В процессе астрономических наблюдений собираются огромные объемы данных. БСА ФИАН (Большая сканирующая антенна Физического института Российской академии наук), используемая при исследовании импульсных явлений, ежедневно регистрирует 87,5 Гб данных (32 Тб в год). Цель работы - разработка веб-сервиса для помощи экспертам в классификации новых астрономических наблюдений. Студия машинного обучения Azure Machine Learning Studio, поддерживающая алгоритм глубокой нейронной сети, используется в качестве инструмента для разработки веб-сервиса. Экспертами классифицированы 83096 индивидуальных наблюдений (на отрезке исследования июль 2012 - октябрь 2013). Свыше 89 % выборки соответствуют пульсарам, мерцающим источникам и быстрым радиотраизиентам, а остальные классы наблюдений относятся к аппаратурным сбоям, помехам, пролету спутника Земли, самолета. Всего выделено 15 классов наблюдений. Наличие подобной выборки, разделенной на классы, позволяет воспользоваться алгоритмами машинного обучения, с помощью которых станет возможной разработка автоматизированного сервиса для краткосрочного/долгосрочного мониторинга различных классов радиоисточников (в том числе радиотраизиентов различной природы), мониторинга ионосферы Земли, межпланетной и межзвездной плазмы, поиска и мониторинга различных классов радиоисточников. Под мониторингом в данном случае понимается автоматическая фильтрация и распознавание ранее неклассифицированных импульсных явлений. На текущий момент для автоматической фильтрации используются методы статистического анализа. Рассмотрен альтернативный метод с использованием алгоритма машинного обучения - нейронной сети, которая обрабатывает поданные на вход первичные данные и, после обработки скрытым слоем, посредством выходного слоя определяет класс импульсного явления. Заключение: создание модели нейронной сети, обученной на выборке и выполняющей классификацию ранее неклассифицированных импульсных явлений, производится с помощью облачного сервиса Microsoft Azure Machine Learning Studio. Веб-сервис, созданный на основании модели, позволяет классифицировать как одиночные импульсные явления в режиме реального времени (запрос-ответ), так и выборку данных за определенный период (пакетная обработка).

  Повний текст PDF - 801.243 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"