ПРИНЦИПЫ НЕЙРОСЕТЕВОЙ ОБРАБОТКИ СИГНАЛОВ РАСПРЕДЕЛЕННЫХ ВОЛОКОННО-ОПТИЧЕСКИХ ИЗМЕРИТЕЛЬНЫХ СЕТЕЙ :



  • Название:
  • ПРИНЦИПЫ НЕЙРОСЕТЕВОЙ ОБРАБОТКИ СИГНАЛОВ РАСПРЕДЕЛЕННЫХ ВОЛОКОННО-ОПТИЧЕСКИХ ИЗМЕРИТЕЛЬНЫХ СЕТЕЙ
  • Кол-во страниц:
  • 122
  • ВУЗ:
  • ДАЛЬНЕВОСТОЧНЫЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
  • Год защиты:
  • 1997
  • Краткое описание:
  • МИНИСТЕРСТВО ОБЩЕГО И ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
    ДАЛЬНЕВОСТОЧНЫЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ


    на правах рукописи

    Каменев Олег Тимурович

    ПРИНЦИПЫ НЕЙРОСЕТЕВОЙ ОБРАБОТКИ СИГНАЛОВ РАСПРЕДЕЛЕННЫХ ВОЛОКОННО-ОПТИЧЕСКИХ
    ИЗМЕРИТЕЛЬНЫХ СЕТЕЙ

    Специальность 05.08.06 - физические поля корабля,
    океана и атмосферы и их взаимодействие


    диссертация на соискание ученой степени
    кандидата физико-математических наук






    Владивосток - 1997 г.

    С О Д Е Р Ж А Н И Е

    Лист

    ВВЕДЕНИЕ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
    1. ЭКСПЕРИМЕНТАЛЬНЫЕ МЕТОДИКИ . . . . . . . . . . . . . . . . . . . . . . . . .25
    1.1. Универсальная экспериментальная установка для исследования принципов создания информационно-измерительных систем на волоконно-оптической элементной базе . . . . . . . . . . . . . . . . . . . . . . 25
    1.2. Методы изготовления волоконно-оптических датчиков температуры на основе интерферометра Фабри-Перо с внешним резонатором . .33
    1.2.1. Изготовление интерферометра Фабри-Перо с внешним
    резонатором . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
    1.2.2. Изготовление мембранного волоконно-оптического датчика температуры на основе интерферометра Фабри-Перо с внешним резонатором . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .36
    2. ИССЛЕДОВАНИЕ ВОЛОКОННО-ОПТИЧЕСКИХ ДАТЧИКОВ ФИЗИЧЕСКИХ ВЕЛИЧИН ДЛЯ КВАЗИРАСПРЕДЕЛЕННЫХ ИЗМЕРИТЕЛЬНЫХ СЕТЕЙ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..38
    2.1. Волоконно-оптический интерферометр Фабри-Перо с внешним
    резонатором . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
    2.2. Мембранный волоконно-оптический датчик физических величин на базе интерферометра Фабри-Перо с внешним резонатором . . . . . . .46
    2.3. Экспериментальные исследования параметров волоконно-оптических датчиков на базе интерферометра Фабри-Перо с внешним резонатором. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
    2.3.1. Исследование температурной чувствительности волоконно-оптического интерферометра Фабри-Перо с внешним резонатором . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
    2.3.2. Исследование температурной чувствительности
    мембранного волоконно-оптического датчика. . . . . . . . . . . . . . . . . .53
    3. ВОЛОКОННО-ОПТИЧЕСКАЯ РАСПРЕДЕЛЕННАЯ ИЗМЕРИТЕЛЬНОЙ СЕТИ ДЛЯ ИССЛЕДОВАНИЯ ФИЗИЧЕСКИХ ПОЛЕЙ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .55
    3.1. Принцип функционирования распределенной волоконно-оптической
    измерительной линии. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .56
    3.2. Принципы организации распределенной волоконно-оптической
    измерительной сети . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61
    3.2.1. Особенности применения волоконно-оптических измерительных
    сетей для исследования физических полей . . . . . . . . . . . . . . . . . . . .62
    3.2.2. Принципы организации распределенных волоконно-оптических сетей для исследования векторных физических полей . . . . . . . . . .65
    3.3. Экспериментальные исследования волоконно-оптических
    измерительных сетей. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
    4. КИБЕРНЕТИЧЕСКИЕ НЕЙРОННЫЕ СЕТИ ДЛЯ ОБРАБОТКИ СИГНАЛОВ ТОМОГРАФИЧЕСКИХ РАСПРЕДЕЛЕННЫХ ВОЛОКОННО-ОПТИЧЕСКИХ ИЗМЕРИТЕЛЬНЫХ СИСТЕМ . . . . . . 78
    4.1. Принципы построения кибернетических нейронных сетей для
    обработки томографических данных . . . . . . . . . . . . . . . . . . . . . . . . . 79
    4.2. Оптимизация обучения нейронных сетей . . . . . . . . . . . . . . . . . . . . . 83
    4.2.1. Выбор метода обучения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
    4.2.2. Выбор оптимальной скорости обучения . . . . . . . . . . . . . . . . . . . . . . 85
    4.2.3. Формирование обучающей страницы . . . . . . . . . . . . . . . . . . . . . . . . 91
    4.3. Реализация нейроподобных вычислительных сетей . . . . . . . . . . . . .94
    4.3.1. Компьютерная модель двухслойной кибернетической нейросети
    для обработки томографических данных . . . . . . . . . . . . . . . . . . . . . 95
    4.3.2. Электронный аналог двухслойной нейроподобной
    вычислительной сети . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .100
    4.4. Экспериментальные исследования нейроподобных сетей . . . . . . . 104
    4.4.1. Экспериментальные исследования электронного аналога
    двухслойной нейроподобной вычислительной сети . . . . . . . . . . . . 104
    4.4.2. Экспериментальные исследования макета информационно-
    измерительной системы на волоконно-оптической
    элементной базе. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .105
    ЗАКЛЮЧЕНИЕ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
    СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ . . . . . . . . . . . . . . . . . . . . . 116




