Способ взаимодействия компьютеров и характер распространения сигналов по сети

Обновлено: 03.07.2024

Понимание того, что такое распространение радиоволн, может быть важным инструментом для всех, кто занимается радиотехнологиями или интересуется ими.

Радиосигналы могут распространяться на огромные расстояния. Однако на радиосигналы влияет среда, в которой они распространяются, и это может повлиять на распространение радиоволн или РЧ, а также на расстояния, на которые могут распространяться сигналы. Некоторые радиосигналы могут путешествовать или распространяться по всему миру, в то время как другие радиосигналы могут распространяться только на гораздо более короткие расстояния.

Распространение радиоволн или то, как распространяются радиосигналы, может быть интересной темой для изучения. Радиочастотное распространение является особенно важной темой для любой системы радиосвязи. Распространение радиоволн будет зависеть от многих факторов, и выбор радиочастоты будет определять многие аспекты распространения радиоволн для системы радиосвязи.

Соответственно, часто необходимо иметь хорошее представление о том, что такое распространение радиоволн, его принципы и различные формы, чтобы понимать, как будет работать система радиосвязи, и выбирать лучшие радиочастоты.

Определение распространения радиосигнала

Распространение радиоволн — это способ распространения радиоволн, когда они передаются из одной точки в другую и зависят от среды, в которой они распространяются, и, в частности, от того, как они распространяются вокруг Земли в различных частях атмосферы.

Факторы, влияющие на распространение радиоволн

На способ распространения радиосигналов или радиоволн влияет множество факторов. Они определяются средой, через которую распространяются радиоволны, и различными объектами, которые могут появиться на пути. Свойства пути, по которому будут распространяться радиосигналы, определяют уровень и качество принимаемого сигнала.

Может иметь место отражение, преломление и дифракция. Результирующий радиосигнал также может быть комбинацией нескольких сигналов, прошедших по разным путям. Они могут суммироваться или вычитаться друг из друга, и в дополнение к этому сигналы, проходящие по разным путям, могут задерживаться, вызывая искажение результирующего сигнала. Поэтому очень важно знать вероятные характеристики распространения радиоволн, которые могут преобладать.

Профессиональный супергетеродинный приемник
Изображение предоставлено Icom UK

Расстояния, на которые могут распространяться радиосигналы, значительно различаются. Для некоторых приложений радиосвязи может потребоваться только небольшое расстояние. Например, соединение Wi-Fi может потребоваться установить только на расстоянии нескольких метров. С другой стороны, коротковолновая вещательная станция или спутниковая связь потребуют, чтобы радиоволны распространялись на гораздо большие расстояния. Даже для этих двух последних примеров коротковолновой радиовещательной станции и спутниковой линии характеристики распространения радиоволн будут совершенно разными, поскольку сигналы, достигающие своих конечных пунктов назначения, по-разному будут подвергаться влиянию среды, через которую проходят сигналы. /p>

Типы распространения радиосигналов

Распространение в свободном пространстве: здесь радиоволны распространяются в свободном пространстве или вдали от других объектов, которые влияют на то, как они распространяются. Только расстояние от источника влияет на то, как снижается мощность сигнала. Этот тип распространения радиосигналов встречается в системах радиосвязи, включая спутники, в которых сигналы доходят до спутника с земли и снова возвращаются обратно. Обычно влияние таких элементов, как атмосфера и т. д., незначительно. . . . . Подробнее о распространении в свободном пространстве.
Распространение земной волны. Когда сигналы проходят через земную волну, они изменяются под воздействием земли или местности, по которой они распространяются. Они также склонны следовать кривизне Земли. Сигналы, слышимые в диапазоне средних волн в течение дня, используют эту форму радиочастотного распространения. Подробнее о распространении земных волн
Ионосферное распространение: здесь радиосигналы изменяются и находятся под влиянием области высоко в земной атмосфере, известной как ионосфера. Эта форма распространения радиоволн используется системами радиосвязи, передающими в диапазонах ВЧ или коротких волн. Используя эту форму распространения, станции могут быть услышаны с другой стороны земного шара в зависимости от многих факторов, включая используемые радиочастоты, время суток и множество других факторов. <я>. . . . Узнайте больше об ионосферном распространении.
Тропосферное распространение: здесь на сигналы влияют вариации показателя преломления в тропосфере непосредственно над поверхностью земли.Тропосферное распространение радиоволн часто является средством, с помощью которого сигналы в диапазоне ОВЧ и выше слышны на больших расстояниях. Подробнее о тропосферном распространении

Помимо этих основных категорий, радиосигналы также могут подвергаться несколько иному воздействию. Иногда их можно рассматривать как подкатегории или они могут быть весьма интересны сами по себе.

