Literatura académica sobre el tema "Multisensor monitoring"
Crea una cita precisa en los estilos APA, MLA, Chicago, Harvard y otros
Consulte las listas temáticas de artículos, libros, tesis, actas de conferencias y otras fuentes académicas sobre el tema "Multisensor monitoring".
Junto a cada fuente en la lista de referencias hay un botón "Agregar a la bibliografía". Pulsa este botón, y generaremos automáticamente la referencia bibliográfica para la obra elegida en el estilo de cita que necesites: APA, MLA, Harvard, Vancouver, Chicago, etc.
También puede descargar el texto completo de la publicación académica en formato pdf y leer en línea su resumen siempre que esté disponible en los metadatos.
Artículos de revistas sobre el tema "Multisensor monitoring"
Martinez-Olmos, A., I. M. Pérez de Vargas-Sansalvador, A. J. Palma, J. Banqueri, M. D. Fernández-Ramos y L. F. Capitán-Vallvey. "Multisensor probe for soil monitoring". Sensors and Actuators B: Chemical 160, n.º 1 (diciembre de 2011): 52–58. http://dx.doi.org/10.1016/j.snb.2011.07.011.
Texto completoBogomolov, Andrey. "Developing Multisensory Approach to the Optical Spectral Analysis". Sensors 21, n.º 10 (19 de mayo de 2021): 3541. http://dx.doi.org/10.3390/s21103541.
Texto completoSanjaya, Muhammad Fahyu, Ummu Kalsum y Andi Rosman N. "PENERAPAN TEKNOLOGI CERDAS PENYIRAMAN TANAMAN HIDROPONIK BERBASIS MIKROKONTROLER DAN MULTISENSOR PADA PEMBUDIDAYA TANAMAN HIDROPONIK KABUPATEN MAJENE". Jurnal Abdi Insani 10, n.º 3 (13 de septiembre de 2023): 1880–89. http://dx.doi.org/10.29303/abdiinsani.v10i3.1113.
Texto completoZhou, Yuqing y Wei Xue. "A Multisensor Fusion Method for Tool Condition Monitoring in Milling". Sensors 18, n.º 11 (10 de noviembre de 2018): 3866. http://dx.doi.org/10.3390/s18113866.
Texto completoLIU, QING (CHARLIE) y HSU-PIN (BEN) WANG. "A case study on multisensor data fusion for imbalance diagnosis of rotating machinery". Artificial Intelligence for Engineering Design, Analysis and Manufacturing 15, n.º 3 (junio de 2001): 203–10. http://dx.doi.org/10.1017/s0890060401153011.
Texto completoGallo, D., C. Landi y N. Pasquino. "Multisensor Network for Urban Electromagnetic Field Monitoring". IEEE Transactions on Instrumentation and Measurement 58, n.º 9 (septiembre de 2009): 3315–22. http://dx.doi.org/10.1109/tim.2009.2022384.
Texto completoNoori-Khajavi, A. y R. Komanduri. "On Multisensor Approach to Drill Wear Monitoring". CIRP Annals 42, n.º 1 (1993): 71–74. http://dx.doi.org/10.1016/s0007-8506(07)62394-4.
Texto completoLehmann, Ulrike y Alain Grisel. "Miniature Multisensor Probe for Soil Nutrient Monitoring". Procedia Engineering 87 (2014): 1429–32. http://dx.doi.org/10.1016/j.proeng.2014.11.713.
Texto completoEfendi, Rustam, Arjal Tando, Welly Padang, Mulhin Aries y Herlina Herlina. "Pengembangan Alat Monitoring Suhu Multisensor Berbasis Mikrokontroler". Jurnal Teknik Mesin Indonesia 19, n.º 02 (24 de septiembre de 2024): 75–79. http://dx.doi.org/10.36289/jtmi.v19i02.723.
Texto completoManurung, Philippians y Indra Hartarto Tambunan. "Automated Data Acquisition in Monitoring Automatic Composter with Multisensory System". PROSIDING SEMINAR NASIONAL SAINS DATA 4, n.º 1 (10 de octubre de 2024): 1050–59. https://doi.org/10.33005/senada.v4i1.418.
Texto completoTesis sobre el tema "Multisensor monitoring"
Hilmersson, Anette. "Multisensor Stress Monitoring For Non-Stationary Subjects". Thesis, Mälardalens högskola, Akademin för innovation, design och teknik, 2015. http://urn.kb.se/resolve?urn=urn:nbn:se:mdh:diva-28340.
