Саме тому проблема моніторингу та оцінки якості сну на сьогодні є дуже актуальною, адже дозволяє виконувати завчасну профілактику та діагностику. Основним и найбільш точним способом виявлення сну є полісомнографія, але вона є достатньо дорогою і передбачає перебування пацієнта у медичній лабораторії під час нічного сну. З цієї причини на ринку з’явилися значні обсяги мобільних засобів моніторингу, що визначають, коли користувач спить і оцінюють тривалість сну та інші характеристики. Як правило такі засоби використовують датчики такі як акселерометр, термометр, звукові та інші. Але нажаль важко сказати, наскільки правильно ці засоби виявляють періоди сну тому, що більшість виробників розробляють свої пристрої не розголошуючи інформації про використовувані алгоритми, і їхні системи не були клінічно перевірені.
Метою данної роботи є дослідити існуючі алгоритми моніторингу сну, використати методи машинного навчання, в тому числі нейронні мережі, для вирішення задачі виявляння та аналізу сну, а також порівняти їх між собою. Розробити прототим системи аналізу сну, що складається з необхідних датчиків, програми та використовує розроблені математичні моделі.