RU2030788C1 - Method of selection of symptoms of objects - Google Patents
Method of selection of symptoms of objects Download PDFInfo
- Publication number
- RU2030788C1 RU2030788C1 SU4875757A RU2030788C1 RU 2030788 C1 RU2030788 C1 RU 2030788C1 SU 4875757 A SU4875757 A SU 4875757A RU 2030788 C1 RU2030788 C1 RU 2030788C1
- Authority
- RU
- Russia
- Prior art keywords
- signal
- signals
- block
- objects
- threshold
- Prior art date
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
Description
Изобретение относится к автоматике, в частности к способам селекции признаков объектов, может быть использовано при поиске месторождений полезных ископаемых, в медицинской и технической диагностике. The invention relates to automation, in particular to methods for selecting features of objects, can be used in the search for mineral deposits, in medical and technical diagnostics.
Цель изобретения - повышение точности селекции. The purpose of the invention is to increase the accuracy of selection.
На чертеже представлена структурная схема устройства, реализующего предлагаемый способ. The drawing shows a structural diagram of a device that implements the proposed method.
Устройство содержит блок 1 описания входной информации, интеграторы 2, пороговые элементы 3, регулируемые элементы (усилители) 4, блок 5 регистрации и памяти, компаратор 6 наибольшего напряжения, блок 7 вычитания, блоки 8 суммирования, узлы 9 задержки, блоки 10 первого опорного напряжения, генератор 11 случайных сигналов. The device comprises an input information description unit 1,
Реализация предлагаемого способа заключается в следующем. The implementation of the proposed method is as follows.
В блоке 1 происходят предварительные преобразования различного вида и формы представления входной медицинской, геофизической и т.п. информации (графического изображения, механических колебательных процессов и т.п.) в электрические сигналы аналогового или цифрового кода в зависимости от дальнейшего способа их обработки, а также описание отображения этих сигналов в функции времени на элементах блока 1. In block 1, preliminary transformations of various types and forms of representation of the input medical, geophysical, etc., occur. information (graphic images, mechanical oscillatory processes, etc.) into electrical signals of an analog or digital code, depending on the further processing method, as well as a description of the display of these signals as a function of time on the elements of block 1.
При описании сигнала в основу формирования признаков входной информации исследуемого объекта взято отображение пространства, например сейсмической информации (волновой картины), совокупностью электрических сигналов на элементах в виде триггеров, регистров, острорезонансных фильтров и т.п. блока 1 с последующим интегрированием случайных величин (входных сигналов) на интеграторах 2 и сравнении выходных сигналов блока 2 с пороговым напряжением блока 3, т.е. формирование опорного сигнала и последующим усилении опорного сигнала регулируемыми элементами (усилителями) 4. В дальнейшем измененный сигнал поступает на последующий интегратор 2, выходной сигнал которого сравнивается с пороговым напряжением блока 3, при превышении которого выходной сигнал с интегратора 2 выдается в регулируемый элемент (усилитель 4) и т.п. Обработка исследуемого сигнала производится каскадом решающих слоев. Основой решающего слоя являются многовходовый интегратор блока 2 в виде аналогового операционного усилителя с емкостной обратной связью или цифровой интегратор и т.п., пороговый элемент блока 3 (диодно-резисторная схема, полупроводниковая резисторно- и регулируемый элемент блока 4 и т.п. When describing the signal, the basis for the formation of signs of the input information of the studied object is taken to display the space, for example, seismic information (wave pattern), a set of electrical signals on the elements in the form of triggers, registers, acute-resonance filters, etc. block 1 with the subsequent integration of random variables (input signals) on
Физическая сущность действия над исследуемым входным сигналом при его обработке заключается в следующем. The physical essence of the action on the investigated input signal during its processing is as follows.
В блок 1 заносится (записывается) полная волновая картина исследуемого сигнала (сейсмограмма), которая является отображением геологического объекта и характеризуется его амплитудно-частотным спектром. В аналоговом виде - это матрицы амплитуд острорезонансных фильтров. В цифровом виде - это матрицы амплитуд отсчетов кодирования (оцифровка амплитуд), группы значений которых соответствуют времени шага дискретности. Block 1 contains (records) the complete wave pattern of the signal under investigation (seismogram), which is a reflection of the geological object and is characterized by its amplitude-frequency spectrum. In analog form, these are matrices of amplitudes of acute-resonance filters. In digital form, these are the matrixes of amplitudes of coding samples (digitization of amplitudes), the groups of values of which correspond to the step time of the discreteness.
