+
РЕСУРСОНЕЗАВИСИМОЕ ОПИСАНИЕ ИНФОРМАЦИОННЫХ ГРАФОВ С ДИСТРИБУТИВНЫМИ ОПЕРАЦИЯМИ НА ЯЗЫКЕ ПРОГРАММИРОВАНИЯ SET@L
стр.5-17
Левин И.И., Писаренко И.В., Михайлов Д.В., Мельников А.К., Дордопуло А.И.
В данной работе предлагается преобразовать стандартную последовательную топологию информационного графа с дистрибутивными операциями к комбинированному варианту с последовательными и параллельными фрагментами, что позволяет эффективно описать реализацию вычислений в ресурсонезависимойформе. Конечная топология зависит от доступного вычислительного ресурса реконфигурируемой системы иобеспечивает повышение удельной производительности в сравнении с исходным вариантом. Разработанныйалгоритм преобразования линейной структуры в различные комбинированные топологии в зависимости отконфигурации вычислительной системы описан на языке программирования Set@l.
Загружаем данные из библиотечной системы...
Ключевые слова
+
СРАВНЕНИЕ ЦЕЛЕВЫХ ФУНКЦИЙ В ЗАДАЧЕ ПРОНИ ДЛЯ АППРОКСИМАЦИИ ДАННЫХ ИЗМЕРЕНИЙ
стр.18-29
Ломов А.А., Русинова Е.А.
В работе проводится сравнение двух целевых функций в задаче Прони аппроксимации данных измерений решениями линейного дифференциального уравнения заданного порядка с постоянными коэффициентами. Целевые функции различаются типом зависимости градиента от коэффициентов уравнения (линейная или со сложной нелинейностью) и являются 1) нормой невязки уравнения (линейный метод наименьших квадратов) или 2) нормой ошибки аппроксимации по А. Хаусхолдеру (вариационный метод идентификации). В последнем случае производится совместная оптимизация коэффициентов дифференциального уравнения и начальных условий решения. Для рассмотренных целевых функций вычислены константы локальной устойчивости решения задачи Прони с использованием локальных разложений зависимостей оптимальных коэффициентов уравнения как неявных функций от данных из условия равенства градиента целевой функции нулю. На этой основе предложен способ определения допустимой погрешности в данных задачи для обеспечения заданного уровня отклонения решения от истинного значения. На примере К. Ланцоша вычисления показателей экспонент по наблюдениям суммы трех экспонент с ошибками округления показано существенное преимущество (с точки зрения допустимой погрешности в данных) использования вариационной целевой функции. Адекватность используемых локальных показателей устойчивости для немалых возмущений проверяется численным экспериментом.
Загружаем данные из библиотечной системы...
Ключевые слова
+
ПРИМЕНЕНИЕ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ ДЛЯ АННОТИРОВАНИЯ СЕНСОРНЫХ ДАННЫХ
стр.30-42
Гоглачев А.И., Цымблер М.Л.
Аннотирование сенсорных данных предполагает автоматизированную разметку временного ряда показаний, снятых с сенсора, которая выделяет различные активности, заданные указанным рядом. Разметка активностей имеет широкий спектр практического применения: предиктивное техническое обслуживание, умное управление системами жизнеобеспечения, моделирование климата и др. Ранее нами разработан параллельный алгоритм PSF для аннотирования данных сенсоров с помощью графического процессора на основе концепции сниппетов. Сниппет представляет собой подпоследовательность, на которую похожи многие другие подпоследовательности данного ряда в смысле специализированной меры схожести, основанной на евклидовом расстоянии. В данной статье описаны два тематических исследования, выполненные с помощью алгоритма PSF: аннотирование показаний носимого виброакселерометра, закрепленного на человеке, и стационарного виброакселерометра, установленного на малогабаритной дробильной установке. В рамках исследований были проведены вычислительные эксперименты для оценки быстродействия и точности разработанного алгоритма. Также была исследована зависимость эффективности работы алгоритма от значений входных параметров: количества искомых сниппетов и длины подпоследовательности.
Загружаем данные из библиотечной системы...
Ключевые слова
+
МЕТОД ПОДАВЛЕНИЯ АКУСТИЧЕСКОГО ЭХА НА ОСНОВЕ РЕКУРРЕНТНОЙ НЕЙРОННОЙ СЕТИ И АЛГОРИТМА КЛАСТЕРИЗАЦИИ
стр.43-58
В статье решается задача подавления акустического эха на основе нейронной сети оценивающей идеальную двоичную маску IBM из признаков, извлеченных из смеси сигналов ближнего и дальнего конца. Новизна предложенного метода заключается в использовании алгоритма кластеризации дополнительно с двунаправленной рекуррентной нейронной сетью BLSTM. Для оценки использования алгоритмов кластеризации EM, Mean-Shift, k-Means, модели были обучены и протестированы на базе данных TIMIT. Для каждой модели были вычислены метрики ERLE, PESQ, STOI, характеризующие ее качество. Использование алгоритмов кластеризации EM, Mean-Shift оказалось неэффективным по сравнению с алгоритмом BLSTM при соотношении сигнал/эхо 10 дБ. При соотношении сигнал/эхо 6 дБ BLSTM+Mean-Shift привел к незначительному улучшению метрики PESQ по сравнению с алгоритмом BLSTM. Результаты экспериментов показали эффективность предложенной модели BLSTM при использовании сети с алгоритмом K-Means, по сравнению с использованием чистой BLSTM для подавления эха в сценариях с двойным разговором. При соотношении сигнал/эхо 10 дБ метрика STOI, характеризующая разборчивость речи, улучшилась на 7%, а метрика PESQ, характеризующая качество восстановления речи, на 18.8%.
Загружаем данные из библиотечной системы...
Ключевые слова
+
ДИАГНОСТИКА НЕИСПРАВНОСТЕЙ ПОДШИПНИКОВ КАЧЕНИЯ С ИСПОЛЬЗОВАНИЕМ ПИКОВ СПЕКТРА И НЕЙРОННЫХ СЕТЕЙ
стр.59-71
Ибряева О.Л., Мохаммад М.Н.
Важнейшими составляющими деталей машин являются подшипники качения, контроль за состоянием которых необходим, так как возможные дефекты в их конструкции могут привести к неправильной работе или общему выходу машин из строя. Современные решения по диагностике неисправностей подшипников обычно используют сложные процессы извлечения признаков, например, построение их изображений спектра Гильберта и дальнейшую мощную нейронную сеть для их классификации. В этой статье мы предлагаем простой, но, тем не менее, эффективный алгоритм решения данной задачи. Для выделения признаков из сигнала мы делим спектр сигнала на равные подинтервалы и находим максимум амплитуды и соответствующее значение частоты в каждом из них. В статье, на основе метода t-SNE, показано, что выделенные таким образом признаки, несмотря на свой небольшой размер, хорошо представляют разного типа сигналы. На втором этапе выделенные признаки поступают на вход простой нейронной сети классификатора. Предложенный метод обладает простотой в вычислительном отношении, как на этапе выделения признаков, так и на этапе обучения нейронной сети. Несмотря на это, метод дает 100% точность для всех типов сигналов на коротких данных из набора данных IMS.
Загружаем данные из библиотечной системы...
Ключевые слова
