Применение искусственной нейронной сети в экспериментах по ядерному спиновому эху
Российский фонд фундаментальных исследований (РФФИ), 18-29-02120
Полулях С.Н.
1, Горбованов А.И.1
1Крымский федеральный университет им. В.И. Вернадского, Симферополь, Россия
Email: sergey.polulyakh@cfuv.ru, a.i.gorbovanov@cfuv.ru
Поступила в редакцию: 15 февраля 2019 г.
Выставление онлайн: 20 мая 2019 г.
Продемонстрирована возможность использования искусственной нейронной сети для выделения сигналов ядерного спинового эха в условиях, когда амплитуда сигнала эха сравнима с амплитудой шума. Для обучения нейронной сети предложено использовать данные, полученные путем наложения модельных сигналов эха гауссовой формы на экспериментально зарегистрированные сигналы шумов. Ключевые слова: ядерный магнитный резонанс, спиновое эхо, отношение сигнал-шум, искусственная нейронная сеть.
- Yin S., Liu C., Zhang Z., Lin Y., Wang D., Tejedor J., Zheng T.F., Li Y. // EURASIP J. Audio Speech Music Proc. 2015. N 1. P. 2 (1-14). DOI: 10.1186/s13636-014-0047-0
- Khairnar D.G., Merchant S.N., Desai U.B. // J. Comput. 2008. V. 3. N 1. P. 32-39
- John J.N., Galloway C., Valys A. Deep convolutional neural networks for noise detection in ECGs. arXiv:1810.04122v1.2018
- Zhang F., Cai N., Wu J., Cen G., Wang H., Chen X. // IET Image Proc. 2018. V. 12. N 4. P. 485-493. DOI: 10.1049/iet-ipr.2017.0389
- Бержанский В.Н., Полулях С.Н. // ФТТ. 1989. Т. 31. В. 8. С. 256-258
- Nair V., Hinton G.E. Rectified linear units improve restricted boltzmann machines // 27th Int. Conf. on machine learning. Madison, USA: Omnipress, 2010. P. 807-814
- https://keras.io
Подсчитывается количество просмотров абстрактов ("html" на диаграммах) и полных версий статей ("pdf"). Просмотры с одинаковых IP-адресов засчитываются, если происходят с интервалом не менее 2-х часов.
Дата начала обработки статистических данных - 27 января 2016 г.