Анализ характеристик строения галактических систем при помощи нейронных сетей
Математическое моделирование звездных систем. Изучение примера настройки и работы в рамках программно-математических комплексов моделирующих работу нейронных сетей, обеспечивающих возможности быстрого распознавания объектов. Построение точек на карте.
| Рубрика | Астрономия и космонавтика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 30.08.2021 |
| Размер файла | 2,0 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Московский технический университет связи и информатики
Кафедра «Интеллектуальные системы в управлении и автоматизации»,
АНАЛИЗ ХАРАКТЕРИСТИК СТРОЕНИЯ ГАЛАКТИЧЕСКИХ СИСТЕМ ПРИ ПОМОЩИ НЕЙРОННЫХ СЕТЕЙ
Воронов В.И., Доцент
Анисимова И.В., Студент магистратуры
г. Москва
Аннотация
Созвездия -- в современной астрономии участки, на которые разделена небесная сфера для удобства ориентирования на звёздном небе. В древности созвездиями назывались характерные фигуры, образуемые яркими звёздами. Звёзды, видимые на небесной сфере на небольших угловых расстояниях друг от друга, в трёхмерном пространстве могут быть расположены очень далеко друг от друга. Таким образом, в одном созвездии могут быть и очень близкие, и очень далёкие от Земли звёзды, никак друг с другом не связанные. В статье приведён пример настройки и работы в рамках программно-математических комплексов моделирующих работу нейронных сетей, обеспечивающих возможности быстрого распознавания объектов.
Ключевые слова: нейронные сети, распознавание объектов, обучение, вычисления, астрономические источники.
Annotation
Constellations - in modern astronomy, areas into which the celestial sphere is divided for the convenience of orientation in the starry sky. In ancient times, constellations were called characteristic figures formed by bright stars. Stars visible on the celestial sphere at small angular distances from each other, in three-dimensional space, can be located very far from each other. Thus, in one constellation there can be very close and very far from the Earth stars, which are not connected with each other in any way. The article gives an example of setting up and working within the framework of software and mathematical complexes that simulate the operation of neural networks, providing the ability to quickly recognize objects.
Key words: neural networks, object recognition, training, computation, astronomical sources.
Введение
В настоящее время, а именно- в связи с ведением работ по разработке искусственного интеллекта проявляется повышенный спрос на развитие искусственных систем, опирающиеся на алгоритмы работы, подобные нейронным сетям.
Нейронные сети (NeuralNetworks) - это модели биологических нейронных сетей мозга, в которых нейроны имитируются относительно простыми, часто однотипными, элементами (искусственными нейронами). [1, с. 81].
Развитие современных нейронных сетей ориентировано на обработку естественного языка, т.е. компьютерный анализ естественного языка и его синтез.
Распознавание объектов на изображении с помощью алгоритмов машинного обучения решает задачи эффективнее, чем человеческое зрение. Свёрточные нейронные сети нашли широкое применение в задачах классификации, детектирования и распознавания изображений. Постепенно круг этих задач расширяется, поэтому не теряет актуальности разработка новых архитектур, слоёв сети и модификаций программных платформ.
В начале XIX века между созвездиями были проведены границы на небесной сфере, ликвидировавшие «пустоты» между созвездиями, однако их чёткого определения по-прежнему не было, и разные астрономы определяли их по-своему.
В ходе выполнения работы использованы и построены модели различных созвездий. Были задействованы компьютерные программы «Компас 3D» и «SolarSystemScope», «Octave», «MatLab». [2, с. 6].
Постановка задачи
Специфика задачи, которую решает система распознавания объектов, определяет ряд требований к аппаратной платформе. Вычислительная платформа должна представлять собой компьютер, обладающий достаточной вычислительной мощностью для быстрой обработки изображений, а также имеющий возможность подключения дополнительных устройств, таких как видеокамера, аналоговые и цифровые датчики [3, с.54]. Платформа также должна обладать достаточным объемом постоянной памяти для хранения программного обеспечения и оперативной памяти для обработки всех необходимых данных. Для решения задачи построения и анализа изучены способы решения систем дифференциальных уравнений, освоены навыки их применения в программных пакетах [4, с. 19].
