Proceedings of the International scientific and practical conference ―Development of Science and Education‖ (January 16-18, 2026) / Publisher website: www.naukainfo.com. – Vienna, Austria, 2026. – 207 p.

43 Розробка архітектури цифрової обробки. Замість класичного процесора цифрових сигналів використовується спеціалізований прискорювач або оптимізоване програмне ядро для RBF-NN [6]. Вибір розрядності даних для мінімізації енерговитрат на перемикання транзисторів логіки [6]. Етап 4: Гібридне навчання та сенсорне злиття Реалізація дворівневої системи калібрування: 1. Статичне: навчання нейромережі на заводі або при ініціалізації на базі відомих температурних профілів; 2. Динамічне: використання методів сенсорного злиття (інтеграція GNSS + ІНС + Vision). Коли доступний точний сигнал GNSS, він використовується як джерело для додаткового навчання нейромережі, що коригує дрейф інерціальних сенсорів. Це забезпечує готовність системи до роботи в умовах втрати супутників. Порівняльний аналіз та обговорення результатів Архітектура КГ+ЧЦП замінює аналогові вузли цифровими, що дозволяє знизити споживання та, на відміну від класичних схем, автоматично покращувати параметри при масштабуванні технологічного процесу [7, 8]. Глибоке моделювання паразитних ефектів усуває систематичні помилки проєктування, а інтегроване ML-калібрування забезпечує адаптивність системи до старіння компонентів та різких температурних перепадів під час польоту [5, 6]. Запропонована методологія підходить для широкого спектра давачів (інерціальних, тиску, деформації) та систем моніторингу стану конструкцій БПЛА. Висновки У роботі обґрунтовано методологію проєктування сенсорних інтерфейсів нового покоління для БПЛА, яка базується на синергії передових методів моделювання напівпровідникових приладів та алгоритмів штучного інтелекту. 1. Доведено, що ігнорування паразитних опорів витоку та стоку при проєктуванні кільцевих генераторів на сучасних технологічних процесах