper presents the development and inves- tigation of a speech-to-text conversion and speaker identi- fication system based on a Raspberry Pi microcomputer, designed for local audio data processing in environments with limited network connectivity. The system integrates Silero and WebRTC models for voice activity detection, SpeechBrain for speaker identification, and the Whisper family of models for speech recognition.

У статті досліджено сучасні підходи та технології, які дозволяють підвищити
ефективність, надійність та точність роботи електроенергетичних систем. Особливий
акцент зроблено на вейвлет-аналізі, який є універсальним інструментом для діагностики
нестаціонарних електричних сигналів, оцінки якості електроенергії та виявлення
гармонійних спотворень. Завдяки можливості часово-частотної локалізації вейвлет-аналіз
забезпечує ефективну обробку сигналів і дозволяє вирішувати такі завдання, як

Стрімке поширення технології Інтернету речей (IoT) призвело до безпрецедентного росту обсягів неоднорідних даних з розподілених пристроїв. Цей величезний потік даних робить все більш важливим впровадження надійних і ефективних методів виявлення аномалій в режимі реального часу, які можуть попередити про проблеми у розподілених системах. Виявлення аномалій даних є критично важливим у сучасному світі, оскільки воно дозволяє на ранній стадії виявляти відхилення, які можуть свідчити про збої в роботі системи, порушення безпеки або операційну неефективність.

Охарактеризовано розробку системи автоматизованого догляду за кімнатними рослинами, яка базується на використанні мікроконтролера Arduino та IoT-технологій. Система містить датчики вологості ґрунту, температури та освітленості, що забезпечують моніторинг основних параметрів середовища для ефективного догляду за рослинами. Розроблено структурну та принципову схему і алгоритм роботи системи. Реалізовано протитип системи. Проведено тестування прототипу системи в реальних умовах, яке підтвердило правильність прийнятих рішень, а також ефективність та зручність використання системи.

У статті представлено метод оптимізації потокового графа алгоритму глибинної нейронної мережі для зменшення кількості процесорних елементів (ПЕ), необхідних для виконання алгоритму на одноплатних комп'ютерах. Запропонований підхід ґрунтується на використанні структурної матриці для оптимізації архітектури нейронної мережі без втрати продуктивності. Дослідження показало, що завдяки зменшенню ширини графа вдалося зменшити кількість процесорних елементів з 3 до 2, зберігаючи при цьому продуктивність мережі на рівні 75% ефективності.

This study provides a comprehensive overview of the various means and methods employed in gathering data, emphasizing the need for advanced technologies in the face of increasing energy demands and evolving regulatory environments. A thorough comparative analysis focuses on several key aspects, including technology comparison, data accuracy and reliability, real-time data collection capabilities, cost effectiveness, scalability, and flexibility, consumer interaction, and feedback mecha- nisms.

Timely detection and prevention of agriculture vehicles malfunctions are key approaches to reducing maintenance costs, as well as updating and replacing equipment, and reducing the cost of growing agricultural crops. In this article an approach for Remaining Useful Life (RUL) prediction that utilizes a combination of telemetry, maintenance, and geospatial data (such as weather and terrain information) as input to a Long Short- Term Memory (LSTM) algorithm has been considered.