Skip to the main content

Rad Hrvatske akademije znanosti i umjetnosti. Tehničke znanosti, No. 554=22, 2023.

Original scientific paper

https://doi.org/10.21857/yq32ohx1v9

Kombinacija vremensko-frekvencijske analize signala i strojnoga učenja uz primjer u detekciji gravitacijskih valova

Jonatan Lerga orcid id orcid.org/0000-0002-4058-8449 ; Faculty of Engineering, University of Rijeka, Rijeka, Croatia
Nikola Lopac orcid id orcid.org/0000-0002-0616-1265 ; Faculty of Maritime Studies, University of Rijeka, Rijeka Croatia
David Bačnar orcid id orcid.org/0000-0001-5160-3571 ; Faculty of Engineering, University of Rijeka, Rijeka, Croatia
Franko Hržić orcid id orcid.org/0000-0003-1513-0337 ; Faculty of Engineering, University of Rijeka, Rijeka, Croatia

Full text: english pdf 2.035 Kb

page 99-130

downloads: 205

cite

Abstract

Ovaj rad predstavlja metodu klasifikacije šumom narušenih nestacionarnih signala u vremensko-frekvencijskoj domeni korištenjem umjetne inteligencije. Naime, signali u obliku vremenskih nizova transformirani su nakon predobrade u vremensko-frekvencijske prikaze (TFR) iz Cohenove klase, rezultirajući TFR slikama korištenim kao ulaz u algoritme strojnoga učenja. Korištene su tri suvremene metode dubokoga učenja u obliku 2D arhitektura konvolucijskih neuronskih mreža (CNN) (ResNet-101, Xception i EfficientNet). Metoda je demonstrirana na zahtjevnom problemu detekcije signala gravitacijskih valova (GW) u intenzivnom stvarnom i nestacionarnom šumu koji nema karakteristike ni Gaussovog ni bijelog šuma. Rezultati pokazuju izvrsne performanse klasifikacije predloženoga pristupa s obzirom na točnost klasifikacije, površinu ispod krivulje značajke djelovanja prijamnika (ROC AUC), odziv, preciznost, F1-mjeru i površinu ispod krivulje preciznost-odziv (PR AUC). Nova metoda nadmašuje osnovni model strojnoga učenja treniran na podatcima u obliku vremenskih nizova s obzirom na razmatrane metrike. Istraživanje pokazuje da se predložena tehnika može proširiti i na različite druge primjene koje uključuju nestacionarne podatke u intenzivnom šumu.

Keywords

nestacionarni signali; vremensko-frekvencijski prikazi; umjetna inteligencija; strojno učenje; konvolucijske neuronske mre- že; gravitacijski valovi

Hrčak ID:

307575

URI

https://hrcak.srce.hr/307575

Publication date:

23.3.2023.

Article data in other languages: english

Visits: 753 *