Arşivlendi | Dünya dışı yaşamı aramaya yardımcı olacak bir görüntü sınıflandırıcı oluşturun

Özet

Bu geliştirici modelinde, radyo sinyali verilerini görüntülere dönüştüreceğiz, böylece bunu bir görüntü sınıflandırma problemi gibi ele alabiliriz. Daha sonra TensorFlow'u kullanarak evrişimli bir sinir ağıyla bir görüntü sınıflandırıcıyı eğitiyoruz. Model eğitimi ve testini göstermek için PowerAI üzerinde Jupyter Notebooks'u kullanıyoruz.

Açıklama

SETI Enstitüsü her gece, kuzey Kaliforniya'daki Allen Teleskop Dizisini kullanarak gökyüzünü çeşitli radyo frekanslarında tarar, bilinen ötegezegenlere sahip yıldız sistemlerini gözlemler, zayıf ama kalıcı sinyalleri arar. Mevcut sinyal tespit sistemi yalnızca belirli sinyal türlerini (dar bantlı taşıyıcı dalgalar) aramak üzere programlanmıştır. Bununla birlikte, algılama sistemi bazen dar bantlı sinyaller olmayan (verimliliği bilinmeyen) ve ayrıca açıkça bilinen radyo frekansı girişimi olmayan sinyaller üzerinde tetiklenir. Gözlemlenen bu tür olayların çeşitli kategorileri var gibi görünüyor.

Amacımız bunları gerçek zamanlı olarak doğru bir şekilde sınıflandırmaktır. Bu, sinyal tespit sisteminin daha iyi gözlemsel kararlar almasına, gece taramalarının verimliliğinin artmasına ve diğer sinyal türlerinin açık bir şekilde tespit edilmesine olanak tanıyabilir. Daha fazla bilgi için bkz. GitHub'da SETI hackathonu.

Bu modeli tamamladığınızda şunları nasıl yapacağınızı anlayacaksınız:

• Sinyal verilerini görüntü verilerine dönüştürün
• Evrişimli bir sinir ağı oluşturun ve eğitin
• Sonuçları Jupyter Not Defterlerinde görüntüleyin ve paylaşın

akış

1. Sağlanan not defterlerini Nimbix Cloud'daki bir PowerAI sisteminde çalışacak şekilde yükleyin.
2. SETI veri seti, uzaydan gelen farklı radyo sinyali sınıflarının tanınmasına yönelik bir kullanım durumunu göstermektedir.
3. Eğitim not defteri, bir modeli eğitmek ve bir sınıflandırıcı oluşturmak için evrişimli sinir ağlarıyla birlikte TensorFlow'u kullanır.
4. Tahmin defteri, sınıflandırıcının doğruluğunu gösterir.

talimatlar

Aşağıdaki adımlara ilişkin ayrıntıları şurada bulabilirsiniz: README:

1. PowerAI platformuna 24 saat ücretsiz erişim elde edin
2. Jupyter Not Defterlerine erişin ve başlatın
3. Not defterlerini çalıştırın
4. Sonuçları analiz edin
5. Kaydet ve Paylaş
6. Deneme sürenizi sonlandırın

Kaynak: https://developer.ibm.com/patterns/seti-signal-classification-on-powerai/