Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
KiadtaLéna Pappné Megváltozta több, mint 9 éve
1
Részecskenyom analízis és osztályozás Pálfalvi József MSc, Intelligens Rendszerek, Önálló labor 1. Egyetemi konzulens: dr. Dobrowiecki Tadeusz (BME MIT) Szakmai konzulens: Eördögh Imre (MTA MFA)
2
Részecske felismerés Miért fontos ez? (kozmikus sugárzás hatásai, ISS) Mi a megoldás? Szimuláció, mérés detektorokkal az űrben, és földi kiértékelés Detektorok utókezelése laborban Mérés fénymikroszkóppal képfeldolgozás
3
Kiindulás, célok IMAN („black box”) adat csere nehéz Körvonal elemzési algoritmusok használhatók Célszoftver fejlesztése IMAN funkciók (képfeldolgozás, felismerés, osztályozás, interaktív felület) megvalósítása Saját fejlesztések beépítése
4
Célszoftver képességei 1. Paraméterezhető képfeldolgozás (makró) 2. Objektum felismerés, böngészés, szűrés 3. Osztályozás: betanítás, alkalmazás (visszajelzéssel) 4. Adatok kimentése, betöltése bármelyik fázisban 5. Moduláris megvalósítás: komponensek cserélhetők
5
Architektúra
6
Demo I.
7
Demo II.
8
Osztályozás (célok, kérdések) 4 osztály: ellipszis, csepp alakú, összetett, egyéb (zaj) Rendelkezésre állnak morfológiai paraméterek (terület, kerület, konvexitás… stb.) Osztályozott, ellipszissel illesztett nyomok Milyen tanuló algoritmust használjunk? Hogyan használjuk? Előszűrés heurisztika alapján?
9
Tanuló algoritmusok Felügyelt tanítás Előszűrés: ellipszisek leválasztása probléma dimenziója csökken: 3 osztály Felmerülő (tesztelt) algoritmusok: 1.Neurális háló 2.Döntési fa 3.k-NN klaszterezés (k-Nearest Neighbor) 4.SVM (Support Vector Machine) Mindegyik algoritmust az algoritmusra jellemző módon kell használni. Pl. SVM-nél 2 menetben osztályozunk. De: tesztadatok azonosak
10
Tesztelési eredmények (teszthalmazon, legjobb konfigurációk) Neurális háló: 97% Döntési fa: 90% k-NN: 75% SVM: 98% k-NN használhatatlan Döntési fa nem pontos (de legalább szép) Neurális háló, SVM használható
11
Konklúzió, kitekintés Vannak jó tanuló algoritmusok, amikkel a probléma hatékonyan megoldható Van egy „félkész” szoftver, ami képes analizálni a részecskenyomokat További lépések: Tanuló algoritmusok tesztelése „éles helyzetben” Szoftver kibővítése a tanuló algoritmusok használatához
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.