03-02-18Industriella tillämpningar inom bildanalysen Neuronnät och identifiering av CME’s Peter Wintoft Institutet för rymdfysik i Lund.

Slides:



Advertisements
Liknande presentationer
PROJEKT – Fältstudier/metoder
Advertisements

Presentationsmaterial EFFSYS 2 dagen Milestone Modell för identifiering av lämplig effektivisering av energitekniska system med värmepumpar.
Rickard Danell Sociologiska institutionen, Umeå universitet
© Anders Broberg, Ulrika Hägglund, Lena Kallin Westin, 2003 Datastrukturer och algoritmer Föreläsning
Svavelgödsling.
FTP, HTTP, HTML, XML och XHTML
Mashups Per K, Vad är en mashup? • Mashup är en typ av webbapplikation som sammanställer information och funktionalitet från fler av varandra.
FL4 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
FN - Förenta nationerna
ARKISTOLAITOS Arkivverket Projekt för förnyelse av webbplatsen.
Numeriska beräkningar i Naturvetenskap och Teknik
Innehåll 1.Bakgrund till enteral läkemedelsadministrering (5-8). 2.Var hittar man information om enteral läkemedelsadministrering (9-10). 3.Översikt.
Bibliometri och forskningsutvärdering Doktorandkurs, SA
The Ubiquitous Interactor Mobila tjänster med flera användargränssnitt.
Predicting protein folding pathways.  Mohammed J. Zaki, Vinay Nadimpally, Deb Bardhan and Chris Bystroff  Artikel i Bioinformatics 2004.
IKT och matematik Patrik Erixon Trondheim nov.2005.
Sällsamma attraktorer - Strange Attrators
WEBMASTER DAG 13 Mahmud Al Hakim
Karin Henning Bibliometric Services Gothenburg University Library Bibliometri och forskningsutvärdering Vårdalinstitutet,
Publiceringsstrategier Helena Juhlin, UB Institutionen för kulturvetenskaper Bild från GU- journalen nr
Modellering med UML
Översikt biblioteks- och informationstjänster
© Anders Broberg, Ulrika Hägglund, Lena Kallin Westin, 2004 Datastrukturer och algoritmer Föreläsning 3.
Zend Framework Exemplifierat med spagooy.com Kurs: Moderna applikationsmiljöer, HIK Handledare: Martin Blomberg Studenter: Robin Bengtsson, Magnus Spång.
Schedule F6: Segmentation and Clustering F7: Multispectral Images (Sune Svanberg) F8: Segmentation and Fitting F9: Segmentation, Recognition and Classification.
Rhodes fyra-p-modell Från ”An Analysis of Creativity” (1961) Utifrån 40 definitoner om kreativitet skapade Rhodes en metateori om kreativitet. Kreativitet.
Seminarium Omställningens tid ”Vart vill vi komma? Vad utmärker en hållbar framtid?”
Data from2003/BS Using stroke registers for research: Example from RIKS stroke in Sweden.
PGSA-hjulet.
Felkällor vid RTK-mätning Ragne Emardson
Skattningens medelfel
Best pictures on the internet 2007 Awards 1http:// Är vänsteralliansen trovärdig i Norrköping.
Interaktionsdesign i digitala medier (A.1) HT-2012, 7,5 hp Kursansvarig lärare: Daniel Nylén
Mitt första Java program Mahmud Al Hakim Copyright, Mahmud Al Hakim, 1.
Informationssökning Kulturgeografi A/Ekonomisk och politisk geografi Magnus Olsson, Umeå UB
Det finns i V en operation kallad addition, betecknad + sådan att
Magnus Olsson TEL Tjänstesida: Informationssökning inför det Självständiga.
Exempelbaserade specifikationer med SpecFlow
Förskoleklassen Torpshammar
Magnsus Olsson TEL Tjänstesida: Informationssökning Statsvetenskap och Freds-
Informatik C VT 2011 Informationssökning Magnus Olsson, Umeå UB Tel
Rymdväder och prognoser Rymdens fysik Peter Wintoft.
1. Konnektionism – grunderna
Statistik C VT 2011 Informationssökning Magnus Olsson, Umeå UB Tel
Klicka här för att ändra format på underrubrik i bakgrunden 12/1/09 Bildbehandling EDAA05 – Datorer i system.
Att relatera till tidigare vetenskapliga arbeten
Psykologprogrammet Termin 7 HT 2010 Litteraturöversikt Magnus Olsson, Umeå UB Tel
1.1. TechNet Security Summit 2004 Security Framework ”Introduktion av ”Security in Depth” Marcus Murray.
Linda Askenäs Linköpings universitet
Mashups Per K, Vad är en mashup? Mashup är en typ av webbapplikation som sammanställer information och funktionalitet från fler av varandra.
1 386 Från s bits adressbuss –=>4GB minne kan adresseras 32 bits databuss max klockfrekvens: 40MHz Protected mode –virtuellt minne –segmentering.
Målsättning Målsättning.
företag, din ledarposition och ledartyp
Datorseende TexPoint fonts used in EMF: AAA Datorseende vt-08Föreläsning 6.
UTVECKLING MED RAMVERKET.NET Marcus Medina. Dagens visdomsord ”Google is your friend”
Stockholms universitetsbiblioteks kurser En introduktion till EndNote X2 Stockholms universitetsbibliotek
1 Computer Science & Communication Martin Rehn, CBN, KTH Hjärnan i datorn Martin Rehn CBN, CSC, KTH f.d. SANS, NADA, KTH.
Logistisk regression SCB September 2004 Dan Hedlin, U/MET-S.
Spektrala Transformer
732G22 Grunder i statistisk metodik
Kulturgeografi C och D Magnus Olsson, Umeå UB
Moderaternas Web och Web 2.0 Hanif Bali & Petter Larsson.
Statistik C VT 2010 Informationssökning Magnus Olsson, Umeå UB Tel
Informatik C VT 2010 Informationssökning Magnus Olsson, Umeå UB Tel
Mål Matematiska modeller Biologi/Kemi Statistik Datorer
1 Ingenjörsmetodik IT & ME 2007 Föreläsare Dr. Gunnar Malm.
Industriella tillämpningar inom bildanalysen Neuronnät Peter Wintoft Institutet för rymdfysik i Lund.
Lektion 4 - rymdväder, effekter och prognoser Internationella rymdvädersinitiativ Internationella rymdvädersinitiativ Förutsägelser med AI Förutsägelser.
Lektion 4 - rymdväder, effekter och prognoser
الانترنيت Internet.
Presentationens avskrift:

