ნეირონული ქსელის საშუალებით სიგნალების ამოცნობის გამოკვლევა

ავტორი: გურამ ჩაგანავა
საკვანძო სიტყვები: სასარგებლო სიგნალი, ნეირონული ქსელი, მრავალშრიანი პერცეპტრონი, ფუნქციის ოპტიმიზაცია
ანოტაცია:

მოცემული ნაშრომი ეხება სიგნალების ამოცნობა-აღდგენის ამოცანას. დღესდღეობით სიგნალების ამოცნობა საკმაოდ აქტუალური კვლევის საგანია. აღნიშნული ამოცანა განხილულია ორ სხვადასხვა ასპექტში. პირველი შეეხება გარემო ხმაურიდან ჩვენ მიერ წინასწარი განსაზღვრული სიგნალის ამოცნობას. მეორე კი, სახეცვლილი, ე.წ. გადაჭრილი სიგნალების აღდგენას. ნაშრომის ფარგლებში მიზნად დასახულია სიგნალების ამოცნობის საკითხის გამოკვლევა ნეირონული ქსელების საშუალებით. კვლევის მიზანია დადგინდეს, თუ რამდენად შესაძლებელია ინტელექტუალური სისტემების გამოყენებით სიგნალების ამოცნობა-აღდგენის პრობლემის გადაჭრა. კვლევის პროცესში მოხდა ხელოვნური ინტელექტის სფეროს რამდენიმე მიდგომის, დღესდღეობით გამოყენებადი ნეირონული ქსელებისა და საწვრთნელი ალგორითმების განხილვა. მოხდა შესაბამისი ხელოვნური ქსელების აგება, ჩატარდა ტესტირება თითოეული ამოცანისათვის სხვადასხვა სასწავლო პარამეტრებით. შედეგად, შერჩეულ იქნა ნეირონული ქსელის ოპტიმალური კონფიგურაცია და შედარებით სწრაფი ოპტიმიზაციის ალგორითმი. პირველი ამოცანის ფარგლებში, განხილულია სხვადასხვა დონის ხმაურიდან სინუსოიდალური და QPSK მოდულირებული სიგნალების ამოცნობა-აღდგენის პროცესი. ყველაზე ოპტიმალური შედეგი მიღწეულია პირდაპირი ღრმა ქსელის, იგივე მრავალშრიანი პერცეპტრონის, ლევენბერგ-მარქუარდტის ალგორითმით გაწვრთნის დროს. ქსელმა შეძლო საკმაოდ მაღალი სიზუსტით აღედგინა სასარგებლო სიგნალები ისეთ გარემოშიც კი, სადაც ხმაური რამდენჯერმე აღემატება სიგნალის ამპლიტუდას. რაც შეეხება მეორე ამოცანას, ზემოაღწერილმა ქსელმა ხსენებული ალგორითმის გამოყენებით მოახერხა დიდი სიზუსტით აღედგინა ნებისმიერ დონეზე გადაჭრილი, სხვადასხვა სიხშირის და ფაზის სინუსოიდალური სიგნალები. შედეგად შეიძლება დავასკვნათ, რომ ნეირონული ქსელების გამოყენებით სიგნალების ამოცნობა-აღდგენის პრობლემის გადაჭრა შესაძლებელია. მნიშვნელოვანია ის ფაქტი, რომ მეთოდმა წარმატებით იმუშავა სხვადასხვა ფორმისა და სირთულის სიგნალებისთვის, რაც მიგვანიშნებს იმაზე, რომ მოცემული მიდგომა შეიძლება განზოგადებულ იქნას სიგნალთა ფართო კლასისათვის.