Texto completoAtt mäta stress i realtid i verkliga situationer kan vara fördelaktigt för flera applikationer. Det som har legat som grund för denna uppsats är att kunna mäta stress under ADHD diagnostisering. Genom att kombinera de vanliga testerna med stressnivåer hos patienten hoppas man kunna utveckla nya metoder för diagnostisering. Att mäta fera parametrar samtidigt i realtid är inte något ofta utförs idag. För att komma igång har fera kroppsliga funktioner som påverkas på olika sätt av stress studerats. Alla dessa funktioner kan inte inkluderas i det system som önskas konstrueras antingen på grund av systemets karaktär eller på grund tidsbrist. Efter att undersökningen var klar beslutades det att konstruera två moduler. Den första använder en mätteknik som kallas PPG och används för att mäta hjärtfrekvens, även andningsfrekvensen estimeras och modulen är förberedd för att estimera blodsyre nivåa men signalbehandling och validering för detta är inte gjord. Den andra modulen mäter resistans i huden. I dessa moduler lades även till en temperatur sensor för att mäta hudtemperaturen. Tidsbrist har gjort att endast en av dem två modulerna kunnat realiserats. Den som realiserat är PPG modulen och modulen för hudresistans presenteras endast teoretiskt. PPG modulen genomför matningen med en transmissiv teknik på vänster öra och ger ut en acceptabel signal kvalité om sensorn får bra kontakt. Arbetet är avgränsat och inkluderar inte signalanalysen av signalen däremot visualiseras signalen i figurer.
Zouba, Valentin Nadia. "Multisensor fusion for monitoring elderly activities at home". Nice, 2010. http://www.theses.fr/2010NICE4001.
Texto completoIn this thesis, an approach combining heterogeneous sensor data for recognizing elderly activities at home is proposed. This approach consists in combining data provided by video cameras with data provided by environmental sensors to monitor the interaction of people with the environment. The first contribution is a new sensor model able to give a coherent and efficient representation of the information provided by various types of physical sensors. This sensor model includes an uncertainty in sensor measurement. The second contribution is a multisensor based activity recognition approach. This approach consists in detecting people, tracking people as they move, recognizing human postures and recognizing activities of interest based on multisensor analysis and human activity recognition. To address the problem of heterogeneous sensor system, we choose to perform fusion at the high-level (event level) by combining video events with environmental events. The third contribution is the extension of a description language which lets users (i. E. Medical staff) to describe the activities of interest into formal models. The results of this approach are shown for the recognition of ADLs of real elderly people evolving in an experimental apartment called Gerhome equipped with video sensors and environmental sensors. The obtained results of the recognition of the different ADLs are encouraging
Ogaja, Clement Surveying & Spatial Information Systems Faculty of Engineering UNSW. "A framework in support of structural monitoring by real time kinematic GPS and multisensor data". Awarded by:University of New South Wales. School of Surveying and Spatial Information Systems, 2002. http://handle.unsw.edu.au/1959.4/18662.
Texto completoRaman, Srinivas. "Condition monitoring of industrial machines using wavelet packets and intelligent multisensor fusion". Thesis, University of British Columbia, 2009. http://hdl.handle.net/2429/15224.
Texto completoBinsaeid, Sultan Hassan. "Multisensor Fusion for Intelligent Tool Condition Monitoring (TCM) in End Milling Through Pattern Classification and Multiclass Machine Learning". Scholarly Repository, 2007. http://scholarlyrepository.miami.edu/oa_dissertations/7.
Texto completoZanon, Mattia. "Non-Invasive Continuous Glucose Monitoring: Identification of Models for Multi-Sensor Systems". Doctoral thesis, Università degli studi di Padova, 2013. http://hdl.handle.net/11577/3423010.