Некоторые из этих других типов нишевых форм распространения радиоволн включают:

Спорадический E: Эта форма распространения часто слышна в диапазоне VHF FM, как правило, летом, и это может привести к перебоям в работе служб, поскольку слышны удаленные станции. Подробнее о спорадическом распространении E.
Связь с рассеянием метеоров. Как следует из названия, эта форма распространения радиоволн использует ионизированные следы, оставляемые метеорами, когда они входят в атмосферу Земли. Когда данные не требуются мгновенно, это идеальная форма связи на расстоянии около 1500 км или около того для коммерческих приложений. Радиолюбители также используют его, особенно когда присутствуют метеоритные дожди. Подробнее о связи с рассеянием метеоров.
Трансэкваториальное распространение, TEP: Трансэкваториальное распространение происходит при определенных условиях и позволяет сигналам распространяться при обстоятельствах, когда нормальные ионосферные пути распространения не ожидаются.Подробнее о трансэкваториальном распространении. я>
Небесная волна почти вертикального падения, NVIS: Эта форма распространения запускает небесные волны под большим углом, и они возвращаются к Земле относительно близко. Он обеспечивает локальное покрытие в холмистой местности. Подробнее о распространении NVIS.
Обратное полярное сияние. Северное сияние (северное сияние) и южное сияние (южное сияние) являются индикаторами солнечной активности, которые могут нарушить нормальное ионосферное распространение. Этот тип распространения редко используется для коммерческой связи, поскольку он непредсказуем, но им часто пользуются радиолюбители. Подробнее о распространении обратного рассеяния полярных сияний.
Moonbounce EME: когда передача высокой мощности направлена на Луну, можно услышать ложные отражения, если антенны имеют достаточное усиление. Эта форма распространения может позволить радиолюбителям общаться по всему миру на частотах 140 МГц и выше, эффективно используя Луну в качестве гигантского спутника-отражателя.

В дополнение к этим категориям многие системы беспроводной или радиосвязи малого радиуса действия имеют сценарии распространения радиочастот, которые не вписываются в эти категории. Системы Wi-Fi, например, можно считать формой распространения радиоволн в свободном пространстве, но они будут очень сильно изменены из-за множественных отражений, преломлений и дифракций. Несмотря на эти сложности, все еще возможно создать приблизительные рекомендации и модели для этих сценариев распространения радиоволн.

Сводка по радиочастотному распространению

В реальной жизни существует множество сценариев распространения радиоволн. Часто сигналы могут распространяться несколькими способами: радиоволны, распространяющиеся с использованием одного типа радиораспространения, взаимодействуют с другим. Однако для понимания того, как радиосигнал достигает приемника, необходимо иметь хорошее представление обо всех возможных методах распространения радиоволн. Поняв это, можно лучше понять взаимодействия, а также производительность любых используемых систем радиосвязи.

двоичные сигналы, цифровая связь, информационные технологии

Автомобиль выезжает из туннеля Сион-Маунт-Кармель в Национальном парке Сион, штат Юта. Предоставлено: Викисклад.

Наконец-то лето! Вы и ваша семья находитесь в путешествии по пересеченной местности. У вас включено радио, и вы все подпеваете своей любимой песне. Вы проезжаете тоннель, и музыка останавливается. Если вы слушаете местную радиостанцию, музыка станет статической, но если вы слушаете спутниковое радио, музыка полностью замолкнет. Радио, будь то спутник или эфир, передается в виде сигнала, который интерпретируется вашим устройством. Если вы слушаете спутниковое радио, сигнал будет цифровым, а если вы слушаете вещание или «эфирное» радио, то сигнал будет аналоговым. В следующих упражнениях мы больше узнаем об особенностях цифровых и аналоговых сигналов, моделируя, как эти два типа сигналов передаются и используются для хранения информации.

Аналоговый или обычный Цифровые сигналы

Цифровые и аналоговые сигналы передаются посредством электромагнитных волн. Изменения частоты и амплитуды создают музыку, которую вы слушаете, или изображения, которые вы видите на экране. Аналоговые сигналы состоят из непрерывных волн, которые могут иметь любые значения частоты и амплитуды. Эти волны бывают гладкими и изогнутыми. С другой стороны, цифровые сигналы состоят из точных значений единиц и нулей. Цифровые волны имеют ступенчатый вид.

Аналоговые сигналы подвержены искажениям, поскольку даже небольшие ошибки в амплитуде или частоте волны изменят исходный сигнал. Цифровые сигналы являются более надежной формой передачи информации, поскольку ошибка в значении амплитуды или частоты должна быть очень большой, чтобы вызвать переход к другому значению.

