ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОБРАБОТКИ ДАННЫХ ИНЕРЦИАЛЬНЫХ ДАТЧИКОВ

В исследовании анализируется применение гибридных нейросетей для обработки данных инерциальных измерительных модулей в навигации и мониторинге. Целью работы является сравнение эффективности нейронных сетей с классическими методами. По результатам повышается точность на 20-35% в задачах классификации движений, гибридные модели снижают шумы, а оптимизированные архитектуры обеспечивают работу в реальном времени. Практическая ценность определяется возможностью внедрения предложенных методов во встраиваемые системы для роботов, носимых устройств и систем дополненной реальности.

This study analyzes the application of hybrid neural networks for processing data from inertial measurement units in navigation and monitoring. The goal of the work is to compare the effectiveness of neural networks with classical methods. The results show an accuracy improvement of20-35% in motion classification tasks, noise reduction with hybrid models, and real-time operation achieved by optimized architectures. The practical value is determined by the potential for implementing the proposed methods in embedded systems for robots, wearable devices, and augmented reality systems.