Texto completoIl diabete e una malattia che compromette la normale regolazione dei livelli di glucosio nel sangue. Nelle persone diabetiche, il corpo non secerne insulina (diabete di tipo 1) o si vericano delle alterazioni sia nella secrezione che nell'azione dell'insulina stessa (diabete di tipo 2). La terapia si basa principalmente su somministrazione di insulina e farmaci, dieta ed esercizio fisico, modulati in base alla misurazione dei livelli di glucosio nel sangue 3-4 volte al giorno attraverso metodi finger-prick. Nonostante ciò, la concentrazione di glucosio nel sangue supera spesso le soglie di normalita di 70-180 mg/dL. Mentre l'iperglicemia implica complicanze a lungo termine (come ad esempio neuropatia, retinopatia, malattie cardiovascolari e cardiache), l'ipoglicemia puo essere molto pericolosa nel breve termine e, nel peggiore dei casi, portare il paziente in coma ipoglicemico. Nuovi scenari nella cura del diabete si sono affacciati negli ultimi 10 anni, quando sensori per il monitoraggio continuo della glucemia sono entrati nella fase di sperimentazione clinica. Questi sensori sono in grado di monitorare le concentrazioni di glucosio nel sangue con una lettura ogni 1-5 minuti per diversi giorni, permettendo un analisi sia retrospettiva, ad esempio per ottimizzare il controllo metabolico, che in tempo reale, per generare avvisi quando viene predetta l'uscita dalla normale banda euglicemica, e nel cosiddetto "pancreas artificiale". La maggior parte di questi sensori per il monitoraggio continuo della glicemia sono minimatmente invasivi perche sfruttano un piccolo ago inserito sottocute. Gli ultimi anni hanno visto un crescente interesse verso tecnologie non invasive per il monitoraggio continuo della glicemia, con l'obiettivo di migliorare il comfort del paziente. La loro capacità di monitorare i cambiamenti di glucosio nel corpo umano e stata dimostrata in condizioni altamente controllate tipiche di un'infrastruttura clinica. Non appena queste condizioni diventano meno favorevoli (ad esempio durante un uso quotidiano di queste tecnologie), sorgono diversi problemi associati a perturbazioni fisiologiche ed ambientali. Per affrontare questo problema, negli ultimi anni il concetto di "multisensore" ha ottenuto un crescente interesse. Esso consiste nell'integrazione di sensori di diversa natura all'interno dello stesso dispositivo, permettendo la misurazione di fattori endogeni (glucosio, perfusione del sangue, sudorazione, movimento, ecc) ed esogeni (temperatura, umidita, ecc). I segnali maggiormente correlati con il glucosio e quelli legati agli altri processi sono combinati con un opportuno modello matematico con l'obiettivo finale di stimare la glicemia in modo non invasivo. Modelli di sistema (o a "scatola bianca"), nei quali equazioni differenziali descrivono il comportamento interno del sistema, possono essere considerati raramente. Infatti, un modello fisico/meccanicistico legante i dati misurati dal multisensore con il glucosio non e facilmente disponibile. Un differente approccio vede l'impiego di modelli di dati (o a "scatola nera") che descrivono il sistema in esame in termini di ingressi (canali misurati dal dispositivo non invasivo), uscita (valori stimati di glucosio) e funzione di trasferimento (che in questa tesi si limita alla classe dei modelli di regressione lineari multivariati). In fase di identificazione dei parametri del modello potrebbero insorgere problemi numerici legati alla collinearita tra sottoinsiemi dei canali misurati dal multisensore (in particolare per i dispositivi basati su spettroscopia) e per la dimensione potenzialmente elevata dello spazio delle misure. L'obiettivo della tesi di dottorato e di investigare e valutare diverse tecniche per l'identicazione del modello di regressione lineare multivariata con lo scopo di stimare i livelli di glicemia non invasivamente. In particolare, i seguenti metodi sono considerati: Ordinary Least Squares (OLS), Partial Least Squares (PLS), the Least Absolute Shrinkage and Selection Operator (LASSO) basato sulla regolarizzazione con norma l1; Ridge basato sulla regolarizzazione con norma l2; Elastic-Net (EN) basato sulla combinazione delle due norme precedenti. Come caso di studio per l'applicazione delle metodologie proposte, consideriamo i dati misurati dal dispositivo multisensore, principalmente basato su sensori dielettrici ed ottici, sviluppato dall'azienda Solianis Monitoring AG (Zurigo, Svizzera), che ha parzialmente sostenuto gli oneri finanziari legati al progetto di dottorato durante il quale questa tesi e stata sviluppata. La tecnologia del multisensore e la proprietà intellettuale di Solianis