    ВВЕДЕНИЕ

    Развитие морского флота , расширение круга научных исследований Мирового Океана приводит к необходимости измерений большого числа физических величин: электрических, механических, химических и т.д. Эти величины характеризуют состояние управляемых или исследуемых физических объектов. Поэтому в настоящее время все чаще возникает необходимость создания информационно-измерительных систем (ИИС), способных осуществлять сбор и обработку данных о состоянии сложных физических объектов. К таким объектам относятся: динамические объекты (глубоководные самоходные аппараты, самолеты, морские суда) [1], распределенные физические поля (поле деформаций Земной коры, температурные, магнитные, акустические поля в Мировом Океане и т.д. ).
    Эффективный контроль и исследование подобных объектов требуют, чтобы производительность современных ИИС была на несколько порядков выше достигнутой к настоящему времени [2]. Высокая эффективность и производительность таких систем могут быть достигнуты за счет применения новых материалов и технологий, использования параллельных алгоритмов.
    Развитие электроники, успехи технологии изготовления датчиков физических величин и вычислительных элементов позволяют создавать ИИС с достаточно высокой производительностью. Однако дальнейшее развитие науки и техники приводит к усложнению задач, ставящихся перед этими системами, поскольку число параметров, которые необходимо контролировать постоянно возрастает. Например, мониторинг физических полей в гидроакустике требует проведения исследований на больших площадях. Это приводит к необходимости использования в ИИС большого количества гидрофонов или векторных приемников, объединенных в единую измерительную сеть, осуществляющую сбор данных о состоянии исследуемого физического поля.
    В свою очередь наличие в ИИС большого количества датчиков приводит к тому, что собранная информация представляет собой многомерные массивы данных. В том случае, когда состояние исследуемого физического объекта непрерывно изменяется во времени, объем поступающей информации резко возрастает : пропорционально скорости этих изменений. Поэтому обработка данных в ИИС должна осуществляться специальным вычислительным устройством, организованным по принципу сети, так как только сетевая архитектура может обеспечить распараллеливание процесса обработки многомерных массивов.
    Связь между вычислительной сетью и датчиками требует организации большого количества информационных каналов и линий связи. В геофизике, океанографии и т.д. сбор информации осуществляется на больших площадях, поэтому длина линий связи может достигать сотен метров. В случае использования традиционных электронных измерительных средств это приводит к появлению значительного аддитивного шума, вследствие использования длинных линий для передачи относительно слабых электрических сигналов, что снижает помехозащищенность системы. Кроме того, увеличение длины линий связи приводит к увеличению массы измерительной сети и стоимости всей системы в целом. Поэтому задача уменьшения количества линий связи имеет большое значение для повышения эффективности современных ИИС.
    Значительные перспективы по уменьшению количества линий связи открывает применение томографических принципов сбора и обработки информации, когда реконструкция многомерных сигналов производится по частичной информации, представленной в виде интегральных проекций по ограниченному набору направлений вдоль которых уложены линии измерительной сети [3]. Однако и в этом случае, применение традиционных материалов и технологий не снимает проблему взаимного влияния и помехозащищенности различных информационных каналов.
    В связи с вышеизложенным при создании измерительных сетей (ИС), которые осуществляют сбор информации, предпочтение целесообразно отдать волоконной оптике, поскольку волоконо-оптические системы позволяют сочетать в едином тракте функции измерительных устройств и линии передачи сигналов, а гибкость волоконных световодов открывает перспективы для создания ИС практически любой требуемой конфигурации. Использование световой несущей для передачи сигналов в волоконных световодах (ВС) также позволяет значительно уменьшить уровень аддитивного шума. Кроме того, средства волоконной оптики открывают перспективы для проведения измерений в экстремальных условиях, таких как воздействие химически агрессивных сред, высоких и низких температур, высокий уровень радиации, и т.д. Так, например, использование электрических ИС для исследований в Мировом Океане требует применения специальных мер с целью предохранения датчиков и информационных каналов от непосредственного контакта с морской водой. Это существенно усложняет конструкцию ИС и затрудняет проведение исследований. В то же время оптическое волокно может быть размещено непосредственно в самой воде, при этом никаких специальных мер предосторожности не требуется.
    Принципы организации измерительных линий определяются прежде всего принципом работы самих датчиков. Действие большинства волоконно-оптических датчиков основано на том, что изменение измеряемой физической величины с помощью какого-либо физического эффекта приводит к изменению оптических параметров среды, по которой распространяется излучение. В результате осуществляются фазовая, поляризационная, частотная или апертурная модуляция световой волны, распространяющейся в ВС.
    К настоящему времени разработано большое количество волоконно-оптических датчиков (ВОД) физических величин [4-11]. В большинстве своем это - сосредоточенные датчики, предназначенные для контроля за исследуемой физической величиной в локальной области пространства. Однако при создании комплексных систем контроля, при наблюдении за многопараметрическими процессами, в исследованиях Мирового океана целесообразнее применять распределенные датчики, осуществляющие интегрирование влияния, оказываемого исследуемым физическим полем, на протяженных участках пространства [12].
    Для исследования пространственных распределений параметров различных физических полей применяются как традиционные локальные, так и распределенные и квазираспределенные ВОД [13].
    В первом случае приходится использовать большое количество однотипных локальных датчиков. И, несмотря на то что собираемая с их помощью информация не требует специальной обработки, тем не менее подобные измерительные системы оказываются весьма громоздкими, что затрудняет их использование. В случае же использования распределенных и квазираспределенных датчиков их количество существенно сокращается, однако недостаточная локализованность чувствительного элемента в пространстве неизбежно ограничивает пространственное разрешение [42].
    Квазираспределенные датчики состоят из последовательно соединенных одним волоконным световодом локальных ВОД, которые опрашиваются, например, методом оптической временной рефлектометрии. Так в работе [14] представлен квазираспределенный ВОД температуры, в котором положение каждого датчика определяется временной задержкой отраженного оптического излучения. Однако, даже при относительно невысоком пространственном разрешении, в таком ВОД необходимо обеспечить регистрацию импульсов длительностью порядка 10-12 с, что требует применения сложного оборудования и существенно усложняет процесс обработки поступающей информации.
    В работе [15] представлен другой принцип организации квазираспределенных ВОД основанный на применении решеток Брэгга. Преимущество таких датчиков заключается в том, что измеряемая информация кодируется непосредственно длиной волны и поэтому не зависит от флюктуаций интенсивности и фазы излучения. Выбрав для каждого датчика свою область спектра излучения источника, можно различить их сигналы в том случае, если они находятся на одном волоконном световоде в составе единой измерительной линии. Однако, несмотря на то , что разработан целый ряд методов обработки выходного сигнала таких ВОД, все эти методы требуют применения сложного оборудования и имеют ограниченное быстродействие.
