Maschinelles Lernen schlägt Spectrumanalyzer!

C. A. Rotwang Gast #5714245
Lesenswert?
• ▲
▼ 
Servus,

ich bin auf einen aktuellen Artikel aus dem Bereich Radioastronomie 
gestoßen, in dem behauptet wird, das bestimmte Signale aus einem grossen 
Datensatz (400 TByte) mit einem KI-basierenden Algorithmus besser 
gefunden werden als mit herkömmlichen.
Unter Herkömmlich verstehe ich bekannte DSP-Algos wie Spectralanalyse, 
die gesuchten Signal sind sogennante "Fast Radio Burst" also 
Amplitudenstarke und breitbandige Elektromagnetische Bursts mit Dauer im 
Milisekundenbereich, deren Ursprung aufgrund der Dispersion in einer 
entfernten Nachbargalaxie vermutet wird.

Der Artikel:
https://www.heise.de/newsticker/meldung/Raetselhafte-Radioblitze-KI-findet-72-Fast-Radio-Bursts-4161960.html

Ich kann dem nicht folgen, mir scheint eher das:
-der konventionelle Algorithmus "zu eng parametrisiert war"
-die KI-Hardware unabhängig von der Trainingsphase besser geeignet ist 
grossen Datensatze durchzumustern (Vectorrechner, höherer 
Speicherdurchsatz)

also nicht wirklich durch KI-Training ein passender Signalfilter 
"gefunden" werden muß.

Andere Meinungen? Wie sollte ein KI Netzwerk ausschauen das passende 
Burts/Glitches findet, die ein herkömmlicher Glitchdetector nicht 
erfasst?

Mehr Hintergrundinfo:
https://de.wikipedia.org/wiki/Fast_Radio_Burst
https://news.berkeley.edu/2018/09/10/ai-helps-track-down-mysterious-cosmic-radio-bursts/
https://chime-experiment.ca/instrument
https://www.weltderphysik.de/gebiet/universum/news/2019/sieben-radioblitze-aus-einer-quelle/
https://www.nature.com/articles/d41586-019-00049-5
Beitrag melden Bearbeiten Thread verschieben Thread sperren Anmeldepflicht aktivieren Anpinnen Thread löschen Thread mit anderem zusammenführen Markierten Text zitieren Antwort Antwort mit Zitat
c r Gast #5714260
Lesenswert?
• ▲
▼ 
Naive Idee: Mann hat bereits 200 Positivbeispiele und praktisch beliebig 
viele Negativbeispiele, also hat man ein simples 
Klassifizierungsproblem, auf das man ein NN ansetzen kann.

Zumindest diese Funde wären dann sicherlich durch andere Parameterwahl 
auch auf herkömmliche Weise möglich, aber dazu müsste man die Parameter 
vorher kennen.

Ein NN kann man einfach mal auf gut Glück rödeln lassen, bis einem die 
Trefferquote niedrig genug ist um sie händisch zu begutachten.
Beitrag melden Bearbeiten Löschen Markierten Text zitieren Antwort Antwort mit Zitat
C. A. Rotwang Gast #5714391
Lesenswert?
• ▲
▼ 
c r schrieb:
> Zumindest diese Funde wären dann sicherlich durch andere Parameterwahl
> auch auf herkömmliche Weise möglich, aber dazu müsste man die Parameter
> vorher kennen.

Die Parameter sind bekannt:
*Burstbreite  < 99 ms
*Signalstärke > 25 Jansky
*Pulsprofil: symmetrisch, dreiecksförmig

Die konkreten Zahlenwerte sind aus der populärwissenschaftlichen 
Darstellung beschätzt

Der Datensatz wurde nach einen genau definierten Muster, einem sehr 
kurzem, starken Radio-Burst durchmustert. Also in Analogie ein plötzlich 
kurz, hell aufleuchtender Stern - das unterscheidet sich so stark und 
Spektakulär vom Normazustand, da muss man nicht erst eine Intelligenz 
bemühen, die das Gras wachsen hört.
Beitrag melden Bearbeiten Löschen Markierten Text zitieren Antwort Antwort mit Zitat
C. A. Rotwang Gast #5715508
Lesenswert?
• ▲
▼ 
Joe G. schrieb:
> Vielleicht hilft das Originalpaper [1].
>
> [1] http://blpd0.ssl.berkeley.edu/frb-machine/CNNFRB_eprint.pdf

Ja danke, das ist sehr viel aussagekräftiger, weil es deutlich macht, 
daß die Detektions-Aufgabe über ein Wasserfalldiagramm in eine simple 
Bild/Mustererkennungsaufgabe überführt wurde.

Und es wird deutlich, das das Hauptmerkmal bei der Erkennung weder 
Signalstärke noch Burstdauer ist, sondern die Dispersion, die im 
angesprochenen Diagramm als schräge Linie erkennbar wird. Die zum 
Vergleich herangezogenen "konventionellen" Verfahren werden 
überraschenderweise erste wenige Jahre angewandt.

Mal sehen was noch an Erkenntnissen betreffs der Nutzbarkeit von KNN in 
der Signalverarbeitung rüberkommt, hab jetztz erst nur ein Viertel 
gelesen.
Beitrag melden Bearbeiten Löschen Markierten Text zitieren Antwort Antwort mit Zitat
Thread beobachten

Antwort schreiben

Bitte melde dich an, um einen Beitrag zu schreiben.

Bestehender Account

oder

Mit Google-Account einloggen

Noch kein Account?

Die Registrierung ist kostenlos und dauert nur eine Minute.

Jetzt registrieren