С матриц блока 1 аналоговые или цифровые значения исследуемого сигнала случайно заносятся на многовходовые интеграторы блока 2, причем одни и те же сигналы могут попасть частично на любой интегратор этого первого слоя. Аналогично распределение сигналов и в других слоях. Многовходовым интегратором блока 2 каждого канала первого слоя производится суммирование входящих значений, а результат сравнивается с пороговым уровнем порогового элемента 3 этого первого слоя. При превышении порога сигнал выдается в регулируемый элемент (усилитель) 4 первого слоя. From the matrices of block 1, the analog or digital values of the signal under investigation are randomly recorded on the multi-input integrators of
С матрицы регулируемых элементов 4 первого слоя значения также случайно заносятся на многовходовые интеграторы 2 второго слоя. Результат интегрирования сравнивается с порогом пороговых элементов 3 второго слоя. При превышении порога сигнал выдается на регулируемые элементы 4 второго слоя, а с их матрицы значений случайно перераспределяются на многовходовые интеграторы 2 третьего слоя и т.п. Таким образом, дальнейшая работа слоев (каскадов) аналогична, только в последнем слое с выходных интеграторов 2 сигналы сразу поступают в блок 5 регистрации и памяти, а также в компаратор 6 наибольшего напряжения 6. From the matrix of
Описанные действия представляют собой процесс распознавания, отличающийся от задачи выявления признаков объектов одноразовым прохождением сигнала через решающие блоки при установленных значениях весовых коэффициентов, т. е. признаков объекта. Для выявления признаков объекта с целью определения объекта необходимо оптимальное выявление весовых коэффициентов, т.е. рабочий процесс продолжается. Оптимальная селекция признаков объекта распознавания осуществляется многократными циклами в виде вышеописанных действий над электрическими сигналами, т.е. их интегрирования, сравнения с пороговым напряжением (получение сигнала результата сравнения), а также выявления оптимального весового коэффициента усиления регулируемых элементов 4, чем осуществляется изменение величины опорного сигнала (сигнала результата сравнения). Первоначально без ввода сигнала известного объекта с помощью генератора 11 устанавливается коэффициент регулируемых элементов 4, т.е. весовой коэффициент. The described actions are a recognition process that differs from the task of identifying features of objects by a one-time passage of the signal through the decision blocks at set values of the weight coefficients, i.e., features of the object. To identify the features of the object in order to determine the object, the optimal identification of weight coefficients, i.e. The workflow continues. The optimal selection of features of the recognition object is carried out in multiple cycles in the form of the above actions on electrical signals, i.e. their integration, comparison with the threshold voltage (receiving the signal of the result of the comparison), as well as identifying the optimal weight gain of the
На втором этапе выявление весового коэффициента - коэффициента усиления опорного сигнала, т. е. коэффициентов усиления регулируемых элементов (усилителей) 4 осуществляется уже при введении сигналов известного объекта (нефть) путем формирования опорного напряжения блока 4. Для этого выходные сигналы с интеграторов 2 последнего слоя поступают на компаратор 6 цепи обучения. В последнем эти сигналы сравниваются между собой, вследствие чего выдается наибольший сигнал одного из каналов. Например, после сравнения выдается сигнал первого канала, т. е. формируется второй опорный уровень напряжения. Первый опорный уровень формируется блоком 10 произвольной, но постоянной величиной уровня напряжения для каждого класса известного объекта. At the second stage, the identification of the weight coefficient - the gain of the reference signal, i.e., the gain of the adjustable elements (amplifiers) 4 is carried out when the signals of a known object (oil) are introduced by forming the reference voltage of
Эти опорные уровни напряжений сравниваются блоком 7, а полученное сфоpмирован-ное разностное напряжение суммируются сумматором 8 с величиной опорного сигнала в первом слое, во втором слое, в предпоследнем слое, сформированными блоками 3 и узлами задержки 9 соответствующих слоев, на время, равное времени формирования разностного напряжения, которое суммируется с временем прохождения сигнала при его обработке решающими элементами предыдущего слоя. Просуммированный блоком 8 сигнал изменяет соответственно в каждом из слоев опорное напряжение регулируемых элементов (усилителей) 4 по соответствующему закону. В целях быстроты оптимального поиска веса - коэффициента изменения регулируемого элемента (усилителя) 4 для прохождения через него прямого сигнала (опорного напряжения) этот закон должен быть нелинейным. В качестве применения нелинейного закона, кроме усилителя является множитель, изменение величины шага умножения которого является случайная величина, выдаваемая датчиком случайных чисел или генератором случайных сигналов. Необходимо отметить, что величины опорных напряжений блоков 4 первоначально установлены случайным образом с помощью генератора 11 без ввода сигналов известного объекта. These reference voltage levels are compared by
Описанный выше процесс происходит многократно для отысканий их оптимальных величин по каналам всех слоев путем прохождения многих сигналов-образов геологического объекта одного класса (нефть). The process described above occurs many times to find their optimal values through the channels of all layers by passing many signal images of a geological object of one class (oil).