    В распределенных ВОД используют различные рефлектометрические методы регистрации [16-18]. Такие датчики обладают более высоким разрешением, но требуют сложной и дорогостоящей аппаратуры для своей реализации. Поэтому при использовании распределенных и квазираспределенных ВОД целесообразно применять томографические методы сбора и обработки информации [19-21], когда реконструкция многомерных распределений параметров физических объектов производится по частичной информации, представленной в виде интегральных проекций по ограниченному набору направлений. При этом не требуется выделения сигналов каждого датчика в излучении на выходе измерительной линии.
    Применение томографических методов позволяет существенно уменьшить количество измерительных линий в ИС, а, следовательно, и количество информационных каналов, что в конечном счете приводит к уменьшению объема поступающих данных [21]. Однако волоконно-оптические измерительные сети, использующие томографические принципы реконструкции пространственных распределений различных физических величин, еще недостаточно изучены.
    Для создания волоконно-оптических томографических измерительных сетей возможно применение датчиков с различными видами модуляции параметров световой волны.
    Амплитудная модуляция наиболее удобна для дальнейшей обработки выходного сигнала ВОД [22]. Большинство схем датчиков с амплитудной модуляцией не требует использования когерентных источников излучения, хотя некоторые из них реализуемы лишь с поляризованной световой волной [23]. Датчики амплитудной модуляции не нуждаются в дополнительных схемах обработки выходных сигналов, т.к. промодулированное по амплитуде излучение регистрируется с помощью обычного фотоприемника [24]. Однако, эти датчики обладают низкой точностью измерений, что обусловлено влиянием флюктуаций интенсивности излучения.
    Датчики поляризационного типа основаны на эффекте изменения состояния поляризации света при прохождении его через оптическую среду [25]. Состояние поляризации может измениться в результате индуцированного вращения эллипсоида поляризации или наведенного двулучепреломления в материале сердцевины. В конструкцию поляризационных датчиков входят поляризаторы и анализаторы, которые обычно устанавливаются в той области пространства, где осуществляется измерение. Это обусловлено возможной деполяризацией излучения или дополнительным двулучепреломлением, которые могут возникнуть в подводящих или отводящих световодах. Такое расположение поляризаторов существенно ограничивает область применения поляризационных ВОД. Кроме того, использование скрещенных поляризатора и анализатора вызывает значительные потери мощности в оптической системе [26].
    Наиболее чувствительными методами регистрации физических воздействий с использованием средств волоконной оптики являются методы, основанные на модуляции фазы световой волны, распространяющейся в ВС. Техника оптической интерферометрии позволяет фиксировать изменение фазы колебаний до 10-8 радиан [8,26]. Эти изменения возникают при внешнем воздействии на ВС и регистрируются при наложении сигналов измерительного и опорного каналов. Поскольку используются оптические сигналы с длинами волн порядка микрометров, оказывается возможным зарегистрировать ничтожно малые изменения оптической длины измерительного канала.
    Датчики с фазовой модуляцией строятся на основе нескольких известных схем интерферометров: 1) кольцевого интерферометра, 2) интерферометра Фабри-Перо, 3) интерферометра Маха-Цендера, 4) интерферометра на основе межмодовой интерференции [24].
    В кольцевом волоконном интерферометре используется эффект Саньяка [11]. Основным элементом этих устройств является катушка с навитым ВС, по которой два световых луча распространяются в противоположных направлениях. При повороте катушки изменяется разность фаз между лучами, поэтому кольцевые волоконные интерферометры главным образом применяются в качестве датчиков вращения и угловой скорости [64].
    Интерферометрические схемы датчиков на основе интерферометра Маха-Цендера имеют два канала : измерительный, который служит чувствительным элементом воспринимающим внешнее воздействие, и опорный, защищенный от воздействия. Разность фаз между световыми лучами этих каналов приводит к изменению интенсивности в интерференционной картине и регистрируется фотоприемником. Наличие дополнительного канала, требующего изоляции от измеряемой величины делает данный тип датчиков малопригодным для создания томографических измерительных сетей.
    Датчик на основе многолучевого интерферометра Фабри-Перо создается напылением полупрозрачных зеркал на торцах волоконного световода, либо формированием решеток Брэгга непосредственно в самом ВС [15] . При этом сам световод одновременно является и чувствительным элементом и резонатором. При изменении длины ВС происходит изменение интенсивности на выходе. Датчики данного типа обладают наибольшей чувствительностью. Однако, при повышении чувствительности датчика снижается его динамический диапазон. Эта проблема решается применением метода счета интерференционных полос при обработке выходного сигнала датчика на основе ИФП, однако реализация данного метода существенно усложняет систему регистрации выходного сигнала датчика. Поэтому при создании информационно-измерительных систем возникает задача разработки новых типов датчиков, позволяющих использовать достоинства интерферометра Фабри-Перо.
    ВОД на основе межмодовой интерференции позволяют создавать распределенные измерительные линии. Такой датчик представляет собой один световод, работающий в двухмодовом или маломодовом режиме. Вследствие разности фазовых скоростей, изменения фазы каждой моды по-разному зависят от внешнего воздействия. Преимущество такого интерферометра состоит в том, что взаимодействующие моды распространяются в среде с одной и той же температурой и подвергающейся одним и тем же воздействиям, что снижает уровень шумов [11]. Другое преимущество - простота конструкции и возможность ввода большой световой мощности. Все это делает подобные датчики наиболее перспективными при создании томографических измерительных сетей ИИС.
    Томографические методы сбора информации об исследуемом объекте не требуют применения сложного оборудования для организации ИС, однако при их использовании возникает проблема обработки томографических данных, так как все алгоритмы обработки являются итерационными, что не позволяет создавать быстродействующие ИИС даже при применении параллельных принципов организации вычислительных сетей. Для решения этой проблемы представляется целесообразным использование нейроподобных вычислительных сетей для обработки данных, поступающих от измерительной сети. Основное преимущество нейроподобных вычислительных сетей - это способность к обучению [27]. При соответствующем обучении нейросеть способна выполнять практически любое преобразование данных, даже в том случае, если оно не может быть описано определенной функциональной зависимостью. Кроме того, нейронная сеть может оперировать с аналоговыми сигналами без применения аналого-цифровых преобразователей, что существенно повышает скорость обработки данных.
    Нейроподобные системы в настоящее время только начинают применять для создания информационно-измерительных систем [28]. Повышение сложности задач, решаемых современными ИИС приводит к необходимости разработки основ проектирования адаптивных систем. К настоящему времени адаптация наиболее полно может быть реализована только в нейроподобных сетях. Важная особенность архитектуры адаптивных вычислительных сетей состоит в том, что ее топология может быть легко согласована как с измерительными алгоритмами, так и с параметрами измерительных сетей. Однако реконфигурируемые архитектуры ИИС наименее изучены к настоящему времени, а использование нейроподобных систем в томографии и вовсе не рассматривалось.
