Arkistopäivämäärä: 2020-09-30
Tätä sisältöä ei enää päivitetä tai ylläpidetä. Sisältö tarjotaan sellaisenaan. Teknologian nopean kehityksen vuoksi jotkut sisältö, vaiheet tai piirrokset ovat saattaneet muuttua.
Yhteenveto
Tässä kehittäjämallissa muunnamme radiosignaalitiedot kuviksi, jotta voimme käsitellä tätä kuvan luokitteluongelmana. Sitten harjoittelemme kuvan luokittelijaa käyttämällä TensorFlow'ta konvoluutiohermoverkon kanssa. Käytämme PowerAI:ssa Jupyter-kannettavia mallien koulutuksen ja testauksen esittelyyn.
Kuvaus
SETI-instituutti skannaa joka yö Pohjois-Kaliforniassa sijaitsevan Allenin teleskooppimatriisin avulla taivasta eri radiotaajuuksilla, tarkkailee tähtijärjestelmiä tunnettujen eksoplaneettojen kanssa ja etsii heikkoja, mutta pysyviä signaaleja. Nykyinen signaalintunnistusjärjestelmä on ohjelmoitu etsimään vain tietyntyyppisiä signaaleja: kapeakaistaisia kantoaaltoja. Ilmaisujärjestelmä kuitenkin laukaisee joskus signaaleja, jotka eivät ole kapeakaistaisia signaaleja (joilla on tuntematon tehokkuus) ja jotka eivät myöskään ole eksplisiittisesti tunnettuja radiotaajuushäiriöitä. Näyttää siltä, että tällaisia tapahtumia on havaittu eri luokkiin.
Tavoitteemme on luokitella nämä tarkasti reaaliajassa. Tämä voi sallia signaalintunnistusjärjestelmän tehdä parempia havainnointipäätöksiä, lisätä yöpyyhkäisyjen tehokkuutta ja mahdollistaa näiden muiden signaalityyppien eksplisiittisen havaitsemisen. Lisätietoja on kohdassa SETI-hackathon GitHubissa.
Kun olet suorittanut tämän mallin, ymmärrät kuinka:
- Muunna signaalidata kuvadataksi
- Rakenna ja kouluta konvoluutiohermoverkko
- Näytä ja jaa tuloksia Jupyter-muistikirjoissa
Virtaus
- Lataa mukana toimitetut kannettavat tietokoneet toimiaksesi PowerAI-järjestelmässä Nimbix Cloudissa.
- SETI-tietojoukko havainnollistaa käyttötapausta eri luokkien radiosignaalien tunnistamiseksi ulkoavaruudesta.
- Harjoitusmuistikirja käyttää TensorFlow-tekniikkaa konvoluutiohermoverkkojen kanssa mallin harjoittamiseen ja luokittelun rakentamiseen.
- Ennustevihko osoittaa luokittelijan tarkkuuden.
Ohjeet
Katso lisätietoja seuraavista vaiheista kohdasta LUEMINUT:
- Saat 24 tunnin ilmaisen pääsyn PowerAI-alustalle
- Käytä ja käynnistä Jupyter-muistikirjat
- Käytä muistikirjoja
- Analysoi tulokset
- Tallenna ja jaa
- Lopeta oikeudenkäyntisi
Lähde: https://developer.ibm.com/patterns/seti-signal-classification-on-powerai/
- 11
- pääsy
- elin
- rakentaa
- Kalifornia
- luokittelu
- pilvi
- pitoisuus
- konvoluutiohermoverkko
- Nykyinen
- tiedot
- Detection
- Kehittäjä
- tehokkuus
- Tapahtumat
- evoluutio
- eksoplaneettojen
- virtaus
- Ilmainen
- hackathon
- Miten
- Miten
- HTTPS
- IBM
- kuva
- Kasvaa
- tiedot
- malli
- verkko
- verkot
- hermo-
- neuroverkkomallien
- hermoverkkoihin
- kannettavat tietokoneet
- Muut
- ulkoavaruus
- Kuvio
- ennustus
- radio
- tulokset
- ajaa
- Haku
- Jaa:
- So
- Tila
- Alkaa
- järjestelmä
- järjestelmät
- Elektroniikka
- teleskooppi
- tensorflow
- Testaus
- aika
- koulutus
- kohdella
- aallot