Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouIsaque Borba Alterado mais de 9 anos atrás
1
Universidade Federal do Rio Grande do Norte Programa de pós-graduação em Engenharia Elétrica e de Computação Aluno: Nielsen Castelo Damasceno Orientador: Allan de Medeiros Martins Co-Orientador: Adrião Duarte Dória Neto Defesa de Mestrado
2
Introdução Análise de Componentes Independentes Separação de fontes usando Negentropia Algoritmo Genéticos RBF Método proposto Resultados experimentais Considerações finais AGENDA
3
Surgimento de novas técnicas de separação de sinais; Algoritmos ICA que utilizam medida de Independência: estatística de ordem superior e teoria da informação; Contribuições de Alfred Rényi; Na década de 90 deram os passos iniciais para utilização da entropia de Rényi; Algoritmos que utilizam entropia de Rényi com kernel gaussiano e janelamento de Parzen. INTRODUÇÃO
4
OBJETIVO Separações cega de fontes para o caso de misturas lineares e não-lineares. Utilizando RBF, Algoritmos Genéticos e a Negentropia de Rényi. Encontrar um matriz de separação W. Encontrar uma função G não linear.
5
ANÁLISE DE COMPONENTES INDEPENDENTES Dado um problema de resolução de um sistema de equação linear Solução: atribuir algumas propriedades estáticas sobre os sinais.
6
Motivado pelo problema do Cocktail-party Fonte: s Coeficientes: A Misturas: x ANÁLISE DE COMPONENTES INDEPENDENTES
8
Varios métodos NLICA impõe restrições ao modelo de mistura Mapeamentos não-linear que preserva a Independência é chamada de trivial. ANÁLISE DE COMPONENTES INDEPENDENTES
9
NEGENTROPIA Conceito base: Entropia Teoria da informação: Uma variável gaussiana tem o maior valor da entropia Medida de não-gaussianidade Método clássico Substituir momentos polinomiais SEPARAÇÃO DE FONTES USANDO NEGENTROPIA
10
ALGORITMOS GENÉTICOS Baseado nos mecanismo de seleção e evolução natural; Problemas de otimização
11
ALGORITMOS GENÉTICOS Representação 0 000000000 Inicialização da população Avaliação Negentropia de Rényi
12
ALGORITMOS GENÉTICOS Seleção Reprodução Pai B Pai A 10 0 0 1 1 1 1 010 00 1 1 1 1 0 0 100 1 1 0 0 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 a) Ponto do corte b ) Resultado da recombinação Filho Pai 10 0 0 1 1 1 1 010 10 0 0 1 1 0 0 010
13
RBF (Radial Basis Functions) REDES NEURAIS ARTIFICIAIS Neurônio artificial; Arquiteturas: Recorrentes e Multicamadas
14
MÉTODO PROPOSTO Modelo geral estratégia linear s s A A x x W W y y AG(W,x,y) Parâmetros desconhecidos
15
MÉTODO PROPOSTO Modelo geral estratégia não linear s s x x y y AG(W,C,x,y) Parâmetros desconhecidos
16
Entropia de Rényi para um v.a. X : MÉTODO PROPOSTO
18
Entropia quadrática de Rényi MÉTODO PROPOSTO
19
Negentropia de Rényi
20
RESULTADOS EXPERIMENTAIS 65536 amostras População com 16 bits para cada gene População com 144 bits Separação cega de fontes lineares
21
RESULTADOS EXPERIMENTAIS
23
ExperimentoAmostras/UtilizadosPopulaçãoErro AGErro P-ICAErro FastICA 150/50505.1818e-0074.9440e-0069.9365e-006 250/501001.8315e-0072.6616e-0071.0328e-005 350/502001.0785e-0078.7361e-0064.8179e-006 450/505002.6961e-0061.4256e-0061.2347e-005 5100/100507.0970e-0094.0143e-0084,9859e-008 6100/1001003.2528e-0081.1351e-0062.0106e-007 7100/1002002.1759e-0081.0717e-0061.1719e-006 8100/1005006.6869e-0095.9524e-0071.0514e-007 91000/100509.0989e-0136.8629e-0102.8732e-010 101000/1001009.6552e-0137.0855e-0108.9876e-010 111000/672001.2564e-0116.4485e-0104.1369e-010 121000/345004.6911e-0126.9532e-0107.7314e-010 131000/205002.6968e-0111.5474e-0119.0227e-010 Comparação entre modelo linear e outras abordagens
24
Separação cega de fontes não lineares RESULTADOS EXPERIMENTAIS População com 16 bits para cada gene População com 640 bits
25
RESULTADOS EXPERIMENTAIS 65536 amostras População com 16 bits para cada gene População com 640 bits
26
RESULTADOS EXPERIMENTAIS População com 16 bits para cada gene 120 genes População de 1920 bits
27
Experimento Amostras População Nº de centros e pesos Kernel Entropia Sigma base radial Erro AG 1350050100,5 1,7854e-005 280100100,513.0396e-006 33500200100,5 5,7138e-004 416384200100,5 3,7154e-017 5200100100,5 1,3490e-007 6334100100,558,2305e-012 765536100100,5 4.0027e-017 85000100300,516,9189e-012 RESULTADOS EXPERIMENTAIS Separação cega de fontes com adição de ruído AW
28
RESULTADOS EXPERIMENTAIS
30
CONSIDERAÇÕES FINAIS Neste trabalho, propomos a aplicação GA para maximizar a Negentropia de Rényi das misturas. Modelo linear deve-se ajustar o parâmetro da Negentropia. Quantidade de amostras no sinal de fontes. No modelo não linear deve-se ajustar o parâmetro da Negentropia e da função de base radial. Adição de ruído gaussiano no modelo linear e não linear. Fazer uma análise no parâmetro da Negentropia. Testes em cenários práticos em tempo real. Experimentos em ambientes sobre-determinados e sub-determinados. Prova da separabilidade do modelo.
31
MUITO OBRIGADO!
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.