    Нейроподобные системы имеют множество достоинств : параллельный механизм обработки данных ; способность прогнозировать изменения входной информации ; сохранение работоспособности при частичном выходе из строя элементов и связей ; самообучаемость ; гибкость ; ассоциативность; абсолютная и быстрая сходимость к одному из устойчивых состояний под действием входного сигнала, попадающего в область притяжения этого состояния.
    Для воспроизведения тех или других особенностей нейросистем создаются их модели с заданным набором свойств. Со времени выхода в 1982 г. статьи Хопфилда [29] о вычислительных свойствах нейронных сетей наблюдается особенно большой интерес к искусственным нейроподобным системам, который отражает попытку ввести в вычислительный процесс элементы восприятия и мышления человека. Такое стремление не случайно, т.к. характерными особенностями работы человеческого мозга являются параллельная обработка данных, самообучаемость, ассоциативность, гибкость и многообразие принимаемых решений [65].
    Цифровые ЭВМ общего назначения хорошо приспособлены для решения уравнений, численных расчетов методом итераций, решения задач классификации, формальной логики, вероятностных расчетов, т.е. для решения алгоритмизуемых задач. Нейроподобные системы мало пригодны для этих целей. В них затруднено выполнение длинных и сложных формализованных процедур, зато эвристические и интуитивные решения принимаются легко и быстро. Поэтому нейросистемы наиболее эффективны при решении самых сложных задач распознавания образов, поиска обобщений и логических выводов по неполным данным, а также при постановке обьектно-ориентированных, лингвистических и других задач искусственного интеллекта.
    Недостаток нейроподобных систем заключается в том, что они не являются универсальными. Программа аналоговой машины определена ее строением. Чтобы перепрограммировать такую систему на решение новой задачи, необходимо фактически заново создать ее внутреннюю архитектуру. Однако, узкая специализация этих устройств компенсируется способностью к обучению.
    В настоящее время нейросистемы применяются для решения восьми основных задач [30]:
    1) многомерная линейная регрессия;
    2) распознавание двумерных картин;
    3) распознавание образов по неполным данным;
    4) реализация экспертных систем, обучаемых на примерах;
    5) создание баз данных большой емкости с быстрым извлечением по неполным входным данным;
    6) классификация (нахождение общих свойств разных объектов);
    7) трудные задачи оптимизации типа задач о коммивояжере, о размещении банковских кредитов и т.д.
    8) выполнение функционального преобразования, явный вид которого неизвестен.
    Известно три основных способа практической реализации нейросистем в рамках господствующего направления, получившего название коннекционизма [30]:
    1) Имитационная модель на обычной ЭВМ;
    2) плата или приставка к персональному компьютеру;
    3) самостоятельный нейрокомпьютер на электронной либо оптической элементной базе.
    Независимо от выбранного способа реализации создание нейросистемы начинается с разработки ее модели на обычной ЭВМ. Вся обработка информации в моделях нейронных систем выполняется относительно простыми функциональными элементами - нейронами. В большинстве моделей все нейроны функционируют одинаково. Работа каждого нейрона заключается в получении входных сигналов от связанных с ним других нейронов и подсчета выходного сигнала, являющегося функцией от входных сигналов.
    Если на основе разработанной модели создается реальная нейросистема, то в ней все нейроны функционируют одновременно. Поэтому объем вычислений , производимых системой в единицу времени значительно превышает возможности традиционных вычислительных средств последовательного типа.
    Более сложные модели нейросистем, создаваемые на базе теории колебательной синхронизации и учения о доминанте, учитывают импульсный характер активности биологических нейронов, динамику протекающих в нейросистемах процессов и другие особенности [31]. Эти модели пока не нашли широкого распространения, так как недостаточно изучены.
    В общем случае, характер осуществляемого нейросистемой преобразования данных определяется структурой связей между нейронами и режимом работы самой нейросистемы. Структура связей обычно организована так, что нейросистема представляет собой сеть, узлами которой являются нейроны. В нейросети можно выделить слои, связи между нейронами внутри и вне которых конструируются по разным правилам.
    Одним из крайних случаев является сеть, у которой каждый нейрон связан со всеми остальными или имеет одинаковую вероятность быть связанным с любым другим элементом сети [27]. Такая сеть называется полностью интерактивной. В ней каждый нейрон может влиять на другой и сам получать от него обратное влияние. Для интерактивных сетей возможен многотактовый режим работы, при котором состояние сети в ответ на появление входной информации может изменяться в течение длительного времени. Для таких сетей типичным является стремление к одному из стабильных состояний, в этом случае стабилизация является признаком окончания обработки входного сигнала [32]. Интерактивные нейросети применяются для создания устройств ассоциативной памяти, классификации и т.п. и непригодны для реализации быстродействующих вычислительных систем.
    Другим крайним случаем является полностью иерархическая организация связей, когда сеть состоит из нескольких слоев, элементы каждого слоя между собой не связаны, а элементы следующего слоя получают сигналы только от элементов предыдущего [27]. В этом случае информация в нейросети движется по восходящей от входного слоя к выходному. Иерархически организованные сети в дискретном времени могут работать только в однотактовом режиме, при котором нейроны каждого слоя включаются только на один такт времени при поступлении сигнала от предыдущего слоя.
    К иерархическим нейросетям относятся так называемые кибернетические нейронные сети, а наиболее полно изученным является класс кибернетических нейросетей, называемых персептронами. Впервые персептрон был описан Ф.Розенблаттом в 1965 году [27].
    Время, затрачиваемое на обработку данных в персептроне, определяется скоростью распространения информации от входа сети к выходу, а также временем, которое необходимо для работы нейронов. Таким образом, время обработки определяется прежде всего временем работы одного нейрона, а так как нейрон в персептроне представляет собой простейший пороговый элемент, выполняющий две операции: суммирование и сравнение с порогом, то общее время обработки данных невелико.
    В аналоговых персептронах передаточная функция нейронов не носит ярко выраженного порогового характера, что позволяет проводить обработку аналоговых сигналов без применения цифроаналоговых преобразователей, присущих традиционным цифровым вычислительным системам.
    В основном персептроны применяются для выполнения произвольных функциональных преобразований. Особый интерес представляют задачи, в которых явный вид преобразования неизвестен. Так, например, в работе [33] предложена модель кибернетической нейроподобной вычислительной сети, обеспечивающей оптимальное управление морским судном, совершающим движение по проложенному курсу. Явный вид функционального преобразования, связывающего входные параметры (показания датчиков ) с управляющими параметрами неизвестен, а ее аналитический расчет требует громоздких вычислений. Предложенная модель позволяла обеспечить оптимальное с точки зрения энергетических затрат управление силовыми установками судна при незначительном отклонении от курса.
