• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Статья

Применение сверточных нейронных сетей (CNN) для поиска паттернов в рядах данных различной природы

Стремительный темп развития современных технологий в области машинного зрения позволяет рассмотреть вопрос их применимости к традиционным научным и практическим задачам, связанным с анализом данных различной природы и, в частности, временных рядов. Существует ряд отраслей, в которых анализ данных осуществляется визуально, так как данный способ позволяет быстро выявить закономерности и упрощает восприятие информации для оператора-аналитика, человека.
Таким образом, можно предположить, что внедрение анализа данных с помощью алгоритмов, осуществляемых машинным зрением, даже без учета природы данных, может позволить достичь точности не меньшей, чем у человека. Примерами отраслей, где актуальна беспристрастная и безэмоциональная аналитика, колоссальные объемы данных реального времени и высока цена ошибки, служат системы обработки данных реального времени – трейдинговые системы, системы класса интернета вещей
(IoT), АСУТП и пр. В данной работе проводится исследование актуальности и универсальности использования визуального способа обработки данных на примере астрономических данных радиотелескопа ПРАО. В настоящее время для обработки получаемых с радиотелескопа временных рядов данная обсерватория применяет систему собственной разработки, основанную на алгоритмизированном математическом подходе. Данная система позволяет достичь точность автоматической классификации данных порядка 68 %. Разработанная и настроенная CNN-нейронная сеть, не учитывающая астрономической природы данных в
явном виде, позволяет в режиме промышленной эксплуатации получить точность не менее 94 %, при этом время классификации снизилось с нескольких суток до 0,5 с. Очевиден рост производительности и качества результата. При этом универсальность подхода в дальнейшем позволяет применять его для других подобных классов задач.