Аналоговый	цифровой
Сигналы состоят из бесконечного числа возможных значений.	Сигналы состоят только из двух возможных значений: 0 или 1.
Звуковые сигналы могут плавно изменяться по громкости и высоте.	Сигнал переходит от одного значения к другому.

Эти два типа сигналов используются для связи и отправки информации в различных формах, таких как радиопередача, текстовые сообщения, телефонные звонки, потоковое видео и видеоигры. Они также могут использоваться для хранения информации и данных. Хранилище данных используется крупными компаниями, такими как банки, для хранения записей. Частные лица также используют хранилище данных в личных целях, например для хранения файлов, фотографий, результатов игр и многого другого.

Узнайте больше о возможностях хранения данных в серии статей Science Friday, File Not Found .

Призраки в барабанах

Интерьер ленточной библиотеки StorageTek в NERSC. Предоставлено: Викисклад.

Упражнение 1: Моделирование сигнала связи

В этом упражнении учащиеся будут моделировать отправку аналоговых и цифровых сигналов, как в детской игре «телефон», но в форме копирования серии рисунков. Это упражнение моделирует ключевые различия между цифровыми и аналоговыми сигналами в их разрешении и точности сигнала. Учащиеся выполнят две симуляции: одну, имитирующую многократную передачу аналогового сигнала, и одну, имитирующую многократную передачу цифрового сигнала.

Аналоговые изображения состоят из закругленных линий, чтобы показать, что аналоговые волны могут иметь бесконечные значения.

Цифровые изображения состоят из прямых линий, которые следуют сеткам на раздаточном материале, показывая, как цифровые сигналы состоят из квантованных значений.

Материалы

— Черная ручка или маркер с тонким наконечником (учащимся не разрешается несколько попыток воссоздать изображение)

— Одна копия каждого из 5 цифровых и 5 аналоговых пришельцев на таблицу (по одному типу пришельцев на человека) со страниц чертежей моделирования сигналов связи

Настройка учителя

Разбейтесь на группы по пять человек вокруг стола. (Пять – это количество инопланетян, представленное в наборе, а также предоставляет учащимся оптимальные возможности для рисования заданных инопланетян.)

Моделирование сигнала связи Указания для учащихся

Мы собираемся смоделировать обмен сообщениями во времени и на расстоянии. Это занятие требует передачи бумаги от человека к человеку, чтобы каждый человек воспроизвел на ней рисунок, а затем передал его следующему человеку за вашим столом. Передача бумаги и воспроизведение рисунка имитируют время и пространство, по которым распространяются сигналы. В первой части задания мы будем моделировать аналоговые сигналы.Во второй части мы будем моделировать цифровые технологии.

Разрежьте бумагу по пунктирной линии и склейте две половинки встык.
В сетке справа от инопланетянина используйте ручку или маркер, чтобы максимально перерисовать изображение инопланетянина. Вам не разрешается стирать или исправлять свой рисунок. Вам будет дано две минуты, чтобы завершить рисунок.

Вопросы об активности

(Заполнить после аналогового и цифрового раундов)

Разверните свои рисунки инопланетян и посмотрите на изображения, нарисованные во время игры.

– Сравните исходное изображение с окончательным рисунком. Определите и опишите сходства и различия между двумя изображениями.

– Наблюдайте за развитием рисунков во время занятия. Определите и опишите, что изменилось во время каждого рисунка.

Примечание для учителя. В ходе аналогового моделирования учащиеся увидят, как незначительные изменения (искажения/шумы) в каждой копии изображения (сигнала) приводят к значительным искажениям конечного изображения после многократной передачи.

Сравнение аналогового и цифрового раундов

Сравните изображения из заданий 1-го и 2-го раундов.

– Какой раунд привел к более точному финальному жеребьевке? Подтвердите свой выбор доказательствами из упражнения.

Примечание для учителя. В моделировании цифрового раунда изображения инопланетян состоят из прямых линий, которые следуют сеткам на раздаточном материале, показывая, как цифровые сигналы состоят из квантованных или ограниченного числа значений. Когда учащиеся сравнивают изображения, переданные ими с помощью аналоговых и цифровых «сигналов», они заметят, что в изображении, переданном в цифровом виде, есть небольшое искажение даже после многократной передачи, в отличие от того, что они наблюдали, когда передавали изображение с помощью аналогового сигнала.