Математическое моделирование звездных систем
Общая форма представления обыкновенного дифференциального уравнения порядка n может быть записана в виде:
Если уравнение (1.1) удаётся разрешить относительно старшей производной y(n), то получаем уравнение [5, с. 190]:
Эта форма записи дифференциальных уравнений называется нормальной. В различных исследованиях чаще всего рассматриваются уравнения и системы уравнений, записанные в нормальной форме.
Для построения модели была использована таблица галактических координат (рис. 1)
Рисунок 1 Таблица исходных данных о созвездиях - галактические координаты
Вспомнив курс дифференциальных уравнений, можно построить следующий график (рис. 2) [6, с. 149]:
Рисунок 2 Стандартное представление типовых дифференциальных уравнений
Далее, данные были внесены в интерфейсные окна программных пакетов MatLab и Octave [7, с. 136].
Рисунок 3 Работа программы при построении точек на карте
математический звездный нейронный распознавание
В результате получена следующая модель (рис.4):
Рисунок 4 Построенная модель
Результаты перенесены в оболочку Компас-3D. Развернув систему в трёхмерном пространстве, заметим соответствие построенной модели базовым системам дифференциальных уравнений (рис. 5) [8, с. 58]:
Рисунок 5 Построенная модель и дифференциальные уравнения
Исходя из вышеперечисленного, можно подтвердить, что данная модель является адекватной и соответствует математическим правилам, выполняет заданные алгоритмы. [4, с. 49].
Способы работы нейросетевой вычислительной аппаратуры
Существуют различные алгоритмы, позволяющие создавать и распознавать образы. Алгоритм обучения машины распознаванию образов, основанный на методе секущих гиперплоскостей, заключается в аппроксимации разделяющей гиперповерхности частями гиперплоскостей и состоит из следующих основных этапов [9, с.184]:
• обучение (формирование разделяющей поверхности):
• проведение секущих плоскостей;
• исключение лишних плоскостей;
• исключение лишних частей плоскостей;
• распознавание новых объектов.
Этапы распознавания объектов
Задача распознавания объектов (образов) определяется следующими этапами [10, с. 332]:
определение границ -- это самая низкоуровневая задача, для которой уже классически применяются свёрточные нейронные сети;
определение вектора к нормали позволяет нам реконструировать трёхмерное изображение из двухмерного;
saliency, определение объектов внимания -- это то, на что обратил бы внимание человек при рассмотрении этой картинки;
семантическая сегментация позволяет разделить объекты на классы по их структуре, ничего не зная об этих объектах, то есть еще до их распознавания;
семантическое выделение границ -- это выделение границ, разбитых на классы; самая высокоуровневая задача -- распознавание самих объектов [11, с. 76].
Характеристики оборудования
Конфигурация персонального компьютера:
ЦП: Intel ® Core ™ i5-8400 CPU @ 2.80 GHz
Память (ОЗУ) 8,00 ГБ OCWindows 10 Prox64, Ubuntu 18.04 x64 ГП NVidia GeForce GTX 650 ЖД 1,00ТБ
Требуется установить пакеты OpenCV, CUDA, cuDNN.
Заключение
Протестирована система на основе программного обеспечения MatCAd и Octave. Рассмотрены архитектура и процесс обработки изображений. Система Создаёт объекты и идентифицирует их координаты. Нейронная сеть испытана на собственном оборудовании.
Построены и сопоставлены с математическими положениями все искомые объекты. Показаны алгоритмы работы с сетью [12, с. 87].
Литература
1. Воронова В.И. MachineLearning / Л.И. Воронова, В.И. Воронов // Регрессионные методы интеллектуального анализа данных: учебное пособие. М.: МТУСИ, 2017. 81 с.