    Указанные достоинства иерархических нейросетей позволяют сделать вывод о целесообразности их применения для создания нейроподобных вычислительных сетей информационно-измерительных систем, так как подобные нейросети являются однопроходными, что позволяет осуществлять вычисления в реальном масштабе времени.
    Таким образом, разработка быстродействующих помехозащищенных информационно-измерительных систем требует исследования принципов создания томографических распределенных измерительных сетей на базе волоконной оптики, и нейроподобных вычислительных сетей, способных обрабатывать поступающие томографические данные в реальном времени.
    Целью настоящей работы явились разработка и исследование элементной базы и принципов построения информационно-измерительных систем на основе распределенных волоконно-оптических измерительных и нейроподобных вычислительных сетей.
    На защиту выносятся следующие результаты, полученные впервые в настоящей работе.
    1. Разработаны принципы организации распределенных волоконно-оптических измерительных сетей для исследования векторных физических полей. Показано, что в зависимости от конструкции и способа укладки измерительных линий в исследуемой области пространства возможно восстановить распределение обеих декартовых компонент векторного поля, либо распределение модуля его амплитуды. Разработан и экспериментально исследован метод исследования распределения величины квадрата градиента поперечного смещения плоской мембраны с использованием волоконно-оптической распределенной измерительной сети.
    2. Разработаны принципы организации и функционирования кибернетических нейронных сетей для обработки томографических данных, поступающих от распределенных измерительных сетей. Теоретически и экспериментально доказано, что нейронная сеть типа двухслойный персептрон способна с высокой точностью осуществлять восстановление распределения параметра исследуемого физического поля по интегральным данным, собираемым с использованием распределенных измерительных линий. Проведены исследования путей и методов оптимизации обучения разработанных нейронных сетей с целью уменьшения времени их обучения. Предложено выражение, позволяющее с высокой точностью оценить значение параметра, определяющего скорость обучения, что позволяет свести время обучения нейронной сети к минимально возможному значению.
    3. Разработан и экспериментально исследован электронный аналог нейронной сети осуществляющей обработку томографических данных. Разработан и экспериментально исследован макет информационно-измерительной сети для сбора и обработки томографических данных о распределении параметров физических полей, собираемых с использованием распределенной волоконно-оптической измерительной сети. Показано, что применение самообучающихся нейронных сетей в информационно-измерительных системах позволяет использовать измерительные сети с неизвестными параметрами и производить перенастройку системы при изменении параметров измерительной сети.
    4. Предложена и экспериментально исследована конструкция волоконно-оптического интерферометра Фабри-Перо с внешним резонатором предназначенного для создания датчиков температуры измерительной сети ИИС. Предложена и экспериментально исследована конструкция мембранного датчика температуры для создания квазираспределенных волоконно-оптических измерительных сетей, предназначенных для использования в оптоэлектронных информационно-измерительных системах.
    Практическая ценность работы заключается в том, что представленные в работе исследования описывают физические явления модуляции параметров оптического излучения в распределенных и квазираспределенных волоконно-оптических измерительных сетях при воздействии внешних скалярных и векторных полей, принципы сбора и томографических данных о распределении параметров векторных физических полей, принципы обработки томографических данных с использованием нейроподобных вычислительных сетей, принципы организации и методы практической реализации указанных нейроподобных сетей. Полученные результаты могут быть использованы для разработки волоконно-оптических измерительных сетей и нейроподобных вычислительных сетей с целью создания высокоэффективных информационно-измерительных систем, применяемых для исследования параметров различных физических объектов , и дальнейшего развития элементной базы волоконно-оптических измерительных сетей.
    Основные результаты, полученные в диссертации, опубликованы в работах [44, 49, 53-62] и докладывались на следующих конференциях:
    1. Международная конференция по акустоэлектронике, Санкт-Петербург, 1994г.
    2. Международная конференция “Моделирование технологических процессов и систем в машиностроении”, г.Хабаровск., 1994.
    3. Международная конференция “Distributed and multiplexed fiber optic sensor IV”, Сан-Диего (США), 1994г.
    4. Международная конференция по голографии и корреляционной оптике, г.Черновцы (Украина), 1995г.
    5. Международная конференция OCEANS’95, Сан-Диего, 1995г.
    6. 17 -ый конгресс ICO'96, Taejon (Корея),1996.
    Диссертация состоит из введения, четырех глав и заключения. Общий объем диссертации составляет 122 страницы и включает 29 рисунков и список литературы из 66 наименований.
    Во введении обсуждается постановка задачи исследования принципов создания информационно-измерительных систем на базе волоконно-оптических измерительных сетей и нейроподобных вычислительных сетей. Рассмотрены различные схемы волоконно-оптических датчиков и принципов их организации в измерительные сети. Рассмотрены различные схемы нейроподобных вычислительных сетей. Показана актуальность проводимых исследований, намечены возможные пути решения поставленной задачи.
    В первой главе представлены методики изготовления опытных образцов и экспериментальные установки, предназначенные для проведения практических исследований. Представлена универсальная экспериментальная установка, предназначенная для исследования волоконно-оптических измерительных сетей, нейроподобных вычислительных сетей, а также волоконно-оптических датчиков физических величин. Представлены методы изготовления волоконно-оптических датчиков температуры на основе ИФП с внешним резонатором.
    Во второй главе рассмотрены принципы создания волоконно-оптических датчиков физических величин, предназначенных для создания квазираспределенных волоконно-оптических измерительных сетей. Рассмотрены принципы работы волоконно-оптического ИФП с внешним резонатором, а также конструкция и принцип работы мембранного ВОД температуры на базе ИФП с внешним резонатором. Приводятся экспериментальные результаты исследования температурной чувствительности ИФП с внешним резонатором и мембранного ВОД температуры.
    В третьей главе представлены принципы организации томографической распределенной волоконно-оптической измерительной сети для исследования физических полей. Рассмотрены особенности применения волоконно-оптических измерительных сетей для исследования параметров физических полей . Приведены результаты теоретических и экспериментальных исследований принципов организации распределенных волоконно-оптических сетей для исследования векторных физических полей .
    Четвертая глава посвящена вопросам создания нейроподобных вычислительных сетей для обработки сигналов, поступающих от томографических распределенных волоконно-оптических измерительных сетей. Рассмотрены особенности построения кибернетических нейронных сетей для восстановления функций распределения параметров исследуемых физических полей по томографических данным. Исследованы пути и методы оптимизации обучения нейронных сетей. Рассмотрены принципы практической реализации нейронных сетей в виде компьютерных моделей. Представлены результаты теоретических и экспериментальных исследований принципов создания электронного аналога двухслойной нейроподобной вычислительной сети для об
  • Список литературы:
  • ЗАКЛЮЧЕНИЕ