Industriella tillämpningar inom bildanalysen Neuronnät och identifiering av CME’s Peter Wintoft Institutet för rymdfysik i Lund

Industriella tillämpningar inom bildanalysen

Industriella tillämpningar inom bildanalysen Artificiella neuronnät … 1985 – Backpropagation [Rumelhart, Hinton …] – Neuronen [R. Cajál] – Artificiell neuron [McCulloch & Pitts].  1962 – Perceptronen [Rosenblatt] – XOR-problemet [Minsky & Papert]

Industriella tillämpningar inom bildanalysen Dator vs. riktiga neuronnät ASCI White Antal processorer Beräknings- kapacitet (s -1 ) Vikt (kg) Effekt- förbrukning Liten stad Hjärnan potatis Ögon potatisar Myra ?

Industriella tillämpningar inom bildanalysen Artificiell neuron xixi wiwi b a y  y = g(a) a =  w i x i + b

Industriella tillämpningar inom bildanalysen En neuron – linjär klassificering a =  w i x i + b x1x1 x2x2 a = w 1 x 1 + w 2 x 2 + b a = x 1 - x y = g(a) = 0 om a<0 1 om a>0

Industriella tillämpningar inom bildanalysen Två lager med neuroner Input Dolt lager Output-lager xixi w ji (1) y j (1) w kj (2) y k (2) y k (2) =g 2 (  w kj (2) y j (1) + b k (2) ) y j (1) =g 1 (  w ji (1) x i + b j (1) )

Industriella tillämpningar inom bildanalysen Två lager – icke-linjär klassificering x1x1 x2x2

Industriella tillämpningar inom bildanalysen Feed-forward neuronnät 4 Ett lager –Linjär klassificering 4 Två lager –(Konvex) icke-linjär klassificering –Kontinuerliga icke-linjära kurvor 4 Tre lager –Generell icke-linjär klassificering –Icke-kontinuerliga och icke-linjära kurvor

Industriella tillämpningar inom bildanalysen Hur bestämmer man vikterna? Linjärt filter x = x1x1 xmxm y =  w i x i = w T x wmwm w1w1 y = [y(1),y(2),…,y(n)] X = [x(1),x(2),…,x(n)] Filtrets output: y = w T X w T = d X (XX ) T T Minsta-kvadratlösning: Önskad output: d (p)

