На Аляске свёрточную нейросеть обучили распознавать взрывы по инфразвуку. Для этого создали синтетический датасет
Искусственный интеллект находит всё новые сферы применения. Даже там, где этого совсем не ждёшь. Например, в акустическом мониторинге взрывов.
💥 Любые взрывы — от промышленных и до испытания оружия или извержения вулканов — создают целый спектр акустических колебаний, включая инфразвуковые. Такие длинные волны затухают сравнительно долго и распространяются на большие расстояния в атмосфере. Поэтому массивы специальных микрофонов позволяют обнаруживать взрывы даже на приличном удалении от места их произведения.
〰️ Учёные с Аляски решили автоматизировать процесс и применить для выделения сигнала машинное обучение. Однако возникла проблема — для тренировки моделей не оказалось нужного количества данных. Чтобы её решить исследователи создали компьютерную модель. Она позволила рассчитать распространение инфразвуковых волн при различном состоянии атмосферы и сгенерировать 28 тыс. синтетических сигналов, соответствующих разным типам взрывов.
🔢 Затем на этом датасете обучили сравнительно простую свёрточную нейросеть. В предварительных тестах она показала отличные — свыше 90% точности — результаты по выделению сигнала взрыва на фоне естественных шумов.
☄️ Дополнительно систему проверили на данных эксперимента Humming Roadrunner, проведенного в США в 2012 году. Тогда в пустыне на полигоне Уайт-Сэндз произвели шесть крупных взрывов мощностью от 9 до 45 тонн в тротиловом эквиваленте, а массивы датчиков зафиксировали созданные ими инфразвуковые волны с расстояния от 50 до 500 км. Собранные десять лет назад данные сейчас выложены в открытый доступ для всех исследователей. Анализируя их, модель, обученная на новом синтетическом датасете, уверенно определила характеристики большинства взрывов.
Читать подробнее: научная статья в журнале Geophysical Research Letters
#Нейросети, #Датасеты
Искусственный интеллект находит всё новые сферы применения. Даже там, где этого совсем не ждёшь. Например, в акустическом мониторинге взрывов.
💥 Любые взрывы — от промышленных и до испытания оружия или извержения вулканов — создают целый спектр акустических колебаний, включая инфразвуковые. Такие длинные волны затухают сравнительно долго и распространяются на большие расстояния в атмосфере. Поэтому массивы специальных микрофонов позволяют обнаруживать взрывы даже на приличном удалении от места их произведения.
〰️ Учёные с Аляски решили автоматизировать процесс и применить для выделения сигнала машинное обучение. Однако возникла проблема — для тренировки моделей не оказалось нужного количества данных. Чтобы её решить исследователи создали компьютерную модель. Она позволила рассчитать распространение инфразвуковых волн при различном состоянии атмосферы и сгенерировать 28 тыс. синтетических сигналов, соответствующих разным типам взрывов.
🔢 Затем на этом датасете обучили сравнительно простую свёрточную нейросеть. В предварительных тестах она показала отличные — свыше 90% точности — результаты по выделению сигнала взрыва на фоне естественных шумов.
☄️ Дополнительно систему проверили на данных эксперимента Humming Roadrunner, проведенного в США в 2012 году. Тогда в пустыне на полигоне Уайт-Сэндз произвели шесть крупных взрывов мощностью от 9 до 45 тонн в тротиловом эквиваленте, а массивы датчиков зафиксировали созданные ими инфразвуковые волны с расстояния от 50 до 500 км. Собранные десять лет назад данные сейчас выложены в открытый доступ для всех исследователей. Анализируя их, модель, обученная на новом синтетическом датасете, уверенно определила характеристики большинства взрывов.
Читать подробнее: научная статья в журнале Geophysical Research Letters
#Нейросети, #Датасеты