    Развитие производства, научные открытия, эксплуатация различных технических объектов, в том числе морских судов и механизмов, экологический мониторинг окружающей среды требует осуществления контроля за большим числом физических величин : электрических, механических и т. д. [63]. Применение отдельных измерительных приборов в этих случаях приводит к большим финансовым затратам и не позволяет добиться требуемого быстродействия и точности. Обработка огромного количества поступающей от этих приборов информации требует поиска путей создания новых вычислительных средств.
    Поэтому в настоящее время большое внимание уделяется развитию информационно-измерительных систем, способных осуществлять сбор и обработку данных о параметрах исследуемого объекта, которым может являться физическое поле, сложный технологический комплекс или управляемое на расстоянии подвижное устройство.
    Основным компонентом информационно-измерительной системы является измерительная сеть, осуществляющая сбор информации о параметрах исследуемого физического объекта. Такая сеть представляет собой набор распределенных или квазираспределенных датчиков.
    Развитие волоконной оптики позволило создать большое количество точечных, квазираспределенных и распределенных датчиков физических величин, которые могут быть использованы для создания волоконно-оптических измерительных сетей. Однако эффективное использование этих сетей для исследования параметров протяженных физических объектов требует применения томографических методов сбора и обработки информации. Это существенно усложняет процесс обработки выходных сигналов измерительных сетей, что приводит к ограничению применения информационно-измерительных систем в исследованиях динамических физических величин, когда необходимо осуществлять обработку данных практически в реальном масштабе времени.
    Применение нейронных вычислительных сетей для обработки выходных сигналов распределенных измерительных сетей позволяет существенно повысить скорость работы информационно-измерительной системы.
    В настоящей работе рассмотрен ряд вопросов, посвященных исследованию физических принципов регистрации параметров физических полей с использованием волоконно-оптической элементной базы, разработке принципов создания волоконно-оптических томографических измерительных сетей, разработке методов обработки их выходных сигналов с применением нейронных вычислительных сетей, исследованию методов создания информационно-измерительных систем на основе волоконно-оптической измерительной сети и нейроподобной вычислительной сети.
    Рассмотренный круг вопросов затрагивает лишь часть проблем, связанных с разработкой методов и принципов построения помехозащищенных быстродействующих информационно-измерительных систем. Проведенные исследования направлены прежде всего на выяснение принципиальных возможностей создания интеллектуальных информационных сетей, объединяющих в себе функции сбора и обработки информации о различных физических объектах как искусственного, так и естественного происхождения.
    Как показано в работе, применение специальных методов укладки волоконно-оптических измерительных линий позволяет осуществлять измерение параметров не только скалярных, но и векторных физических полей. Исследования показали возможность применения моделей кибернетических нейронных сетей для обработки данных, поступающих от томографических измерительных сетей. Использование нейронных сетей позволяет существенно ускорить обработку данных, а также дает возможность использования измерительных сетей с неизвестными параметрами благодаря способности нейросетей к обучению. В частности, для измерительных сетей с линейной передаточной характеристикой нейронная сеть типа двухслойный персептрон позволяет осуществлять обработку данных практически в реальном масштабе времени. Проведены исследования методов оптимизации обучения подобных нейронных сетей. На основе результатов, полученных при исследовании модуляции интенсивности излучения в волоконном интерферометре Фабри-Перо, предложена практическая конструкция датчика температуры, на основе которого возможно создание квазираспределенных волоконно-оптических измерительных линий для томографической измерительной сети.
    Применение полученных в работе результатов является следующим шагом к разработке полностью оптических информационно-измерительных систем, позволяющих практически в реальном масштабе времени осуществлять сбор и обработку данных об исследуемом физическом объекте. Полученные результаты могут быть использованы для решения разнообразных задач контроля и управления в различных областях науки и техники.
    Основные результаты настоящей работы сводятся к следующему:
    1. Впервые разработаны принципы организации и функционирования кибернетических нейронных сетей для обработки томографических данных, поступающих от распределенных измерительных сетей. Теоретически и экспериментально доказано, что нейронная сеть типа двухслойный перцептрон способна с высокой точностью осуществлять восстановление распределения параметров исследуемого физического поля по интегральным данным, собираемым с использованием распределенных измерительных линий.
    2. Проведены исследования путей и методов оптимизации обучения разработанных нейронных сетей с целью уменьшения времени их обучения. Впервые предложено выражение, позволяющая с высокой точностью оценить значение параметра, определяющего скорость обучения двухслойного персептрона с линейными элементами, что позволяет свести время обучения данной нейронной сети к минимально возможному значению.
    3. Разработаны принципы организации распределенных волоконно-оптических измерительных сетей для исследования векторных физических полей. Показано, что в зависимости от конструкции и способа укладки измерительных линий в исследуемой области пространства возможно восстановить распределение обеих декартовых компонент векторного поля, либо распределение модуля его амплитуды. Разработан и экспериментально исследован метод исследования распределения величины квадрата градиента поперечного смещения плоской мембраны с использованием волоконно-оптической распределенной измерительной сети.
    4. Впервые разработан и экспериментально исследован макет информационно-измерительной системы для сбора и обработки томографических данных о распределении параметров физических полей на базе распределенной волоконно-оптической измерительной сети и нейроподобной вычислительной сети. Показано, что применение самообучающихся нейронных сетей в информационно-измерительных системах позволяет использовать измерительные сети с неизвестными параметрами и производить перенастройку системы при изменении параметров измерительной сети.
    5. Предложена и экспериментально исследована конструкция волоконно-оптического интерферометра Фабри-Перо с внешним резонатором предназначенного для создания датчиков физических величин. Впервые предложена и экспериментально исследована конструкция мембранного датчика температуры для создания квазираспределенных волоконно-оптических измерительных сетей, предназначенных для использования в оптоэлектронных информационно-измерительных системах. Разработаны методы изготовления волоконно-оптических датчиков физических величин на базе интерферометра Фабри-Перо с внешним резонатором.
    В заключение считаю своим долгом выразить глубокую благодарность и искреннюю признательность моему научному руководителю, д.ф.-м.н., профессору Кульчину Юрию Николаевичу за постоянное внимание и всестороннюю помощь при обсуждении возникавших проблем и полученных результатов.
    Выражаю также благодарность сотрудникам лаборатории оптоэлектроники каф. физики ДВГТУ к.ф.-м.н., доценту, Витрику Олегу Борисовичу, м.н.с. Петрову Юрию Сергеевичу и Кириченко Олегу Викторовичу за помощь в работе.







    СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

    1. Боголюбов А.А., Лебедев Г.Н., Новиков А.Н. Архитектура многоуровневой интеллектуальной системы контроля и управления динамическим объектом // Кибернетика и вуз.- Томск: ТПУ, 1994. Вып.28. С.81-84.
    2. Матушкин Н.Н., Южаков А.А.. Тенденция развития информационно-измерительных систем // Методология, технология и инструментальные средства создания перспективных автоматизированных производственных систем.- Пермь: НПО ”Парма”, 1992. С.46-58.
    3. Левин Г.Г., Вишняков Г.Н. Оптическая томография.- М.: Радио и связь, 1989. 423 с.
    4. Giallorenzi T., Bukaro J., Dandridg A., et al. Optical Fiber Sensor challange the Competition // IEEE Spectrum, 1986. V.23. № 9. p.44-49.
    5. Бердичевский Б., Королькевич В., Лавренцов В. и др. Состояние и перспективы развития оптоволоконных измерительных систем // Заруб. электронная техника, 1987. №3. С.3-68.
    6. Davis Charls M. Status of Fiber-Optic Sensing // Proc. of Conf. “Soc.Photo-Opt. Instrum.Eng”, 1988. V. 959. p.60-65.
    7. Кульчин Ю.Н., Витрик О.Б., Обух В.Ф. Деформометр с протяженной базой на основе маломодового волоконного световода // Деп. в ВИНИТИ, 1987. С. 974-989.
    8. Бусурин В.И., Семенов А.С., Удалов Н.П. Оптические и волоконно-оптические датчики // Квантовая электроника, 1985. Т.12. №5. С901-943.
    9. Boknert K., Nehring F. Fiber-Optics sensing of voltage by line integration of electric field // Opt .Lett, 1989. V.14. № 5. P.290.
    10. Ggonforti, Brenchi M. Fiber-Optic Termometric probe utilising GRIN Lenses // Appl.Opt, 1989. № 3. P.577-580.
    11. Бусурин В.И., Носов Ю.Р. Волоконно-оптические датчики: Физические основы, вопросы расчета и применения.- М.: Энергоатомиздат, 1990.
    12. Kulchin Yu.N., Vitrik O.B., Kirichenko O.V., Petrov Yu.S. Distribute fiber-optic sensor for seismoacoustic investigation // Proc. of conf. “3-rd International Russian Fiber Optic Conference”.- St.Peterburg, 1993. V.2. P.291-294.
    13. Гиневский С.П., Котов О.И., Николаев В.М., Петрунькин В.Ю.. Применение методов реконструктивной вычислительной томографии в волоконно-оптических датчиках // Квантовая электроника, 1995. Т.22. № 10.
    14. Coherence multiplexing of in-line displacement and temperature sensors // Optical engineering, 1995. № 7. V.34.
    15. Berkoff T.A., Davis M.A., Kersey A.D. Sourse Structure Induced Measurement Errors in Fiber Bragg Grating Sensor Arrays. // Proc. of Int. Conf. “Distributed and Multiplexed Fiber Optic Sensors IV”.-San Diego, 1994. V.2294. P.60.
    16. Juskaitis R., Mametov A.M., Potapov V.T., Shatalin S.V. Distributed Interferometric Fiber Sensor System // Proc. of conf. ISFOC’92.- St.Peterburg, 1992.
    17. Jilinski A.P., RRusanov Yu.A., Shipilin A.V. Quasidistributed Fiber Optic Sensors of Temperature Based on Interferometer with a Broadband Light Source // Proc. of conf. ISFOC’92.- St.Peterburg, 1992.
    18. Petrov M.P., Fotiadi A.A. Acoustic Antenna Using Optical Fibers with Distributed Parameters // Proc. of conf. ISFOC’92.- St.Peterburg, 1992.
    19. Ginevsky S.P., Kosareva L.I., Kotov O.I. et al. Fiber Optic Tomografic Sensor // Proc. of conf. ISFOC’92.- St.Peterburg, 1992. P.122-123.
    20. Малеханов А.И. О волоконно-оптической томографии акустических полей // Изв. ВУЗов. Радиофизика, 1988. Т.31. № 11. С.1388-1393.
    21.Кульчин Ю.Н., Витрик О.Б., Кириченко О.В., Петров Ю.С. Многомерная обработка сигналов с использованием волоконно-оптической распределенной измерительной сети // Квантовая электроника, 1993. Т. 20. № 5. С.513-516.
    22. Бутусов М.М., Галкин С.Л., Оробинский С.П., Пал Б.П. Волоконная оптика и приборостроение.- М.:Энергоатомиздат, 1989.
    23. Основы оптоэлектроники // Пер. с яп.- М.: Мир, 1988.
    24. Бусурин В.И., Семенов А.С., Удалов Н.П. Оптические и волоконно-оптические датчики // Квантовая электроника, 1985. Т.12, № 5.
    25. Балаев В.И., Мишин Е.И., Пятакин В.И.. Волоконно-оптические датчики параметров физических полей // Квантовая электроника, 1983. № 5.
    26. Окоси Т., Окамото К., Оцу М. и др. Волоконно-оптические датчики // Пер. с яп.- Л.: Энергоатомиздат, 1991.
    27. Muller B., Reinhardt J. Neural Networks.- Berlin: Springer-Veterad, Heindelberg, 1990.
    28. Матушкин Н.Н., Южаков А.А. Измерительные системы на основе нейронных технологий. // Кибернетика и вуз.- Томск: ТПУ, 1994. Вып.28. с.92-97.
    29. Hopfild J.J. Neural Networks and Phisical Systems with Emergent Collective Computation Abilites // Proc. Nat. Acad. Sci. USA, 1982. V.79. P.2554-2558.
    30. Крюков В.И.. Что такое нейрокомпьютеры? // Нейрокомпьютер как основа мыслящих ЭВМ.- М.: Наука, 1993. C.84-86.
    31. Шульгина Г.И. Исследование условий проведения возбуждения, процессов обучения и образования ассоциаций на модели сети из возбудительных и тормозных нейроподобных элементов. // Нейрокомпьютер как основа мыслящих ЭВМ.- М.: Наука, 1993. С.110-128.
    32. Тэнк Д.У., Хопфилд Д.Д. Коллективные вычисления в нейроподобных электронных схемах. // В мире науки, 1988. № 2.
    33. Burns R.S. The Use of Artificial Neural Network for the Intelligent Optimal Control of Surface Ship // Oceanic Engineering, 1995. V.20. № 1.
    34. Беловолов М.И., Витрик О.Б., Дианов Е.Д., Кульчин Ю.Н., Обух В.Ф. Исследование модуляции фазы и состояния поляризации в маломодовом волоконном световоде при аксиальных деформациях. // Квантовая электроника, 1989. Т.16. С.2301-2303.