Предотвращение «цифрового темного века»

Задание 2. Сортировка цифровых и аналоговых сигналов

В этом упражнении учащиеся познакомятся с характеристиками цифровых и аналоговых сигналов и применят свои характеристики для выбора цифрового или аналогового хранилища для конкретного примера.

Материалы

Настройка учителя

Разбейте учащихся на группы по три человека.
Подготовьте и перемешайте набор карточек для каждой группы.
Поделитесь критерием CER со студентами.

Указания для учащихся

Рассортируйте изображения и заявления по двум категориям: цифровые сигналы и аналоговые сигналы.
Используйте отсортированные изображения и утверждения, чтобы направлять свои мысли при заполнении письменной подсказки.

Подсказка о написании

Какой тип сигнала вы бы предложили для записи очень подробной песни исчезающей птицы? Подтвердите свой выбор доказательствами из вашей карты. Используйте критерий «утверждения-доказательства-обоснование» (CER), чтобы помочь вам в написании.

Совместная программа преподавателей Science Friday 2019

Действие 3: Двоичное преобразование

В этом упражнении мы будем использовать двоичное кодирование для представления путей через ряд «высоких» и «низких» вариантов выбора, которые представляют, какой путь выбрать на логической карте. Учащиеся будут действовать как цифро-аналоговые преобразователи для декодирования двоичных импульсов и создания изображения путем преобразования импульсов в цветные пиксели.

Музыка, передаваемая в автомобиль по спутниковому радио, и информация, хранящаяся в библиотеках данных, представляют собой цифровые сигналы, использующие двоичную систему. В двоичной системе есть только две цифры, 1 и 0. Значение или значение этих цифр может варьироваться. Например, они могут обозначать «истина» и «ложь», «включено» и «выключено» или «высокое» и «низкое».

На этом рисунке показано, как можно использовать двоичное кодирование для представления путей с помощью ряда «высоких» и «низких» вариантов. Следование двоичному коду укажет путь к логической карте и поможет найти нужные цвета.

«1» указывает на «высокий» путь, а «0» — на «низкий» путь. С помощью этой карты, называемой «картой логических ворот», двоичная последовательность 0 и 1 может указывать, когда «идти вверх» или «идти вниз», передавая путь на карте для «кодирования» для цвета. Например, используя приведенную выше логическую карту, 010 будет означать, что «0» идет вниз, «1» идет вверх, «0» идет вниз. Это будет кодировать зеленый цвет.

Теперь вы попробуете

Используйте эту таблицу, чтобы определить, какой цвет будет кодироваться числом 111?

Если вы закончили черным цветом, вы его получили!

Цифровые сигналы передаются на компьютеры в виде электронных сигналов, посылаемых в виде импульсов. Цифровое устройство интерпретирует напряжение каждого импульса как 0 или 1. На изображении ниже показан пример оцифрованной волны.

Используя этот график, где красные линии в верхней части представляют собой «1», а красные линии в нижней части представляют «0», вы можете видеть, что вся красная линия представляет собой последовательность единиц и нулей. вверху графика: 11001110111011.

Если бы нам нужно было использовать каждую группу из трех чисел, чтобы найти соответствующий цвет в таблице выше, мы бы использовали:

110 — розовый
011 — синий
101 — красный

Пояснения к пикселям

Большинство электронных устройств, таких как смартфоны, компьютеры и телевизоры, используют технологию жидкокристаллических дисплеев (ЖК-дисплеев). Экран состоит из миллионов крошечных кусочков, называемых пикселями. Электронное устройство получает закодированную информацию в виде цифровых сигналов и использует электричество для управления цветом пикселей. Каждый крошечный пиксель просто меняет один цвет на другой в зависимости от электрического сигнала, но, поскольку пиксели настолько малы, что ваш глаз улавливает движение на общем изображении. Удивительным примером этого в природе являются чешуйки или «пиксели» на изображении крыла бабочки ниже и в этом классном видео.

Сложные узоры на крыльях мотылька состоят из отдельных клеток, которые выражают разные цвета. Предоставлено: Викисклад.

Как работает задание?

Каждому учащемуся назначается цифровой волновой график, как показано на рисунке ниже. Используя карту логических элементов, учащиеся будут декодировать сигнал в цвета пикселей для части мозаики.

Чтобы создать собственный мозаичный шедевр в классе, четыре класса дополняют панель большой фрески Post-it.

Фреска, созданная четырьмя классами, представляет собой сцену океана. Фото: Андреа ЛаРоса

Материалы

— Бумага формата Legal, разрезанная пополам по длине для этикеток с сеткой

— Восемь досок для плакатов размером 22×28 дюймов (рекомендуется использовать по две на класс):

— 2 стикера Post-it размером 2 дюйма:

— Примечание для преподавателей: из приведенных выше наборов получится полная мозаика с правильными цветами (154 стикера Post-it на плакат). Если стикеры Post-it недоступны, учащиеся могут раскрасить сетку маркерами.

