Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Zajok és fluktuációk fizikai rendszerekben 2009. december 2. Active Delay Implicit szekvencia tanulás.

Hasonló előadás


Az előadások a következő témára: "Zajok és fluktuációk fizikai rendszerekben 2009. december 2. Active Delay Implicit szekvencia tanulás."— Előadás másolata:

1 Zajok és fluktuációk fizikai rendszerekben december 2. Active Delay Implicit szekvencia tanulás

2 Active Delay Cél: A lézer driftjének kompenzálása, minimális hozzáadott jitter A szabályozás teljesítményének vizsgálata (numerikus szimulációk) Megvalósítás (hardver + szoftver) Kérdés: tudjuk-e a lézer zaját saját céljainkra felhasználni Lézer impulzusok: a késleltetés időben nem állandó Drift: lassú, determinisztikus, kompenzálható Jitter: véletlenszerű, előre meg nem jósolható , ?

3 A szabályozás alapelve

4 Hardver 5 időablak 6 ns szélesség

5 A késleltetés hibájának detektálása

6 Az időablak-detektor lehetséges állapotai

7 A szabályozás elve Egyszerű szabályozás: érzékeny a zavarokra Egyszerű átlagolás: egyensúly körüli oszcilláció A mi ötletünk: adaptív átlagolás: Amíg keressük a kívánt késleltetést: kis átlagok (1-2) Közel a kívánt késleltetéshez: hosszabb átlagolások (3-4) Ha nem történt léptetés egy ideje: átlagolási hossz növelése a jobb pontosság érdekében (10-20) Tulajdonságok Jobb védelem a zavarok ellen A detektálási felbontás növelése (dithering) Rugalmas konfigurálhatóság az aktuális igényeknek megfelelően

8 Az átlagolás felhasználása zaj + átlagolás: megnövelt felbontás (dithering)

9 A zaj konstruktív szerepe Dithering → felbontás növelése (az időablak szélességénél kisebb különbségek érzékelése) Sztochasztikus rezonancia: a zaj növelheti egy rendszer teljesítményét (a zaj a rendszerből jön) Mutatja a szabályozásunk ezt a jelenséget? Valódi rendszer – nehéz változtatni a paramétereket (jitter) ↓ Numerikus szimulációk

10 A szabályozás hibája a jitterzaj függvényében

11 Jósági faktor SR jellegű viselkedés

12 Különféle beállítások összehasonlítása

13

14 A hiba drift követése esetén Szinuszos drift amplitúdó: 40ns periódus: 1000 lövés

15 Demo – no jitter noise

16 Demo – 2 ns jitter noise

17 Demo – 5 ns jitter noise

18 No averaging – 5 ns jitter noise

19 Non adaptive – 1 ns jitter noise

20 Edge positioned – no noise

21 Edge positioned –0.2 ns jitter noise

22 Tracking drift – 2 ns jitter noise

23 Következtetések Működő rendszer (hardver + szoftver) Adaptív átlagolás: jobb teljesítmény védelem a zavarok ellen sztochasztikus rezonancia jellegű viselkedés: nem nulla zaj esetén ideális viselkedés: időablak szélessége: 6 ns jitter zaj RMS: 1.5 ns hiba RMS: 0.25 ns Akár 1 ns/lövés nagyságú dirft követése nagy lépés nélkül

24 ISZT

25 Implicit szekvencia tanulás Az ábrához tartozó gombot kell megnyomni a reakcióidő változása utal a tanulásra Cél: motoros tanulás vizsgálata a nélkül, hogy az alany tudatosan tudná kontrollálni A vizsgált szekvenciát el kell rejteni: a nem random sorozatelemek közé random elemek kerülnek Pl: R 1 R 2 R 3 R 4 R 1 R 2 R 3 R 4

26 Nehézségek Általános motoros tanulás: egyre jobb reakcióidő Különbségek az egyes újjak sebessége között Nagy szórás, viszonylag kevés adat

27 Következtetések Az alanyok nem feltétlenül magát a mintát tanulják meg 3 egymás utáni minta: –gyakoribb kombinációk pl. 132 –kevésbé gyakori kombinációk pl egymás utáni minta esetén is különböző gyakoriságú kombinációk Az agyban a különböző folyamatok egymással versenyeznek

28 Demók PCA demó Active Delay

29 Források R Mingesz, Z Gingl, G Almási and P Makra, ‘Utilising jitter noise in the precise synchronization of laser pulses,’ Fluctuations and Noise, 21–24 May 2007, Florence, Italy. In Proceedings of SPIE volume 6600: Noise and fluctuations in circuits, devices and materials, edited by Massimo Macucci &al, SPIE, 2007, Z D. Németh, K. Janacsek, Z Londe, M. T. Ullman, D. V. Howard, J. H. Howard, Jr.: ”Sleep has no critical role in implicit motor sequence learning in young and old adults”


Letölteni ppt "Zajok és fluktuációk fizikai rendszerekben 2009. december 2. Active Delay Implicit szekvencia tanulás."

Hasonló előadás


Google Hirdetések