    35. Оптоволоконные сенсоры. / Под ред. Дж.Дейкина и Б.Калшо.- М.: Мир, 1992.
    36. Волоконные оптические линии связи. / Под ред. С.В.Свечникова и Л.М. Андрушко. Киев: Тэхника, 1988.
    37. Ритус А.Н. Интерферометр Фабри-Перо как модулятор лазерного излучения и зеркало с регулируемым отражением. // Квантовая электроника, 1993. Т.20. № 2. С.198-200.
    38. Снайдер А., Лав Дж. Теория оптических волноводов. / Пер. с англ.- М.: Радио и связь, 1987.
    39. Будак Б.М., Самарский А.А., Тихонов А.Н.. Сборник задач по математической физике.- М.: Наука, 1972.
    40. Корн Г., Корн Т. Справочник по математикею.- М: Наука, 1978.
    41. Куницин В.Е., Терещенко Е.Д. Томография ионосферы.- М.: Наука, 1991.
    42. Kulchin Yu.N., Vitric O.B., Petrov Y.S., Kirichenko O.V. Measuring networks on the base of fiber-optic interferometers. // Proc. of SPIE conf. “Optical Information Processing”.- St.-Peterburg, 1993. V.2051. P.83-90.
    43. Наттерер Ф. Математические аспекты компьютерной томографии. / Пер. с англ.- М.: Мир, 1990.
    44. Kulchin Yu.N., Vitrik O.B., Maxaev O.G., Kirichenko O.V., Kamenev O.T., Petrov Yu.S. Electronic speckle-interferometry method for processing of multimode interferometry sensor output signal. // Proc of Int. Conf. on Holography and Correlation Optics. Chernovtsy, 1995. V.2647.
    45. Кульчин Ю.Н., Ламекин В.Ф., Смирнов В.Л. Модуляция фазы излучения при изгибе многомодового волоконного световода . // Техника средств связи. Серия ВОС.-М: ЦООНТИ ЭКОС, 1990. С.64-71.
    46. Горбань А.Н., Миркес Е.М. Функциональные компоненты нейрокомпьютера. // Материалы III Всероссийского семинара "Нейроинформатика и её приложения".- Красноярск, 1995. С.79.
    47. Унгер Х.Г.. Планарные и волоконно-оптические волноводы.- М.: Мир, 1980.
    48. Беланов А.С., Дианов Е.М. Технология и свойства волоконных световодов.- Ташкент: ФАН, 1984.
    49. Кульчин Ю.Н., Витрик О.Б., Кириченко О.В., Петров Ю.С., Каменев О.Т. Метод обработки сигналов одноволоконного двухмодового интерферометра. // Автометрия,1995. № 5.
    50. Левченко Е.Б. Искусственные нейронные сети: Элементы и архитектуры. // Нейрокомпьютер как основа мыслящих ЭВМ.- М: Наука, 1993. С.84-86.
    51. Шубников Е.И. Адаптивная нейронная сеть для распознавания образов. // Оптика и спектроскопия, 1994. Т.76. № 5. С.785-789.
    52. Баранов Д.В., Журилова И.В., Исаев С.К., Корниенко Л.С., Сачков А.А. Волоконные интерферометры Фабри-Перо на одномодовых и градиентных световодах. // Квантовая электроника, 1989. Т.16. № 5.
    53. Кульчин Ю.Н., Витрик О.Б., Петров Ю.С., Кириченко О.В., Каменев О.Т. Восстановление векторных физических полей оптическим томографическим методом. // Квантовая электроника, 1995. Т.22. № 10.
    54. Кульчин Ю.Н., Каменев О.Т. Обучающаяся нейросеть для обработки томографических данных. // Кибернетика и вуз.- Томск: ТПУ, 1994. Вып.28. С.3-7.
    55. Kulchin Yu.N., Vitrik O.B., Kirichenko O.V., Kamenev O.T., Petrov Yu.S.. Tomography fiber optic network for low frequency acoustic investigations. // Proc. Int. Simposium on Surface Wave in solid and layered structures and National conference on Acoustoelectronics, 1994. St.-Petersburg. P.121.
    56. Кульчин Ю.Н., Витрик О.Б., Петров Ю.С., Кириченко О.В., Каменев О.Т. Система регистрации вибрационных полей на основе волоконно-оптической измерительной сети. // Тезисы докладов межд. конф. “Моделирование технологических процессов и систем в машиностроении”.- Хабаровск: ХГТУ, 1994. С.24-25.
    57. Кульчин Ю.Н., Витрик О.Б., Петров Ю.С., Кириченко О.В., Каменев О.Т. Волоконно-оптическое устройство фазовой демодуляции для схемы многомодового интерферометра. // Материалы XXXIV научно-техн. конф. ДВГТУ.- Владивосток: ДВГТУ, 1994.
    58. Kulchin Yu.N., Vitrik O.B., Kirichenko O.V., Kamenev O.T., Petrov Yu.S. Fiber-optic measuring network for scalar and vector physical field investigation. // Conf. Proc. “Distributed and multiplexed fiber optuc sensor IV”.- San-Diego, 1994. V.2294. P.165-173.
    59. Kulchin Yu., Kamenev O. Self-training neural network model for real time tomography data processing. // Lazer Biology, 1995. V.4. № 2.
    60. Kulchin Yu., Vitrik O., Kirichenko O., Kamenev O., Petrov Yu. The laser tomographical method using minimum of projection for biological object structure study. // Lazer Biology, 1995. V.4. № 3.
    61. Kulchin Yu.N., Vitrik O.B., Maxaev O.G., Kirichenko O.V., Kamenev O.T., Petrov Yu.S. Concepts of the neural network model for tomography data processing. // Proc of Int. Conf. on Holography and Correlation Optics. Chernovtsy, 1995. V.2647.
    62. Kamenev O.T. Training two-layer neural network model for tomography data processing. // Proc. of Int. Conf. OCEAN’95.- San-Diego, 1995.
    63. Новопашенный Г.Н. Информационно-измерительные системы.- М.: Высшая школа, 1977.
    64. Pavlath G.A., Shaw H.J. Birefringence and polarization effects in fiber gyroscopes. // Applied Optics, 1982. Vol.21. P.1752.
    65. Шульгина Г.И. Основные принципы системной организации нейронов головного мозга при обработке, фиксации и воспроизведении информации. // Нейрокомпьютер как основа мыслящих ЭВМ”.- М.: Наука. 1993. C.23-37.
    66. Матвеев А.Н. Оптика.- М: Высш.шк., 1987.
  • Стоимость доставки:
  • 230.00 руб


ПОИСК ДИССЕРТАЦИИ, АВТОРЕФЕРАТА ИЛИ СТАТЬИ


Доставка любой диссертации из России и Украины