보관 날짜 : 2020-09-30
이 콘텐츠는 더 이상 업데이트되거나 유지 관리되지 않습니다. 내용은 "있는 그대로"제공됩니다. 기술의 빠른 발전으로 인해 일부 내용, 단계 또는 그림이 변경되었을 수 있습니다.
요약
이 개발자 패턴에서는 무선 신호 데이터를 이미지로 변환하여 이미지 분류 문제처럼 처리할 수 있습니다. 그런 다음 합성곱 신경망과 함께 TensorFlow를 사용하여 이미지 분류기를 훈련합니다. PowerAI에서 Jupyter Notebook을 사용하여 모델 교육 및 테스트를 시연합니다.
상품 설명
매일 밤 캘리포니아 북부에 있는 Allen Telescope Array를 사용하여 SETI 연구소는 다양한 무선 주파수로 하늘을 스캔하고 알려진 외계 행성이 있는 항성계를 관찰하며 희미하지만 지속적인 신호를 찾습니다. 현재 신호 감지 시스템은 협대역 반송파와 같은 특정 종류의 신호만 검색하도록 프로그래밍되어 있습니다. 그러나 탐지 시스템은 때때로 협대역 신호(효율을 알 수 없음)가 아니고 명시적으로 알려진 무선 주파수 간섭이 아닌 신호에서 트리거합니다. 관찰된 이러한 종류의 이벤트에는 다양한 범주가 있는 것 같습니다.
우리의 목표는 이들을 실시간으로 정확하게 분류하는 것입니다. 이를 통해 신호 감지 시스템이 더 나은 관측 결정을 내리고, 야간 스캔의 효율성을 높이고, 이러한 다른 신호 유형을 명시적으로 감지할 수 있습니다. 자세한 내용은 다음을 참조하십시오. GitHub의 SETI 해커톤.
이 패턴을 완료하면 다음 방법을 이해할 수 있습니다.
- 신호 데이터를 이미지 데이터로 변환
- 컨벌루션 신경망 구축 및 훈련
- Jupyter 노트북에서 결과 표시 및 공유
흐름
- 제공된 노트북을 로드하여 Nimbix Cloud의 PowerAI 시스템에서 실행합니다.
- SETI 데이터 세트는 우주 공간에서 서로 다른 클래스의 무선 신호를 인식하는 사용 사례를 보여줍니다.
- 훈련 노트북은 TensorFlow와 컨볼루션 신경망을 사용하여 모델을 훈련하고 분류기를 구축합니다.
- 예측 노트북은 분류기의 정확도를 보여줍니다.
명령
다음 단계에 대한 세부 정보는 README:
- PowerAI 플랫폼에 24시간 무료 액세스
- Jupyter 노트북 액세스 및 시작
- 노트북 실행
- 결과 분석
- 저장 및 공유
- 평가판 종료
출처: https://developer.ibm.com/patterns/seti-signal-classification-on-powerai/