В книге представлены алгоритмы визуализации числовых данных, описывающих состояние объектов и систем различной природы. Цель - найти в этих данных скрытые закономерности с помощью сверточных нейронных сетей. В алгоритмах используются методы получения изображений из числовых данных. Один метод основан на дискретном преобразовании Фурье фрагментов временного ряда. Другой - на визуализации с помощью диаграмм трехкомпонентных систем.
Программная реализация выполнена на Python 3 в среде Linux с использованием нейросетевой библиотеки Keras. Она работает поверх фреймворка машинного обучения TensorFlow. Для ускорения обучения сети задействован графический процессор Nvidia с поддержкой CUDA.
Также есть программа для генерации наборов изображений. Она нужна, чтобы реализовать обучение и тестирование сверточных нейросетей. Это позволяет предварительно настраивать сети и оценивать качество предлагаемых алгоритмов.
Представлены алгоритмы получения изображений состояния объектов для анализа в рамках задач глубокого обучения с использованием сверточных нейросетевых моделей. Описываются различные варианты создания визуальных представлений из численных данных и предлагаются методы использования полученных визуальных образов для выявления нелинейных зависимостей и закономерностей в сложных системах. Предлагается пошаговое представление процессов реализации предложенных алгоритмов визуализации и обработки изображений, программного и аппаратного обеспечения на примере использования фреймворков и библиотек языка программирования Python с применением программного инструментария NVIDIA CUDA. Для проведения пред-тестовой настройки разработанных алгоритмов предлагается собственная библиотека, которая предоставляет пользователям способ создания собственных наборов изображений.
Представлены методы визуализации числовых массивов, описывающих состояния объектов различной природы, для извлечения скрытых взаимосвязей с использованием сверточных нейросетей. Алгоритмы основаны на преобразовании Фурье разновременных фрагментов данных или представлении в виде трехкомпонентной системы. Разработанные программные средства реализуют предложенные алгоритмы на Linux с использованием языка Python и фреймворка Keras. Нейронные сети обучаются на графических процессорах. Реализована программа генерации обучающих и тестовых изображений для предварительной настройки нейросетей и для оценки предложенных методов визуализации.
Электронная Книга «Алгоритмы формирования изображений состояний объектов для их анализа глубокими нейронными сетями» написана автором М. И. Дли в 2019 году.
Минимальный возраст читателя: 0
Язык: Русский
Серии: Прикладная информатика. Научные статьи
Описание книги от М. И. Дли
Представлены алгоритмы визуализации числовых данных, характеризующих состояние объектов и систем различной природы с целью нахождения в них скрытых закономерностей с помощью сверточных нейронных сетей. В алгоритмах применены методы получения изображений из числовых данных на основе дискретного преобразования Фурье фрагментов временного ряда, а также на основе применении визуализации с помощью диаграмм трехкомпонентных систем, если такое трехкомпонентное представление системы возможно. Программная реализация предложенных алгоритмов выполнена в среде Linux на языке Python 3 с применением открытой нейросетевой библиотеки Keras, являющейся надстройкой над фреймворком машинного обучения TensorFlow. Для процесса обучения нейронной сети был задействован графический процессор фирмы Nvidia, поддерживающий технологию программно-аппаратной архитектуры параллельных вычислений CUDA, что позволило значительно сократить время обучения. Также представлена программа, осуществляющая генерацию наборов изображений для реализации процесса обучения и тестирования сверточныйх нейронных сетей с целью их предварительной настройки и оценки качества предлагаемых алгоритмов.