Industriella tillämpningar inom bildanalysen Hur bestämmer man vikterna? Feed-forward neuronnät xixi w ji (1) y j (1) w kj (2) y k (2)

Industriella tillämpningar inom bildanalysen Error-backpropagation Summed squared error: E = 1/2  p,k (d k (p)-y k (p)) 2 Error gradient ∂E ∂w∂w ∆w = -  +  ∆w prev. och momentum:

Industriella tillämpningar inom bildanalysen Träningsstrategi för feed-forward neuronnät 4 Välj ut tre dataserier för –träning, –validering respektive –test. 4 Variera antalet dolda neuroner och träna varje neuronnät flera gånger (3-10) utifrån olika slumpmässigt valda vikter. 4 Välj neuronnätet med det minsta valideringsfelet. 4 Bestäm prestandan på testserien.

Industriella tillämpningar inom bildanalysen Hur länge skall man träna? Validation Local minimumGlobal minimum?

Industriella tillämpningar inom bildanalysen Hur många dolda neuroner? RMS Error # neurons

Industriella tillämpningar inom bildanalysen 3 Exempel 1: Textigenkänning I Optical Character Recognition (OCR) Tolka handskrivna postnummer [LeCun et al., 1990]. Bild med 20x20 pixlar

Industriella tillämpningar inom bildanalysen Exempel 1: Textigenkänning II FFNN med lokala receptiva fält. [Haykin, 1994]. Input Lager 1 Lager 2 Lager 3 Lager 4 Lager 5

Industriella tillämpningar inom bildanalysen Exempel 1: Textigenkänning III Lokala receptiva fält

Industriella tillämpningar inom bildanalysen Exempel 1: Textigenkänning IV

Industriella tillämpningar inom bildanalysen Exempel 1: Textigenkänning V 4 Lager 1–4 implementerade på ett neuron- kretskort. 4 Lager 5 DSP-kort. 4 Test på riktiga brev gav –2.5% fel för människa –5.5% fel för neuronnät

Industriella tillämpningar inom bildanalysen Exempel 2: Bildkomprimering I FFNN med lika input och output samt 3-5 dolda lager. Input Output Komprimering Rekonstruktion

Industriella tillämpningar inom bildanalysen Exempel 2: Bildkomprimering II

Industriella tillämpningar inom bildanalysen Människa I varje givet ögonblick kontrolerar hjärnan 244 frihetsgrader med över 600 muskler.

Industriella tillämpningar inom bildanalysen Self-organized map – SOM Input SOM Mappa input till en (vanligen) 2-dimensionell karta och om möjligt bevara topologin.

Industriella tillämpningar inom bildanalysen Exempel 3: Robotseende [Ritter et al., 1992]

Industriella tillämpningar inom bildanalysen Referenser 4 Böcker –Haykin, Neural networks – a comprehensive foundation, Macmillan, –Ritter, Martinetz, Schulten, Neural computation and self- organizing maps, Addison-Wesley Publ. Comp., –Swingler, Applying neural networks – a practical guide, Academic Press, Artiklar –LeCun, Boser, Denker, Henderson, Howard, Hubbard, Jackel, Handwritten digit recognition with a back-propagation network, Advances in Neural Information Processing Systems 2, Morgan Kaufmann, 396–404, 1990.

Industriella tillämpningar inom bildanalysen Web-referenser 4 OCR – 4 Bildkomprimering – 4 Neuronnät – – bochum.de/ini/VDM/research/gsn/DemoGNG/GNG.html

Industriella tillämpningar inom bildanalysen Identifiering av CME’s med radon-transformen Examensarbete 2002 Åsa Fransson Rymdingenjör, Kiruna

Industriella tillämpningar inom bildanalysen

Industriella tillämpningar inom bildanalysen

Industriella tillämpningar inom bildanalysen Tid Avstånd från solen

Industriella tillämpningar inom bildanalysen Radon-transformen

Industriella tillämpningar inom bildanalysen Test image

Industriella tillämpningar inom bildanalysen Radon-transformed image

Industriella tillämpningar inom bildanalysen Filtered image

Industriella tillämpningar inom bildanalysen

Industriella tillämpningar inom bildanalysen Estimation of onset time

Industriella tillämpningar inom bildanalysen Identified CME’s

Industriella tillämpningar inom bildanalysen Modell för CME till solvind 4 Träna neuronnät för förutsägelse av solvindshastigheten 4 Input: Radonbilder 4 Output: Solvinden vid L1