Применение глубоких нейронных сетей для классификации больших объемов астрономических данных

Применение глубоких нейронных сетей для классификации больших объемов астрономических данных

Предмет и цель работы: В процессе астрономических наблюдений собираются огромные объемы данных. БСА ФИАН (Большая сканирующая антенна Физического института Российской академии наук), используемая при исследовании импульсных явлений, ежедневно регистрирует 87.5 Гб данных (32 Тб в год). Целью представ...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2017
Автори: Горбунов, А.А., Исаев, Е.А., Самодуров, В.А.
Формат: Стаття
Мова:Russian
Опубліковано: Радіоастрономічний інститут НАН України 2017
Назва видання:Радиофизика и радиоастрономия
Теми:
Радиоастрономия и астрофизика
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/130283
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Применение глубоких нейронных сетей для классификации больших объемов астрономических данных / А.А. Горбунов, Е.А. Исаев, В.А. Самодуров // Радиофизика и радиоастрономия. — 2017. — Т. 22, № 4. — С. 270-275. — Бібліогр.: 3 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-130283
record_format dspace
spelling irk-123456789-1302832018-02-11T03:02:38Z Применение глубоких нейронных сетей для классификации больших объемов астрономических данных Горбунов, А.А. Исаев, Е.А. Самодуров, В.А. Радиоастрономия и астрофизика Предмет и цель работы: В процессе астрономических наблюдений собираются огромные объемы данных. БСА ФИАН (Большая сканирующая антенна Физического института Российской академии наук), используемая при исследовании импульсных явлений, ежедневно регистрирует 87.5 Гб данных (32 Тб в год). Целью представленной работы является разработка веб-сервиса для помощи экспертам в классификации новых астрономических наблюдений. Студия машинного обучения Azure Machine Learning Studio, поддерживающая алгоритм глубокой нейронной сети, используется в качестве инструмента для разработки веб-сервиса. Предмет і мета роботи: У процесі астрономічних спостережень накопичуються величезні обсяги даних. ВСА ФІАН (Велика скануюча антена Фізичного інституту Російської академії наук), яка використовується у дослідженні імпульсних явищ, щодня реєструє 87.5 Гб даних (32 Тб щороку). Метою роботи є розробка веб-сервісу для допомоги експертам у класифікації нових астрономічних спостережень. Студія машинного навчання Azure Machine Learning Studio, що підтримує алгоритм глибокої нейронної мережі, використовується як інструмент для розробки веб-сервісу. Purpose: In the process of astronomical observations vast amounts of data are collected. The BSA (Big Scanning Antenna) used in the study of impulse phenomena, daily logs 87.5 GB of data (32 TB per year). The aim of this work is to develop the web-service which assists the experts with classification of new astronomic observations. The Azure Machine Learning Studio which offers a Deep Neural Network algorithm is used as a tool for web-service developing. 2017 Article Применение глубоких нейронных сетей для классификации больших объемов астрономических данных / А.А. Горбунов, Е.А. Исаев, В.А. Самодуров // Радиофизика и радиоастрономия. — 2017. — Т. 22, № 4. — С. 270-275. — Бібліогр.: 3 назв. — рос. 1027-9636 PACS: 07.05.Tp, 98.35.-a DOI: doi.org/10.15407/rpra22.04.270 http://dspace.nbuv.gov.ua/handle/123456789/130283 004.048; 524.6 ru Радиофизика и радиоастрономия Радіоастрономічний інститут НАН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Радиоастрономия и астрофизика
Радиоастрономия и астрофизика
spellingShingle Радиоастрономия и астрофизика
Радиоастрономия и астрофизика
Горбунов, А.А.
Исаев, Е.А.
Самодуров, В.А.
Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
Радиофизика и радиоастрономия
description Предмет и цель работы: В процессе астрономических наблюдений собираются огромные объемы данных. БСА ФИАН (Большая сканирующая антенна Физического института Российской академии наук), используемая при исследовании импульсных явлений, ежедневно регистрирует 87.5 Гб данных (32 Тб в год). Целью представленной работы является разработка веб-сервиса для помощи экспертам в классификации новых астрономических наблюдений. Студия машинного обучения Azure Machine Learning Studio, поддерживающая алгоритм глубокой нейронной сети, используется в качестве инструмента для разработки веб-сервиса.
format Article
author Горбунов, А.А.
Исаев, Е.А.
Самодуров, В.А.
author_facet Горбунов, А.А.
Исаев, Е.А.
Самодуров, В.А.
author_sort Горбунов, А.А.
title Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
title_short Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
title_full Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
title_fullStr Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
title_full_unstemmed Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
title_sort применение глубоких нейронных сетей для классификации больших объемов астрономических данных
publisher Радіоастрономічний інститут НАН України
publishDate 2017
topic_facet Радиоастрономия и астрофизика
url http://dspace.nbuv.gov.ua/handle/123456789/130283
citation_txt Применение глубоких нейронных сетей для классификации больших объемов астрономических данных / А.А. Горбунов, Е.А. Исаев, В.А. Самодуров // Радиофизика и радиоастрономия. — 2017. — Т. 22, № 4. — С. 270-275. — Бібліогр.: 3 назв. — рос.
series Радиофизика и радиоастрономия
work_keys_str_mv AT gorbunovaa primenenieglubokihnejronnyhsetejdlâklassifikaciibolʹšihobʺemovastronomičeskihdannyh
AT isaevea primenenieglubokihnejronnyhsetejdlâklassifikaciibolʹšihobʺemovastronomičeskihdannyh
AT samodurovva primenenieglubokihnejronnyhsetejdlâklassifikaciibolʹšihobʺemovastronomičeskihdannyh
first_indexed 2023-10-18T20:59:38Z
last_indexed 2023-10-18T20:59:38Z
_version_ 1796151644971335680

Схожі ресурси