При прохождении сигнала другого класса компаратором 6 вследствие сравнения всех выходных сигналов выдается уже другой наибольший сигнал, который сравнивается в блоке 7 его опорным уровнем напряжения другого классификационного канала. Полученное разностное напряжение суммируется сумматорами 8 другого канала с величиной сигнала, сформированной блоками 3 и задержанного узлами 9 соответствующих слоев. Полученный в блоке 8 суммарный сигнал изменяет соответственно в первом, втором и последнем слоях опорные напряжения регулируемых элементов блока 4 по соответствующему закону. When a signal of another class passes, comparator 6, due to comparison of all output signals, already produces the other largest signal, which is compared in
Вследствие изменения величины опорного напряжения регулируемого элемента блока 4 изменяется (усиливается или ослабляется) величина опорного сигнала, сформированного блоком 3, при прохождении регулируемого элемента (усилителя) 4 в соответствии с законом изменения опорного напряжения (усилителя). Такое изменение величины веса коэффициента усиления регулируемого элемента (усилителя) 4, а следовательно, величины опорного сигнала осуществляется в каждом цикле операций в каждом канале входных сигналов. Due to a change in the value of the reference voltage of the adjustable element of the
Этот полный процесс продолжается до тех пор, пока на выходных каналах классификации выходных интеграторов последнего слоя блока 2 не установятся оптимальные значения выходных сигналов (напряжений) для каждого выходного канал-канала классификации, а в регулируемых элементах (усилителях) 4 соответственно пока не установятся оптимальные коэффициенты усиления. This complete process continues until the optimal output signals (voltages) for each output channel of the classification channel are established on the output channels of the classification of output integrators of the last layer of
Наряду с установкой весовых коэффициентов, настройкой коэффициентов регулируемых элементов 4 выявляются также оптимальные уровни пороговых напряжений пороговых элементов 3. Along with setting the weight coefficients, adjusting the coefficients of the
Одновременно с настройкой весовых коэффициентов блока 4 и пороговых уровней блока 3 в блоке 5 регистрации и памяти наблюдается визуальное установление оптимальной вероятностной оценки наличия прогноза объекта. Simultaneously with the adjustment of the weight coefficients of
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SU4875757 RU2030788C1 (en) | 1990-08-08 | 1990-08-08 | Method of selection of symptoms of objects |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SU4875757 RU2030788C1 (en) | 1990-08-08 | 1990-08-08 | Method of selection of symptoms of objects |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2030788C1 true RU2030788C1 (en) | 1995-03-10 |
Family
ID=21541414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
SU4875757 RU2030788C1 (en) | 1990-08-08 | 1990-08-08 | Method of selection of symptoms of objects |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2030788C1 (en) |
-
1990
- 1990-08-08 RU SU4875757 patent/RU2030788C1/en active
Non-Patent Citations (2)
Title |
---|
Авторское свидетельство СССР N 729601, кл. G 06K 9/00, 1977. * |
Патент США N 4204193, кл.340-146.3, опуб.1984. * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5270963A (en) | Method and apparatus for performing neighborhood operations on a processing plane | |
US5715213A (en) | High fidelity vibratory source seismic method using a plurality of vibrator sources | |
DE602004000686T2 (en) | Capacitance detector circuit and method, used in a fingerprint sensor | |
CN110458073B (en) | Optical fiber vibration signal feature extraction method based on MEEMD-Hilbert and multi-layer wavelet decomposition | |
WO2003025512A2 (en) | Method and apparatus for analysis of variables | |
CN107251090A (en) | Spike domain convolution circuit | |
CN111982271A (en) | phi-OTDR pattern recognition system and method based on Wavenet | |
Miryala et al. | Waveform processing using neural network algorithms on the front-end electronics | |
Udwadia et al. | Non‐parametric identification of a class of non‐linear close‐coupled dynamic systems | |
RU2030788C1 (en) | Method of selection of symptoms of objects | |
Silverman et al. | On deconvolution using the discrete Fourier transform | |
Wolpert et al. | Detecting chaos with neural networks | |
US3512127A (en) | Deconvolution seismic filtering | |
Billings | An overview of nonlinear systems identification | |
US5548662A (en) | Edge extracting method and apparatus using diffusion neural network | |
US3075607A (en) | Seismic exploration | |
Karlsson et al. | ARMA modeling of time varying systems with lattice filters | |
Yao et al. | Proposal of signal processing based on machine learning in Brillouin optical correlation domain analysis/reflectometry | |
Porsani et al. | Deconvolution and wavelet estimation by using a genetic algorithm | |
US3774146A (en) | Method and apparatus for electric signal pattern discrimination | |
Kumar et al. | An investigation of two-step cascaded CNN for the detection of gravitational wave signal from two different astronomical sources | |
Verweij | Transient acoustic wave modeling: Higher‐order Wentzel–Kramers–Brillouin–Jeffreys asymptotics and symbolic manipulation | |
Hoerr et al. | Estimating Nonlinear Impulse Response Length using Time-Delayed Mutual Information | |
SU789868A1 (en) | Spectrum analyser | |
SU452841A1 (en) | Device for simulating random processes |