sono ora detenute da Biovotion AG (Zurigo, Svizzera). Solianis Monitoring AG ha fornito quarantacinque sessioni sperimentali collezionate da 6 pazienti soggetti a protocolli ipo ed iperglicemici presso l'University Hospital Zurich. I modelli identificati con le tecniche di cui sopra, sono testati con un insieme di dati diverso da quello utilizzato per l'identicazione dei modelli stessi. I risultati dimostrano chei metodi di controllo della complessita hanno accuratezza maggiore rispetto ad OLS. In generale, le tecniche basate su regolarizzazione sono migliori rispetto a PLS. In particolare, quelle che sfruttano la norma l1 (LASSO ed EN), pongono molti coefficienti del modello a zero rendendo i profili stimati di glucosio piu robusti a rumore occasionale che interessa alcuni canali del multi-sensore. In particolare, il modello EN risulta il migliore, condividendo sia le proprietà di sparsita e l'effetto raggruppamento indotte rispettivamente dalle norme l1 ed l2. In generale, i risultati indicano che, anche se le prestazioni, in termini di accuratezza dei profili di glucosio stimati, non sono ancora confrontabili con quelle dei sensori basati su aghi, la piattaforma multisensore combinata con il modello EN è un valido strumento per il monitoraggio in tempo reale dei trend glicemici. Una possibile applicazione si basa sull'utilizzo del'informazione dei trend glicemici per completare misure rade effettuate con metodi finger-prick. Sfruttando il concetto di rischio dinamico recentemente sviluppato, e' possibile dare una corretta valutazione di eventi potenzialmente pericolosi come l'ipoglicemia. La tesi si articola in tre parti principali: Parte I (che comprende i Capitoli 1-4), fornisce inizialmente un'introduzione sul diabete, una recensione delle attuali tecnologie per il monitoraggio non-invasivo della glicemia (incluso il dispositivo multisensore di Solianis) e gli obiettivi della tesi; Parte II (che comprende i Capitoli 5-9), presenta alcune delle difficoltà affrontate quando si lavora con problemi di regressione su dati di grandi dimensioni, per poi presentare OLS, PLS, LASSO, Ridge e EN sfruttando un esempio tutorial per evidenziarne vantaggi e svantaggi. Infine, Parte III, (Capitoli 10-12) presenta il set di dati del caso di studio ed i risultati. Alcune note conclusive e possibili sviluppi futuri terminano la tesi. In particolare, vengono brevemente illustrate una metodologia basata su simulazioni Monte Carlo per valutare la robustezza della calibrazione del modello e l'utilizzo di un nuova nuova funzione obiettivo per l'identicazione dei modelli.
Truax, Stuart. "A microscale chemical sensor platform for environmental monitoring". Diss., Georgia Institute of Technology, 2011. http://hdl.handle.net/1853/45780.
Texto completoVahidi, Mayamey Farzad. "Improving the water-extent monitoring of Swedish wetlands with open-source satellite data and Google Earth Engine". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2022.
Buscar texto completoMillin-Chalabi, Gail Rebecca. "Radar multi-temporal and multi-sensor approach to characterise peat moorland burn scars and assess burn scar persistence in the landscape". Thesis, University of Manchester, 2016. https://www.research.manchester.ac.uk/portal/en/theses/radar-multitemporal-and-multisensor-approach-to-characterise-peat-moorland-burn-scars-and-assess-burn-scar-persistence-in-the-landscape(36288daf-4a05-46e8-9e29-f67c62584fc5).html.
Texto completoKrallmann, Jens [Verfasser]. "Einsatz eines Multisensors für ein Condition Monitoring von mobilen Arbeitsmaschinen / Jens Krallmann". Aachen : Shaker, 2005. http://d-nb.info/1186587822/34.
Texto completoLibros sobre el tema "Multisensor monitoring"
NATO, Advanced Study Institute on Data Fusion for Situation Monitoring Incident Detection Alert and Response Management (2003 Yerevan Armenia). Data fusion for situation monitoring, incident detection, alert and response management. Amsterdam: IOS Press, 2005.
Buscar texto completoF, Hutchinson C. y United States. National Aeronautics and Space Administration., eds. Multisensor monitoring of deforestation in the Guinea Highlands of West Africa: Final report. Tucson, AZ: Arizona Remote Sensing Center, University of Arizona, 1990.
Buscar texto completoInternational Symposium on Spatial Analysis, Spatial-Temporal Data Modeling, and Data Mining (2009 Wuhan, China). International Symposium on Spatial Analysis, Spatial-Temporal Data Modeling, and Data Mining: 13-14 October 2009, Wuhan, China. Editado por Liu Yaolin 1960-, Tang Xinming, Wuhan da xue. School of Resource and Environmental Science, China Jiao yu bu y SPIE (Society). Bellingham, Wash: SPIE, 2009.
