Tanggal arsip: 2020-09-30
Konten ini tidak lagi diperbarui atau dipertahankan. Konten disediakan "sebagaimana adanya". Mengingat evolusi teknologi yang cepat, beberapa konten, langkah, atau ilustrasi mungkin telah berubah.
Kesimpulan
Dalam pola pengembang ini, kami akan mengubah data sinyal radio menjadi gambar sehingga kami dapat memperlakukannya seperti masalah klasifikasi gambar. Kemudian kami melatih pengklasifikasi gambar menggunakan TensorFlow dengan jaringan neural konvolusional. Kami menggunakan Notebook Jupyter di PowerAI untuk mendemonstrasikan pelatihan dan pengujian model.
Deskripsi Produk
Setiap malam, dengan menggunakan Allen Telescope Array di California utara, SETI Institute memindai langit pada berbagai frekuensi radio, mengamati sistem bintang dengan exoplanet yang diketahui, mencari sinyal yang samar namun terus-menerus. Sistem deteksi sinyal saat ini diprogram untuk hanya mencari jenis sinyal tertentu: gelombang pembawa pita sempit. Namun, sistem deteksi terkadang terpicu pada sinyal yang bukan merupakan sinyal pita sempit (dengan efisiensi yang tidak diketahui) dan juga tidak diketahui secara eksplisit gangguan frekuensi radio. Tampaknya ada berbagai kategori peristiwa semacam ini yang telah diamati.
Tujuan kami adalah mengklasifikasikannya secara akurat dalam waktu nyata. Hal ini memungkinkan sistem pendeteksi sinyal mengambil keputusan pengamatan yang lebih baik, meningkatkan efisiensi pemindaian malam hari, dan memungkinkan deteksi eksplisit terhadap jenis sinyal lainnya. Untuk informasi lebih lanjut, lihat Hackathon SETI di GitHub.
Setelah Anda menyelesaikan pola ini, Anda akan memahami cara:
- Mengubah data sinyal menjadi data gambar
- Bangun dan latih jaringan saraf konvolusional
- Tampilkan dan bagikan hasil di Jupyter Notebooks
Aliran
- Muat notebook yang disediakan untuk dijalankan pada sistem PowerAI di Nimbix Cloud.
- Kumpulan data SETI menunjukkan kasus penggunaan untuk mengenali berbagai kelas sinyal radio dari luar angkasa.
- Notebook pelatihan menggunakan TensorFlow dengan jaringan neural konvolusional untuk melatih model dan membuat pengklasifikasi.
- Buku catatan prediksi menunjukkan keakuratan pengklasifikasi.
petunjuk
Temukan detail untuk langkah-langkah berikut di README:
- Dapatkan akses gratis 24 jam ke platform PowerAI
- Akses dan mulai Jupyter Notebooks
- Jalankan buku catatan
- Analisis hasilnya
- Simpan dan Bagikan
- Akhiri uji coba Anda
Sumber: https://developer.ibm.com/patterns/seti-signal-classification-on-powerai/
- 11
- mengakses
- tubuh
- membangun
- california
- klasifikasi
- awan
- Konten
- jaringan saraf convolutional
- terbaru
- data
- Deteksi
- Pengembang
- efisiensi
- peristiwa
- evolusi
- exoplanets
- aliran
- Gratis
- hackathon
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- HTTPS
- IBM
- gambar
- Meningkatkan
- informasi
- model
- jaringan
- jaringan
- saraf
- saraf jaringan
- jaringan saraf
- laptop
- Lainnya
- luar angkasa
- pola
- ramalan
- radio
- Hasil
- Run
- Pencarian
- Share
- So
- Space
- awal
- sistem
- sistem
- Teknologi
- teleskop
- tensorflow
- pengujian
- waktu
- Pelatihan
- mengobati
- ombak