Выпущена монография ученых ПетрГУ

Монография Artificial Neural Networks for IoT-Enabled Smart Applications" выпущена Швейцарским издательством MDPI при содействии журнала ‘Sensors’.

Редакторами монографии выступили ученые ПетрГУ − доцент Андрей Величко (Физико-технический институт), доцент Дмитрий Корзун (Институт математики и информационных технологий) и профессор Александр Мейгал (Медицинский институт).

В век искусственного интеллекта (ИИ) и интернета вещей (IoT) поиск новых архитектур нейронных сетей, способных работать на устройствах с ограниченной вычислительной мощностью и малым объемом памяти, становится актуальной повесткой дня. В монографии представлены разработки в области организации ИИ на периферийных IoT-устройствах для различных интеллектуальных приложений. Монография начинается с иллюстрации достижений в области цифровых услуг для здравоохранения, когда различные параметры человеческого тела мгновенно отслеживаются и обрабатываются в условиях повседневной жизни. Обсуждается концепция датчиков машинного обучения при диагностике COVID-19 (рис. 1), носимые датчики и ИИ-технологии выглядят многообещающе для мониторинга двигательной активности и походки у пациентов с болезнью Паркинсона (рис. 2).

IoT-устройства с ИИ-технологиями могут эффективно использоваться для распознавания речи, мониторинга окружающей среды, обнаружения отвлекающих действий при вождении автомобиля и спасательных приложений для системы предотвращения случаев утопления детей. Умное спасение при бедствиях представлено интересной разработкой носимого устройства для поисковых собак (рис. 3), которое распознает поведение собаки при нахождении жертвы, используя модели глубокого обучения. Книга иллюстрирует передовые примеры использования технологии искусственного интеллекта для интеллектуальных приложений с поддержкой IoT. Каждый случай демонстрирует тенденцию применения ИИ-технологий в IoT-средах, делая еще один шаг к эффективному использованию современных технологий в нашей повседневной жизни.

 

Рисунок 1: Концепция датчиков машинного обучения при диагностике COVID-19, две архитектуры системы IoT, включающие IoT-устройство с реализацией LogNNet (пограничные вычисления) и облачный сервис, содержащий обученную модель градиентного бустинга из работы [Velichko, A.; Huyut, M.T.; Belyaev, M.; Izotov, Y.; Korzun, D. Machine Learning Sensors for Diagnosis of COVID-19 Disease Using Routine Blood Values for Internet of Things Application. Sensors 2022, 22, 7886. 

 

Рисунок 2: Дискретизация периодического сигнала во время ходьбы из работы [Meigal, A.Y.; Gerasimova-Meigal, L.I.; Reginya, S.A.; Soloviev, A.V.; Moschevikin, A.P. Gait Characteristics Analyzed with Smartphone IMU Sensors in Subjects with Parkinsonism under the Conditions of “Dry” Immersion. Sensors 2022, 22, 7915.

 

Рисунок 3: Умное носимое устройство для собаки для распознавания поведение собаки при нахождении жертвы, из работы [Kasnesis, P.; Doulgerakis, V.; Uzunidis, D.; Kogias, D.G.; Funcia, S.I.; González, M.B.; Giannousis, C.; Patrikakis, C.Z. Deep Learning Empowered Wearable-Based Behavior Recognition for Search and Rescue Dogs. Sensors 2022, 22, 993.

 В монографию вошли исследования, подготовленные при выполнении проектов НИР в ПетрГУ.

1. Грант Российского научного фонда № 22-11-00055. В статье показано, что оригинальная нейронная сеть LogNNet может эффективно использоваться для диагностики и прогнозирования COVID-19 на основе интеллектуального анализа показателей крови (руководитель - доц. А.А.Величко).
2. Грант Российского научного фонда № 22-11-20040 при поддержке Фонда венчурных инвестиций Республики Карелия. В статье исследуются возможности нового научного направления для умных приложений интернета вещей - интеллектуальная сенсорика человека. Показано, что на основе датчика машинного обучения можно выполнять мониторинг здоровья человека и диагностику заболеваний в условиях повседневной жизни (руководитель - доц. Д.Ж.Корзун).
3. Госзадание Минобрнауки России № 0752-2020-0007. В статье исследуются возможности сенсорной системы смартфона для получения и анализа данных о походке пациента с болезнью Паркинсона. Показано, что возможно создание эффективных цифровых инструментов для оценки движения пациента в условиях «сухой» иммерсии (руководитель - проф. А.Ю.Мейгал).

Подробнее