Buscar texto completoOzer, Ekin. Multisensory Smartphone Applications in Vibration-Based Structural Health Monitoring. [New York, N.Y.?]: [publisher not identified], 2016.
Buscar texto completoChang, Ni-Bin y Kaixu Bai. Multisensor Data Fusion and Machine Learning for Environmental Remote Sensing. Taylor & Francis Group, 2018.
Buscar texto completoChang, Ni-Bin y Kaixu Bai. Multisensor Data Fusion and Machine Learning for Environmental Remote Sensing. Taylor & Francis Group, 2020.
Buscar texto completoChang, Ni-Bin y Kaixu Bai. Multisensor Data Fusion and Machine Learning for Environmental Remote Sensing. Taylor & Francis Group, 2018.
Buscar texto completoChang, Ni-Bin y Kaixu Bai. Multisensor Data Fusion and Machine Learning for Environmental Remote Sensing. Taylor & Francis Group, 2018.
Buscar texto completo(Editor), E. Shahbazian, G. Rogova (Editor) y P. Valin (Editor), eds. Data Fusion for Situation Monitoring, Incident Detection, Alert and Response Management (NATO Science Series. 3: Computer and Systems Sciences). IOS Press, 2005.
Buscar texto completoChang, Ni-Bin y Kaixu Bai. Multisensor Data Fusion and Machine Learning for Environmental Remote Sensing. Taylor & Francis Group, 2018.
Buscar texto completoCapítulos de libros sobre el tema "Multisensor monitoring"
Onishchenko, I. N. "Multisensing in Chernobyl: The State and Monitoring of Object “Shelter”". En Multisensor Fusion, 779–97. Dordrecht: Springer Netherlands, 2002. http://dx.doi.org/10.1007/978-94-010-0556-2_38.
Texto completoUmadevi, K. S., S. Murali, P. Pandiaraja y Thompson Stephan. "Architecture for Multisensor Fusion and Integration for Diabetes Monitoring". En Evolving Role of AI and IoMT in the Healthcare Market, 263–72. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-82079-4_13.
Texto completoLiu, Ying y Zhong-xing Huang. "Recognition of Aerobics Movement Posture Based on Multisensor Movement Monitoring". En Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, 167–78. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-030-94551-0_14.
Texto completoRefice, Alberto, Annarita D’Addabbo, Francesco Paolo Lovergine, Khalid Tijani, Alberto Morea, Raffaele Nutricato, Fabio Bovenga y Davide Oscar Nitti. "Monitoring Flood Extent and Area Through Multisensor, Multi-temporal Remote Sensing: The Strymonas (Greece) River Flood". En Flood Monitoring through Remote Sensing, 101–13. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-63959-8_5.
Texto completoBozzano, Francesca, Carlo Esposito, Andrea Fantini, Matteo Fiorucci, Salvatore Martino, Paolo Mazzanti, Alberto Prestininzi, Stefano Rivellino, Alfredo Rocca y Gabriele Scarascia Mugnozza. "Multisensor Landslide Monitoring as a Challenge for Early Warning: From Process Based to Statistic Based Approaches". En Advancing Culture of Living with Landslides, 33–39. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-53487-9_3.
Texto completoGascueña, José Manuel, Antonio Fernández-Caballero, Elena Navarro, Juan Serrano-Cuerda y Francisco Alfonso Cano. "Agent-Based Development of Multisensory Monitoring Systems". En Lecture Notes in Computer Science, 451–60. Berlin, Heidelberg: Springer Berlin Heidelberg, 2011. http://dx.doi.org/10.1007/978-3-642-21344-1_47.
Texto completoZhang, Zhifen y Shanben Chen. "Data-Driven Feature Selection for Multisensory Quality Monitoring in Arc Welding". En Advances in Intelligent Systems and Computing, 401–10. Cham: Springer International Publishing, 2015. http://dx.doi.org/10.1007/978-3-319-18997-0_34.
Texto completoAlmer, Alexander, Anna Weber, Lucas Paletta, Michael Schneeberger, Stefan Ladstätter, Dietmar Wallner, Günter Grabher et al. "Multisensory Wearable Vital Monitoring System for Military Training, Exercise and Deployment". En Advances in Neuroergonomics and Cognitive Engineering, 497–505. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-80285-1_57.
Texto completoCastillo, José Carlos, Angel Rivas-Casado, Antonio Fernández-Caballero, María T. López y Rafael Martínez-Tomás. "A Multisensory Monitoring and Interpretation Framework Based on the Model–View–Controller Paradigm". En Lecture Notes in Computer Science, 441–50. Berlin, Heidelberg: Springer Berlin Heidelberg, 2011. http://dx.doi.org/10.1007/978-3-642-21344-1_46.