2. MachineLearning. Семинары по нейронным сетям. [Электронный ресурс].URL:http://www.machinelearning.ru/wiki/images/1/1e/Sem07_ann.pdf (дата обращения: 27.01.21).
3. Молодяков С.А. Принципы выделения параллельных потоков команд обработки видеоизображений в smart-видеокамерах / С.А. Молодяков, А.И. Тышкевич //Міжнароднийнауковий журнал. М.: Политехн. ун-та, 2016. №. 9. 54 с.
4. Digital Living Network Alliance, “Consumer Home,” [Online]. [Электронный ресурс].URL:http://www.dlna.org. (дата обращения: 27.01.21).
5. Кузьмин В.И., Тытик Д.Л., Гадзаов А.Ф. (ред) и др. Дискретность и непрерывность в свойствах физико-химических систем. / В.И. Кузьмин, Д.Л. Тытик, А.Ф. Гадзаов. М.: ФИЗМАТЛИТ, 2013.190 с.
6. Johnson M. Correlations of cycles in weather, solar activity, geomagnetic values and planetary configurations. / M. Johnson. М.: San Francisco, Cal, 1944. 149 с.
7. Кендалл М. Многомерный статистический анализ и временные ряды. / М. Кендалл, А. Стьюарт. М.:Наука, 1976. 136 с.
8. Joseph Redmon You Only Look Once. / Redmon Joseph, Divvala Santosh, Girshick Ross, Farhadi Ali. М.: YOLO, 2016. 58 с.
9. Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. 2-е изд., стереотип. М.: Горячая линия-Телеком, 2002. 382 с.
10. Agrawal Р. Analyzing the performance of multilayer neural networks for object recognition. / P. Agrawal, R. Girshick, J. Malik. М.: ECCV, 2014. С. 329344.
11. Bengio Y. Unsupervised feature learning and deep learning: A review and new perspectives. / Y. Bengio, A.C. Courville, P. Vincent. М.:CoRR, 2012. 146 с.
Размещено на Allbest.ru
...Подобные документы
История проблемы выхода на орбиту. Расчет возможности вывода тела на орбиту одним толчком. Признаки тела переменной массы. Моделирование обстоятельств наблюдения искусственных спутников земли. Математическое моделирование движения ракеты-носителя.
реферат [120,6 K], добавлен 14.10.2015Анализ уравнений состояния для Ае- и Аеп-фаз вещества. Изучение моделей звездных конфигураций (белых карликов и барионовых звезд), состоящих из вырожденных газовых масс. Расчет параметров этих звездных конфигураций с помощью уравнения состояния вещества.
реферат [111,1 K], добавлен 17.05.2010Описание, конструкция и траектория полетов основных видов космических аппаратов, а также анализ проблем их энергопитания бортовой аппаратуры. Особенности разработки и создания автоматизированных систем управления эксплуатацией летательных комплексов.
контрольная работа [24,2 K], добавлен 15.10.2010Применения инструментов физики в объяснении феноменов космических тел. Первые открытия внесолнечных планет. Использование спектрального анализа в исследовании Космоса, применение радиотелескопов в открытии звездных систем. Исследование затмений звезд.
презентация [633,8 K], добавлен 11.11.2010Орбитальный телескоп "Кеплер", его основные функции. Каталог "обитаемых звездных систем" Маргарет Тёрнбал. Наличие воды в жидком виде как одно из основных условий для возникновения жизни на планете. Открытие планет за пределами Солнечной системы.
презентация [7,6 M], добавлен 17.05.2012Анализ баллистических характеристик космического аппарата. Расчет масс служебных систем, элементов топлива. Зона обзора на поверхности Земли и полоса обзора. Изучение системы электроснабжения, обеспечения теплового режима, бортового комплекса управления.
курсовая работа [53,7 K], добавлен 10.07.2012Изучение строения и характеристика параметров Солнца как единственной звезды солнечной системы, представляющей собой горячий газовый шар. Анализ активных образований в солнечной атмосфере. Солнечный цикл, число Вольфа и изучение солнечной активности.