Подготовка

Распечатайте бинарные последовательности учащихся и таблицы назначения сетки. Разрежьте эти листы по пунктирным линиям и дайте каждому учащемуся заданную последовательность и соответствующую таблицу сетки. Ваша установка должна выглядеть так:

Процедура для учащихся

Расшифровка: вы расшифруете 10-12 квадратов на сетке. Ниже приведен пример графа двоичной последовательности. Красная линия представляет собой цифровое представление сигнала. Используйте назначенный вам график сигнала и логическую карту, чтобы декодировать двоичную последовательность и цвет в таблице сетки. Прежде чем переходить к построению мозаики, уточните свои ответы у учителя.

Конструкция: получите количество и цвета стикеров для вашего участка мозаики. Поместите свои стикеры на соответствующие квадраты в сетке плакатной доски.

Совет учителю: создайте заранее размеченную доску для плакатов, чтобы помочь учащимся создать мозаику.Фото: Андреа ЛаРоса

Добавьте стикеры на сетку плаката в правильном порядке. При этом думайте о каждом квадрате на сетке как о пикселе, а о выборе цвета — как о результате обработки двоичного кода для получения правильного цвета!

— Что сделал ваш класс?

— Как вы думаете, можно ли создать руководство по двоичному коду для создания росписи?

Занятие 4: Моделирование сигнала и отражение двоичного преобразования

Материалы

Настройка учителя

Поделитесь с учащимися раздаточным материалом «Имитация сигнала и отражение двоичного преобразования» и критерием CER.

Подсказка о написании

— Используйте следующие таблицы, чтобы определить, какой тип сигнала, цифровой или аналоговый, является более надежным способом кодирования и передачи информации. Предоставьте три доказательства, подтверждающие ваше утверждение, основанные на ваших выводах, полученных в ходе обучения по моделированию сигналов и бинарному преобразованию.

Нейронные сети отражают поведение человеческого мозга, позволяя компьютерным программам распознавать закономерности и решать распространенные задачи в области искусственного интеллекта, машинного обучения и глубокого обучения.

Что такое нейронные сети?

Нейронные сети, также известные как искусственные нейронные сети (ИНС) или смоделированные нейронные сети (СНС), представляют собой подмножество машинного обучения и лежат в основе алгоритмов глубокого обучения. Их название и структура вдохновлены человеческим мозгом и имитируют то, как биологические нейроны передают сигналы друг другу.

Искусственные нейронные сети (ИНС) состоят из слоев узлов, содержащих входной слой, один или несколько скрытых слоев и выходной слой. Каждый узел или искусственный нейрон соединяется с другим и имеет соответствующий вес и порог. Если выход любого отдельного узла превышает указанное пороговое значение, этот узел активируется, отправляя данные на следующий уровень сети. В противном случае данные не передаются на следующий уровень сети.

Нейронные сети используют обучающие данные для обучения и повышения точности с течением времени. Однако, как только эти алгоритмы обучения будут настроены на точность, они станут мощными инструментами в области компьютерных наук и искусственного интеллекта, позволяющими нам классифицировать и группировать данные с высокой скоростью. Задачи распознавания речи или изображений могут занимать минуты, а не часы, по сравнению с идентификацией вручную экспертами-людьми. Одной из самых известных нейронных сетей является поисковый алгоритм Google.

Как работают нейронные сети?

Думайте о каждом отдельном узле как о собственной модели линейной регрессии, состоящей из входных данных, весов, смещения (или порога) и выходных данных. Формула будет выглядеть примерно так:

∑wixi + смещение = w1x1 + w2x2 + w3x3 + смещение

выход = f(x) = 1, если ∑w1x1 + b>= 0; 0, если ∑w1x1 + b

После определения входного слоя ему присваиваются веса. Эти веса помогают определить важность той или иной переменной, при этом более крупные из них вносят более значительный вклад в результат по сравнению с другими входными данными. Затем все входные данные умножаются на их соответствующие веса, а затем суммируются. После этого выходные данные проходят через функцию активации, которая определяет выходные данные. Если этот выход превышает заданный порог, он «запускает» (или активирует) узел, передавая данные на следующий уровень в сети. Это приводит к тому, что выход одного узла становится входом следующего узла. Этот процесс передачи данных с одного уровня на следующий определяет эту нейронную сеть как сеть с прямой связью.

