uncertainty; anomaly detection; measurement; metrology; data processing; machine learning algorithms; sensors

У статті розглядаються теоретичні основи алгоритму подвійного контролю в контексті машинного навчання, акцентуючи увагу на його застосуванні для інтелектуальних агентів у мультиагентних інформаційно-вимірювальних системах. Розроблений алгоритм, який поєднує виявлення аномалій у даних і телеметричне калібрування сенсорів, що відкриває нові можливості для підвищення точності й надійності вимірюваних даних у складних і динамічних середовищах. Аналізуються переваги алгоритму в аспектах адаптивності, прогнозування та інтеграції даних, порівнюючи його з іншими алгоритмами машинного навчання.