курсовая работа [7,4 M], добавлен 16.07.2013Классификация различных систем координат. Особенности и характеристика горизонтальной топоцентрической, экваториальной, эклиптической, галактической систем координат. История и практические особенности применения различных систем координат в астрономии.
статья [22,6 K], добавлен 15.12.2010Происхождение Земли. Модель расширяющейся Вселенной. Модель Большого Взрыва. Космическая пыль. Развитие Земли. Основные положения глобальной тектоники. Концепции современного естествознания. Динамика звездных систем.
реферат [14,3 K], добавлен 19.02.2003Устройство системы дистанционного мониторинга. Временные изменения отражательной способности объектов. Аэрокосмические исследования динамики в атмосфере и океане. Контроль глобальных атмосферных изменений. Преимущества и недостатки спутниковых систем.
реферат [15,8 K], добавлен 14.05.2011Описание явлений туманности и солнечной активности. Изучение галактических, солнечных и космических лучей, способы их регистрации. Свойства межзвездного магнитного поля. Особенности пространственного распределения галактик. Идеи о расширении Вселенной.
краткое изложение [215,3 K], добавлен 06.01.2012Сущность звезды как небесного тела, в котором происходят термоядерные реакции. Единицы измерения звездных характеристик, способы определения массы и химического состава звезды. Роль диаграммы Герцшпрунга-Рассела в исследовании звезд, процесс их эволюции.
презентация [4,1 M], добавлен 26.06.2011История возникновения и развития беспилотных летательных аппаратов. Состав бортового оборудования современных беспилотных летательных аппаратов (БЛА). Бортовой комплекс навигации и управления. Особенности работы и устройства ряда систем управления БЛА.
реферат [7,4 M], добавлен 17.01.2010Проектирование систем десантирования и дрейфа для изучения планет Солнечной системы с помощью автоматических космических аппаратов. Формирование возможных вариантов морфологических матриц данных систем. Конструкция пульсирующего детонационного двигателя.
реферат [22,2 K], добавлен 22.10.2015Обзор миссий к точкам либрации. Методы моделирования движения космического аппарата вблизи точек либрации. Моделирование орбитального движения спутника в окрестности первой точки либрации L1 системы Солнце-Земля. Осуществление непрерывной связи.
дипломная работа [2,2 M], добавлен 17.10.2016Краткая биографическая справка из жизни Клавдия Птолемея. Анализ труда "Великое математическое построение по астрономии в тринадцати книгах". Движение звёзд Альмагеста. Геоцентрическая модель мира. Изобретение прообраза стенного круга (квадранта).
презентация [449,1 K], добавлен 29.09.2013Два основных вида одноступенчатых аэрокосмических систем. Проблемы внешней конструкции. Воздушно-реактивные двигатели. Использование преимуществ аэрокосмической системы горизонтального взлета продольной компоновки. Аэрокосмическая система "Вьюга".
реферат [685,1 K], добавлен 12.01.2016Образование Солнечной системы. Теории прошлого. Рождение Солнца. Происхождение планет. Открытие других планетных систем. Планеты и их спутники. Строение планет. Планета земля. Форма, размеры и движение Земли. Внутреннее строение.
реферат [126,1 K], добавлен 06.10.2006Солнце как рядовая звезда нашей Галактики: физические характеристики и общая структура. Понятия фотосферы, хромосферы и солнечной короны. Плотность и температура протуберанцев. Вариации галактических космических лучей. Структура и динамика магнитосферы.
контрольная работа [35,7 K], добавлен 07.06.2009Ограниченная круговая задача трех тел и уравнения движения. Типы ограниченных орбит в окрестности точек либрации и гравитационная задача. Затенённость орбит и моделирование движения космического аппарата. Проекция долгопериодической орбиты на плоскость.
курсовая работа [3,6 M], добавлен 01.07.2017