Давайте рассмотрим, как может выглядеть один узел, используя двоичные значения. Мы можем применить эту концепцию к более осязаемому примеру, например, стоит ли вам заняться серфингом (Да: 1, Нет: 0). Решение идти или не идти — это наш прогнозируемый результат, или т-хэт. Предположим, что на ваше решение влияют три фактора:

Хорошие ли волны? (Да: 1, Нет: 0)
Линейка пуста? (Да: 1, Нет: 0)
Было ли последнее нападение акулы? (Да: 0, Нет: 1)

Затем предположим следующее, предоставив нам следующие входные данные:

X1 = 1, так как волны накачивают
X2 = 0, так как толпы нет
X3 = 1, так как в последнее время не было нападения акулы

Теперь нам нужно присвоить веса для определения важности. Большие веса означают, что определенные переменные имеют большее значение для решения или результата.

W1 = 5, так как большие волны случаются нечасто.
W2 = 2, так как вы привыкли к толпе.
W3 = 4, так как вы боитесь акул

Наконец, мы также примем пороговое значение 3, что соответствует значению смещения –3. Со всеми входными данными мы можем начать подставлять значения в формулу, чтобы получить желаемый результат.

Y-шляпа = (1*5) + (0*2) + (1*4) – 3 = 6

Если мы используем функцию активации из начала этого раздела, мы можем определить, что выход этого узла будет равен 1, поскольку 6 больше 0. В этом случае вы отправитесь в серфинг; но если мы скорректируем веса или порог, мы можем получить разные результаты от модели. Когда мы наблюдаем одно решение, как в приведенном выше примере, мы видим, как нейронная сеть может принимать все более сложные решения в зависимости от результатов предыдущих решений или слоев.

В приведенном выше примере мы использовали персептроны, чтобы проиллюстрировать некоторые математические операции, но нейронные сети используют сигмовидные нейроны, которые отличаются тем, что имеют значения от 0 до 1. Поскольку нейронные сети ведут себя аналогично деревьям решений, каскадирование данных от одного узла к другому, наличие значений x от 0 до 1 уменьшит влияние любого заданного изменения одной переменной на выходные данные любого заданного узла, а затем и на выходные данные нейронной сети.

По мере того, как мы начинаем думать о более практичных вариантах использования нейронных сетей, таких как распознавание изображений или классификация, мы будем использовать контролируемое обучение или помеченные наборы данных для обучения алгоритма. По мере обучения модели мы хотим оценить ее точность с помощью функции затрат (или потерь). Это также обычно называют среднеквадратической ошибкой (MSE). В приведенном ниже уравнении

i представляет индекс выборки,
y-hat – прогнозируемый результат,
y — фактическое значение, и
m – количество образцов.

В конечном счете, цель состоит в том, чтобы минимизировать нашу функцию стоимости, чтобы гарантировать правильность подгонки для любого данного наблюдения. Поскольку модель корректирует свои веса и смещения, она использует функцию стоимости и обучение с подкреплением, чтобы достичь точки сходимости или локального минимума. Процесс, в котором алгоритм регулирует свои веса, представляет собой градиентный спуск, позволяющий модели определить направление, в котором нужно уменьшить ошибки (или минимизировать функцию стоимости). С каждым обучающим примером параметры модели корректируются, чтобы постепенно сходиться к минимуму.

Большинство глубоких нейронных сетей имеют прямую связь, то есть они работают только в одном направлении, от входа к выходу. Однако вы также можете обучить свою модель с помощью обратного распространения; то есть двигаться в противоположном направлении от выхода к входу. Обратное распространение позволяет нам рассчитать и атрибутировать ошибку, связанную с каждым нейроном, что позволяет нам соответствующим образом настроить и подогнать параметры модели (моделей).

Типы нейронных сетей

Нейронные сети можно разделить на разные типы, которые используются для разных целей. Хотя это не исчерпывающий список типов, ниже представлены наиболее распространенные типы нейронных сетей, с которыми вы столкнетесь в своих распространенных случаях использования:

Персептрон – старейшая нейронная сеть, созданная Фрэнком Розенблаттом в 1958 году. Он состоит из одного нейрона и представляет собой простейшую форму нейронной сети:

Нейронные сети с прямой связью, или многоуровневые персептроны (MLP), — это то, на чем мы в основном сосредоточились в этой статье. Они состоят из входного слоя, скрытого слоя или слоев и выходного слоя. Хотя эти нейронные сети также обычно называют MLP, важно отметить, что на самом деле они состоят из сигмовидных нейронов, а не персептронов, поскольку большинство реальных задач нелинейны. Данные обычно загружаются в эти модели для их обучения, и они являются основой для компьютерного зрения, обработки естественного языка и других нейронных сетей.

