Ich habe ein signal unterschiedlicher Länge, worin mit dem menschlichen Auge ein Ereignis immer gut anhand der recht eindeutigen Form erkennbar ist. Das ist ein 1D Signal. Kann man mit maschinellen lernen irgendwie den Bereich dieses charakteristischen Signals in einem gegebenen Verlauf finden? Wo muss ich da ansetzen?
Fan von Yussif schrieb: > Kreuzkorrelation? Das hatte ich auch erst überlegt nur hat das Signal ja nicht immer die gleiche Amplitude und kann in der Form schon etwas abweichen (kleine Hügel usw.) ist aber für den Menschen noch erkennbar.
Andrew H. schrieb: > Das hatte ich auch erst überlegt nur hat das Signal ja nicht immer die > gleiche Amplitude und kann in der Form schon etwas abweichen (kleine > Hügel usw.) ist aber für den Menschen noch erkennbar. Aber der zeitliche Verlauf ist immer "in etwa" gleich, nur die Amplitude variiert, richtig? Dann braucht man ganz sicher keine KI dafür. Nur ein bissel stupide Rechnerei und einen willkürlichen Schwellwert für eine zur Detektion ausreichende "Ähnlichkeit" mit dem gesuchten Signal. Der Witz ist, dass KI letztlich dasselbe macht. Bloß mit noch sehr viel mehr Rechnerei und so, dass hinterher niemand die Sache nachvollziehen kann, jedenfalls nicht mit akzeptablen Zeitaufwand...
Stell dir das wie ein Kardiogramm vor, dass ich zeitlich aufnehme und dort eine charakteristische Form suchen möchte. Da diese Signalform dann aber wandert weil ich ja zeitlich aufgelöst messe will ich die Position dieses Signals finden, das eben diese Eigenschaften hat. Ich dachte da an sowas ind er Art, dass man ein paar mal das Feature vorgibt aus bekannten Signalen und den Bereich markiert. Nach ein paar Lernvorgängen sollte das dann selbstständig passieren.
c-hater schrieb: > Der Witz ist, dass KI letztlich dasselbe macht. Bloß mit noch sehr viel > mehr Rechnerei und so, d Um es genau zu sagen, findet KI die Grenze selber und wenn sie sehr schlau ist, findet sie auch, dass man überhaupt mit einem Schwellenwert arbeiten kann. Die Frage ist halt, wie sehr man der KI vorab auf die Sprünge helfen kann, indem man die Wege einprogrammiert, damit nicht elend lang etwas trainiert wird, was man eh schon kennt. Eine "Charakteristische Signalform erkennen" ist da eine eigentlich einfache Sache: Spektrale Zerlegung, Normierung und dann die Frequenzen vergleichen. Ist das Profil bis auf einige massive Abweicher ähnlich, dann stimmt es und man hat zugleich die Störer detektiert. Aufgabe der Zerlegung ist es ja gerade, Amplituden, Phasen und Offset der einzelnen Komponenten zu trennen, damit man nur deren zeitlichen Verlauf hat und andere Dinge beiseite lassen kann. Spracherkennung läuft so, z.B.
Die soll ja nur ausgeben zwischen welchen grenzen so ein signal ist.
Richter schrieb: > Um es genau zu sagen, findet KI die Grenze selber Nein, nicht wirklich. Wie jedes Lernen erfolgt auch das Lernen der KI in einer Feedback-Schleife. Irgendeine Instanz muss ihr vorgeben, was ein "gutes" Lernergebnis ist. Den Schwellwert, den sie dann scheinbar "eigenständig" findet, der resultiert einfach aus der Summe des Trainingsmaterials und der Information, ob sie sich in jedem Einzelfall richtig oder falsch entschieden hat. So ist das nunmal: von nix kommt nix. Auch KI ändert da rein garnix dran.
c-hater schrieb: > Nein, nicht wirklich. Wie jedes Lernen erfolgt auch das Lernen der KI in > einer Feedback-Schleife. Irgendeine Instanz muss ihr vorgeben, was ein > "gutes" Lernergebnis ist. Das wird gerne vergessen. Das Lustige daran ist, dass eine KI durchaus sehr lange bis unendlich lange brauchen kann, bis sie eine Regel optimiert hat, welche analytisch oder durch humanes Nachdenken schon vollumfänglich gelöst worden ist.
Richter schrieb: > Eine "Charakteristische Signalform erkennen" ist da eine eigentlich > einfache Sache: Spektrale Zerlegung, Normierung und dann die Frequenzen > vergleichen. Das hätte ich auch empfohlen. Die Amplituden im Spektrum dann kreuzkorrellieren.
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.