Texto completoSahu, Neelesh Kumar, Atul B. Andhare y Abhay Khalatkar. "Tool Condition Monitoring in End Milling of Ti-6Al-4V Using Multisensory Approach". En Lecture Notes in Mechanical Engineering, 79–89. Singapore: Springer Singapore, 2020. http://dx.doi.org/10.1007/978-981-15-3746-2_7.
Texto completoActas de conferencias sobre el tema "Multisensor monitoring"
Chen, Yajiang, Shuwang Chen y Yifei Ma. "Elderly monitoring system based on multisensor information fusion". En Advanced Sensor Systems and Applications XIV, editado por Minghong Yang, Xinyu Fan, Jianzhong Zhang y Chang-Seok Kim, 29. SPIE, 2024. http://dx.doi.org/10.1117/12.3035780.
Texto completoNagler, Thomas, Gabriele Schwaizer, Lucia Felbauer, Nico Mölg, Lars Keuris, Markus Hetzenecker, Johanna Nemec, Helmut Rott y Espen Volden. "Monitoring Physical Snow Properties in Alpine Regions using Multisensor Data". En IGARSS 2024 - 2024 IEEE International Geoscience and Remote Sensing Symposium, 623–26. IEEE, 2024. http://dx.doi.org/10.1109/igarss53475.2024.10640633.
Texto completoAsen, Sebastian, Carola Has, Rainer Poeschl y Stefan Kunze. "Drone-Based and 5G-Connected Multisensor Platform for Forest Monitoring". En 2024 IEEE 12th International Conference on Intelligent Systems (IS), 1–7. IEEE, 2024. http://dx.doi.org/10.1109/is61756.2024.10705196.
Texto completoTerziyski, Atanas, Stoyan Tenev y Vedrin Jeliazkov. "A Multisensor Environmental Monitoring Device". En 2020 21st International Symposium on Electrical Apparatus & Technologies (SIELA). IEEE, 2020. http://dx.doi.org/10.1109/siela49118.2020.9167052.
Texto completoTiano, Antonio. "Ship Monitoring and Control by Multisensor Data Fusion". En ASME 2008 9th Biennial Conference on Engineering Systems Design and Analysis. ASMEDC, 2008. http://dx.doi.org/10.1115/esda2008-59429.
Texto completoSim, Sung-Han, Soojin Cho, Jong-Woong Park y Hyunjun Kim. "Multisensor fusion for system identification". En SPIE Smart Structures and Materials + Nondestructive Evaluation and Health Monitoring, editado por Jerome P. Lynch, Kon-Well Wang y Hoon Sohn. SPIE, 2014. http://dx.doi.org/10.1117/12.2047288.
Texto completode Vries, Thorsten, Ralf Paetzold, Kai Jantos, Eberhard Voss y Angelika Anders. "Mobile multisensor system for environmental monitoring". En Photonics East '99, editado por Tuan Vo-Dinh y Robert L. Spellicy. SPIE, 1999. http://dx.doi.org/10.1117/12.372860.
Texto completoCaduff, Andreas, Marc Donath, Mark Talary, Susanne Haug, Daniel Huber, We Stahel, Francois Dewarrat, L. S. Jonasson, Hans-Joachim Krebs y Jelena Klisic. "Multisensor Concept for non-invasive Physiological Monitoring". En 2007 IEEE Instrumentation & Measurement Technology Conference IMTC 2007. IEEE, 2007. http://dx.doi.org/10.1109/imtc.2007.379070.
Texto completoGanti, Raghu Kiran, Soundararajan Srinivasan y Aca Gacic. "Multisensor Fusion in Smartphones for Lifestyle Monitoring". En 2010 International Conference on Body Sensor Networks (BSN). IEEE, 2010. http://dx.doi.org/10.1109/bsn.2010.10.
Texto completoNovak, Milan, Milos Prokysek, Petr Dolezal, Martin Hais, Stanislav Gril, Marketa Davidkova, Jakub Geyer, Peter Hofmann y Rajan Paudyal. "Multisensor UAV System for the Forest Monitoring". En 2020 10th International Conference on Advanced Computer Information Technologies (ACIT). IEEE, 2020. http://dx.doi.org/10.1109/acit49673.2020.9208993.
Texto completo