Файл: Исследование пищевых продуктов.pdf

Известия ТРТУ Тематический выпуск «Интеллектуальные САПР»
228 0
0.5 1
1.5 2
x 10 4
-100
-95
-90
-85
-80
-75
-70
-65
-60
-55
-50
Frequency (Hz)
P
o w
e r
S
pec tr a
l D
ens it y
(
d
B
/H
z
)
Periodogram PSD Estimate m x
f
Рис.5. Спектральнаяплотностьмощностисигналов взависимостиотчастоты (периодограмма)
Заключение. Фильтр действительно является адаптивным, поскольку обуча- ется на каждом подаваемом сигнале. Для обоих случаев тестового сигнала видно, что фильтр значительно приближает сигнал к оригиналу, а также существенно уменьшает разброс значений. Эффективность фильтрации зависит от качества обу- чения, которое напрямую связано с вычислительными затратами. Процедура обу- чения занимает 96% общего времени, т.е. обучение требует на порядок больше времени, чем режим исполнения (фильтрации). Всего на обработку фрагмента раз- мером 6000 отсчетов тратилось 12±2 секунд процессорного времени на компьюте- ре с процессором Intel Pentium II и частотой 233 МГц. Обучение на длинных фраг- ментах нерационально, поскольку при увеличении наборов данных для обучения затраты времени вырастают до неприемлемых значений. Лучше обучать на не- большом фрагменте (до 5..10 секунд), а затем проводить нечеткие вычисления на полноразмерном фрагменте (любой длины – вплоть до нескольких часов). Однако, установление приемлемого компромисса между качеством обучения и количест- вом затраченного времени остается прерогативой исследователя. Низкая произво- дительность обусловлена применением интерпретируемых программ MATLAB.
При использовании оптимизированных библиотек (например, Intel Signal
Processing Library и Recognition Primitives Library) или решений на основе DSP возможна обработка в реальном времени.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1.
ДюбуаД., ПрадА. Теория возможностей. Приложения к представлению знаний в ин- форматике: Пер. с франц. М.: Радио и связь, 1990.
2.
ЗадеЛ. Понятие лингвистической переменной и его применение к принятию прибли- женных решений: Пер. с англ. М.: Мир, 1976.
3.
КороткийС.Г. Нейронные сети: алгоритм обратного распространения // BYTE Россия.
2000.
№21. С.26-29.
4.
Тарасов В.Б Синергетические проблемы в искусственном интеллекте // Труды Между- народной научно-практической конференции «Знание – диалог – решение». Т.2 (KDS-
2001,
Санкт-Петербург, 19-22 июня 2001 г.).СПб: Лань, 2001. С.594-602.
5.
ЯрушкинаН.Г. Нечеткие нейронные сети. Ч.1 // Новости ИИ. 2001. №2-3. С.47-51.