Сверточные нейронные сети (CNN) похожи на сети с прямой связью, но обычно используются для распознавания изображений, распознавания образов и/или компьютерного зрения. Эти сети используют принципы линейной алгебры, в частности умножение матриц, для выявления закономерностей в изображении.

Рекуррентные нейронные сети (RNN) идентифицируются по их петлям обратной связи. Эти алгоритмы обучения в первую очередь используются при использовании данных временных рядов для прогнозирования будущих результатов, таких как прогнозы фондового рынка или прогнозы продаж.

Нейронные сети и глубокое обучение

Глубокое обучение и нейронные сети, как правило, используются в разговоре взаимозаменяемо, что может сбивать с толку. В результате стоит отметить, что «глубокое» в глубоком обучении просто относится к глубине слоев в нейронной сети. Нейронная сеть, состоящая из более чем трех слоев, включая входные и выходные данные, может считаться алгоритмом глубокого обучения. Нейронная сеть, состоящая только из двух или трех слоев, — это просто базовая нейронная сеть.

Чтобы узнать больше о различиях между нейронными сетями и другими формами искусственного интеллекта, такими как машинное обучение, прочитайте запись в блоге "ИИ, машинное обучение, глубокое обучение и нейронные сети: в чем разница?"

История нейронных сетей

История нейронных сетей длиннее, чем думает большинство людей. Хотя идея «думающей машины» восходит к древним грекам, мы сосредоточимся на ключевых событиях, которые привели к эволюции мышления вокруг нейронных сетей, популярность которых с годами то падала, то падала:

1943: Уоррен С. МакКаллох и Уолтер Питтс опубликовали «Логическое исчисление идей, имманентных нервной деятельности» (PDF, 1 МБ) (ссылка находится вне IBM)». Это исследование было направлено на то, чтобы понять, как человеческий мозг может создавать сложные паттерны. через связанные клетки мозга или нейроны. Одной из основных идей, возникших в результате этой работы, было сравнение нейронов с бинарным порогом с булевой логикой (т. е. 0/1 или истинные/ложные утверждения).

1958: Фрэнку Розенблатту приписывают разработку персептрона, документально подтвержденную в его исследовании «Персептрон: вероятностная модель хранения и организации информации в мозгу» (PDF, 1,6 МБ) (ссылка находится вне IBM). Он продвигает работу МакКаллоха и Питта на шаг вперед, вводя веса в уравнение. Используя IBM 704, Розенблатт смог заставить компьютер научиться отличать карты, отмеченные слева, от карт, отмеченных справа.

1974 г. В то время как многие исследователи внесли свой вклад в идею обратного распространения ошибки, Пол Вербос был первым человеком в США, который отметил его применение в нейронных сетях в своей докторской диссертации (PDF, 8,1 МБ) (ссылка находится за пределами IBM).

1989: Янн ЛеКун опубликовал статью (PDF, 5,7 МБ) (ссылка находится за пределами IBM), иллюстрирующую, как использование ограничений в обратном распространении и его интеграция в архитектуру нейронной сети могут использоваться для обучения алгоритмов. В этом исследовании нейронная сеть успешно использовалась для распознавания рукописных цифр почтового индекса, предоставленных Почтовой службой США.

Нейронные сети и IBM Cloud

Вот уже несколько десятилетий IBM является пионером в разработке технологий искусственного интеллекта и нейронных сетей, о чем свидетельствует разработка и развитие IBM Watson. Теперь Watson — это надежное решение для предприятий, которые хотят применять в своих системах передовые методы обработки естественного языка и глубокого обучения, используя проверенный многоуровневый подход к внедрению и внедрению ИИ.

Watson использует платформу Apache Unstructured Information Management Architecture (UIMA) и программное обеспечение IBM DeepQA, чтобы сделать мощные возможности глубокого обучения доступными для приложений. С помощью таких инструментов, как IBM Watson Studio, ваше предприятие может беспрепятственно запускать проекты искусственного интеллекта с открытым исходным кодом в рабочую среду, одновременно развертывая и запуская модели в любом облаке.

Для получения дополнительной информации о том, как начать работу с технологией глубокого обучения, изучите IBM Watson Studio и службу глубокого обучения.

