ivdon3@bk.ru
В статье анализируются ограничения автономного использования фильтров Калмана в сложных динамических системах и систематизируются современные достижения в области интеграции методов глубокого обучения. Исследуются практические аспекты комбинированного применения глубокого обучения и фильтров Калмана, демонстрирующие повышение точности и надежности решений в условиях динамических изменений, зашумленности и сложных средовых факторов. В заключении формулируются перспективные направления развития методов многосенсорного слияния данных.
Ключевые слова: глубокое обучение, интегрированная навигация, слияние данных с нескольких источников, фильтр Калмана, расширенный фильтр Калмана