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
Опубліковано в: :Радиофизика и радиоастрономия
Дата:2017
Автори: Горбунов, А.А., Исаев, Е.А., Самодуров, В.А.
Формат: Стаття
Мова:Russian
Опубліковано: Радіоастрономічний інститут НАН України 2017
Теми:
Радиоастрономия и астрофизика
Онлайн доступ:https://nasplib.isofts.kiev.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 nasplib_isofts_kiev_ua-123456789-130283
record_format dspace
spelling Горбунов, А.А.
Исаев, Е.А.
Самодуров, В.А.
2018-02-10T10:22:36Z
2018-02-10T10:22:36Z
2017
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
https://nasplib.isofts.kiev.ua/handle/123456789/130283
004.048; 524.6
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.
ru
Радіоастрономічний інститут НАН України
Радиофизика и радиоастрономия
Радиоастрономия и астрофизика
Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
Застосування глибоких нейронних мереж для класифікації великих обсягів астрономічних даних
Application of deep learning neural network for classification of big data of astronomic observations
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
spellingShingle Применение глубоких нейронных сетей для классификации больших объемов астрономических данных
Горбунов, А.А.
Исаев, Е.А.
Самодуров, В.А.
Радиоастрономия и астрофизика
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
author Горбунов, А.А.
Исаев, Е.А.
Самодуров, В.А.
author_facet Горбунов, А.А.
Исаев, Е.А.
Самодуров, В.А.
topic Радиоастрономия и астрофизика
topic_facet Радиоастрономия и астрофизика
publishDate 2017
language Russian
container_title Радиофизика и радиоастрономия
publisher Радіоастрономічний інститут НАН України
format Article
title_alt Застосування глибоких нейронних мереж для класифікації великих обсягів астрономічних даних
Application of deep learning neural network for classification of big data of astronomic observations
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. 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.
issn 1027-9636
url https://nasplib.isofts.kiev.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.
work_keys_str_mv AT gorbunovaa primenenieglubokihneironnyhseteidlâklassifikaciibolʹšihobʺemovastronomičeskihdannyh
AT isaevea primenenieglubokihneironnyhseteidlâklassifikaciibolʹšihobʺemovastronomičeskihdannyh
AT samodurovva primenenieglubokihneironnyhseteidlâklassifikaciibolʹšihobʺemovastronomičeskihdannyh
AT gorbunovaa zastosuvannâglibokihneironnihmereždlâklasifíkacíívelikihobsâgívastronomíčnihdanih
AT isaevea zastosuvannâglibokihneironnihmereždlâklasifíkacíívelikihobsâgívastronomíčnihdanih
AT samodurovva zastosuvannâglibokihneironnihmereždlâklasifíkacíívelikihobsâgívastronomíčnihdanih
AT gorbunovaa applicationofdeeplearningneuralnetworkforclassificationofbigdataofastronomicobservations
AT isaevea applicationofdeeplearningneuralnetworkforclassificationofbigdataofastronomicobservations
AT samodurovva applicationofdeeplearningneuralnetworkforclassificationofbigdataofastronomicobservations
first_indexed 2025-12-07T17:13:32Z
last_indexed 2025-12-07T17:13:32Z
_version_ 1850870450975932416

Схожі ресурси