двоичные сигналы, цифровая связь, информационные технологии

Наконец-то лето! Вы и ваша семья находитесь в путешествии по пересеченной местности. У вас включено радио, и вы все подпеваете своей любимой песне.Вы проезжаете тоннель, и музыка останавливается. Если вы слушаете местную радиостанцию, музыка станет статической, но если вы слушаете спутниковое радио, музыка полностью замолкнет. Радио, будь то спутник или эфир, передается в виде сигнала, который интерпретируется вашим устройством. Если вы слушаете спутниковое радио, сигнал будет цифровым, а если вы слушаете вещание или «эфирное» радио, то сигнал будет аналоговым. В следующих упражнениях мы больше узнаем об особенностях цифровых и аналоговых сигналов, моделируя, как эти два типа сигналов передаются и используются для хранения информации.

Аналоговый или обычный Цифровые сигналы

Аналоговый	цифровой
Сигналы состоят из бесконечного числа возможных значений.	Сигналы состоят только из двух возможных значений: 0 или 1.
Звуковые сигналы могут плавно изменяться по громкости и высоте.	Сигнал переходит от одного значения к другому.

Узнайте больше о возможностях хранения данных в серии статей Science Friday, File Not Found .

Призраки в барабанах

Интерьер ленточной библиотеки StorageTek в NERSC. Предоставлено: Викисклад.

Упражнение 1: Моделирование сигнала связи

Материалы

Настройка учителя

Разбейтесь на группы по пять человек вокруг стола. (Пять – это количество инопланетян, представленное в наборе, а также предоставляет учащимся оптимальные возможности для рисования заданных инопланетян.)

Моделирование сигнала связи Указания для учащихся

Мы собираемся смоделировать обмен сообщениями во времени и на расстоянии. Это занятие требует передачи бумаги от человека к человеку, чтобы каждый человек воспроизвел на ней рисунок, а затем передал его следующему человеку за вашим столом. Передача бумаги и воспроизведение рисунка имитируют время и пространство, по которым распространяются сигналы. В первой части задания мы будем моделировать аналоговые сигналы. Во второй части мы будем моделировать цифровые технологии.

Разрежьте бумагу по пунктирной линии и склейте две половинки встык.
В сетке справа от инопланетянина используйте ручку или маркер, чтобы максимально перерисовать изображение инопланетянина. Вам не разрешается стирать или исправлять свой рисунок. Вам будет дано две минуты, чтобы завершить рисунок.

Вопросы об активности

(Заполнить после аналогового и цифрового раундов)

Разверните свои рисунки инопланетян и посмотрите на изображения, нарисованные во время игры.

Сравнение аналогового и цифрового раундов

Сравните изображения из заданий 1-го и 2-го раундов.

Предотвращение «цифрового темного века»

Задание 2. Сортировка цифровых и аналоговых сигналов

Материалы

Настройка учителя

Разбейте учащихся на группы по три человека.
Подготовьте и перемешайте набор карточек для каждой группы.
Поделитесь критерием CER со студентами.

Указания для учащихся

Рассортируйте изображения и заявления по двум категориям: цифровые сигналы и аналоговые сигналы.
Используйте отсортированные изображения и утверждения, чтобы направлять свои мысли при заполнении письменной подсказки.

Подсказка о написании

Совместная программа преподавателей Science Friday 2019

Действие 3: Двоичное преобразование

«1» указывает на «высокий» путь, а «0» — на «низкий» путь.С помощью этой карты, называемой «картой логических ворот», двоичная последовательность 0 и 1 может указывать, когда «идти вверх» или «идти вниз», передавая путь на карте для «кодирования» для цвета. Например, используя приведенную выше логическую карту, 010 будет означать, что «0» идет вниз, «1» идет вверх, «0» идет вниз. Это будет кодировать зеленый цвет.

Теперь вы попробуете

Используйте эту таблицу, чтобы определить, какой цвет будет кодироваться числом 111?

Если вы закончили черным цветом, вы его получили!

110 — розовый
011 — синий
101 — красный

Пояснения к пикселям

Как работает задание?

Чтобы создать собственный мозаичный шедевр в классе, четыре класса дополняют панель большой фрески Post-it.

Фреска, созданная четырьмя классами, представляет собой сцену океана. Фото: Андреа ЛаРоса

Материалы

— Бумага формата Legal, разрезанная пополам по длине для этикеток с сеткой

— Восемь досок для плакатов размером 22×28 дюймов (рекомендуется использовать по две на класс):

— 2 стикера Post-it размером 2 дюйма:

Подготовка

Процедура для учащихся

— Что сделал ваш класс?

— Как вы думаете, можно ли создать руководство по двоичному коду для создания росписи?

Занятие 4: Моделирование сигнала и отражение двоичного преобразования

Материалы

Настройка учителя

Поделитесь с учащимися раздаточным материалом «Имитация сигнала и отражение двоичного преобразования» и критерием CER.

Подсказка о написании

Читайте также: