КЛАСИФИКАЦИЈА ТИПА ГРЕШКЕ СЕНЗОРА КОРИШТЕЊЕМ МЕТОДА МАШИНСКОГ УЧЕЊА

Борис Јањић

doi:10.24867/17BE28Janjic

Борис Јањић

DOI: https://doi.org/10.24867/17BE28Janjic

Ključne reči: Грешке сензора, машинско учење, класификација, к најближих сусједа, метод потпорних вектора, неуронске мреже

Apstrakt

У овом раду описани су сензори температуре и најчешће грешке које настају на сензорима. Такође су описане три методе машинског учења које су кориштене при класификацији типа грешке сензора. Кориштене методе су: к најближих сусједа, метод потпорних вектора и неуронска мрежа. Приказана је анализа поменутих метода и дато поређење добијених резултата.

Reference

[1] M. Popović „Senzori u robotici “, Viša elektrotehnička škola, Beograd, 1996
[2] S. U. Jan, I. Koo, „A Novel Feature Selection Scheme and a Diversified-Input SVM-Based Classifier for Sensor Fault Classification “
[3] S. U. Jan, Y. D. Lee, I. S. Koo, „A distributed sensor-fault detection and diagnosis framework using machine learning“
[4] S. U. Jan, Y.-D. Lee, J. Shin, and I. Koo, „Sensor fault classification based on support vector machine and statistical time-domain features “
[5] B. Nikolić, D. Drašković „Nastavni materijali iz predmeta Inteligentni sistemi “, ETF, Beograd 2021.
[6] M. Nikolić, A. Zečević „Mašinsko učenje “, Matematički fakultet, Beograd 2019.
[7] Y. Zhang „Support Vector Machine Classification Algorithm and Its Application “