Обработка информации комплексом нейронных сетей в распределенных волоконно-оптических измерительных системах

Кульчин Ю.Н., Закасовская Е.В.

Аннотация:
В работе рассмотрена задача восстановления параметров физических полей с использованием распределённых волоконно-оптических измерительных систем для случаев неполных схем укладки измерительных линий. Представлен новый комбинированный алгоритм, который заключается в «оптимизации геометрии» измерительной сети с целью дальнейшего применения комплекса нейронных сетей. Исследована возможность выбора и использования подходящей нейронной сети из комплекса нескольких заранее обученных нейронных сетей радиально-базисного типа.

Abstract:
The paper discusses tomography reconstruction of distributed physical fields by means of distributed fiber optical measuring systems (FOMN) for incomplete parallel schemes of measuring lines (ML) stacking. The approach is presented, consists in optimization of geometry of a measuring network for the purpose of the further application neural network methods of restoration of a full- image of investigated functions. Possibility of a choice and use of a suitable neural network from set of the several, in advance trained, neural networks of RBF- type is investigated.

Ключевые слова :
распределённые волоконно-оптические измерительные системы, схемы укладки измерительных линий, параллельно-лучевая томография, нейронные RBF-сети.

Key words:
distributed fiber-optic measuring system, schemes of scanning, parallel beam tomography, radial basis function neural network (RBFNN).

Литература:

  1. Кульчин, Ю.Н. Распределённые волоконно-оптичес­кие измерительные системы / Ю.Н. Кульчин. - М.: Физматлит, 2001. – 272 с.
  2. Kersey, A.D. A review of recent developments in fiber optic sensor technology / A.D. Kersey // Opt. Fiber Technol. – 1996. – Vol. 2, N 3. – P. 291-317.
  3. Мировицкий, Д.И. Распределённые и квазираспреде­лённые волоконно-оптические датчики / Д.И. Миро­вицкий // Изм.техника. – 1991. – № 11. – C. 43-44.
  4. Наттерер, Ф. Математические аспекты компьютерной томографии / Ф. Наттерер; пер. с англ. – М.: Мир, 1990. – 280 с.
  5. Филонин, О.В. Малоракурсная томография / О.В.Фи­лонин. – Самара: СНЦ РАН, 2006. – 256 с.
  6. Kulchin, Yu.N. Application of Radial Basis Function Neural Network for Information Processing in Fiber Optical Distributed Measuring Systems / Yu.N. Kulchin, E.V. Zakasovskaya // Optical Memory & Neural Networks (Information Optics). –2008. – V. 17, N 4. – P. 317-327.
  7. Хермен, Г. Восстановление изображений по проек­циям: Основы реконструктивной томографии / Г. Хер­мен – М. : Мир, 1983. – 352 c.
  8. Zakasovskaya, E.V. Restoration of point influences by the fiber-optical network in view of a priori information / E.V. Zakasovskaya, V.V. Fadeev // SPIE Proc. – APCOM. – 2007. – V. 6675.
  9. Kulchin, Yu.N. Artifacts suppression in limited data problem for parallel fiber optical measuring systems / Yu.N. Kulchin, E.V. Zakasovskaya // Optical Memory & Neural Networks (Information Optics). – 2009. – V. 18, N 3. – P. 171-180.
  10. Кульчин, Ю.Н. Неравномерные схемы укладки измерительных линий в распределённых волоконно-опти­ческих системах / Ю.Н. Кульчин, Е.В. Закасовская // Информатика и системы управления. – 2009. – № 3(21). – С. 61-71.
  11. Haykin, S. Neural Networks: a Comprehensive Foundation / S. Haykin – New Jersey, Prentice Hall, 1999.
  12. Кульчин, Ю.Н. Нейросетевое и алгебраическое моделирование параллельного 2d проецирования в волоконно-оптической томографии при ограниченном числе направлениий сканирования / Ю.Н. Кульчин, Е.В. Закасовская // Компьютерная оптика. – 2009. – Т. 33, № 3. – С. 318-324.

References:

  1. Kulchin, Yu. N. Distributive Fiber Optical Measuring System / Yu. N. Kulchin - Moscow: Fizmatlit Publisher, 2001. – 272 p. – (in Russian).
  2. Kersey, A.D. A review of recent developments in fiber optic sensor technology / A.D. Kersey // Opt. Fiber Technol. – 1996. – Vol. 2, N 3. – P. 291-317.
  3. Mirovitskii D.I. Distributed and quasi-distributed fiber optic sensor // Meas. tech. – 1991. – N 11. – P. 43-44. – (in Russian).
  4. Natterer, F. Mathematics of Computerized Tomography/ F. Natterer– John Wiley & Sons Ltd., N. Y., 1986. –288 p.
  5. Filonin, O.V. Low angle Tomography/ O.V. Filonin. – Samara, SNC RAN Publisher, 2006. – 256 p. – (in Russian).
  6. Kulchin, Yu.N. Application of Radial Basis Function Neural Network for Information Processing in Fiber Optical Distributed Measuring Systems / Yu.N. Kulchin, E.V. Zakasovskaya // Optical Memory & Neural Networks (Information Optics). – 2008. – V. 17, N 4. – P. 317-327.
  7. Herman, G.T. Projections-Based Image Reconstruction. / G.T. Herman – In: «Basics of Reconstructive Tomography» – Moscow: “Mir” Publisher, 1983. – 352 p. – (in Russian).
  8. Zakasovskaya, E.V., Fadeev, V.V. Restoration of point influences by the fiber-optical network in view of a priori information // SPIE Proc. – APCOM. – 2007. – V. 6675.
  9. Kulchin, Yu.N. Artifacts suppression in limited data problem for parallel fiber optical measuring systems / Yu.N. Kulchin, E.V. Zakasovskaya // Optical Memory & Neural Networks (Information Optics). – 2009. – V. 18, N 3. – P. 171-180.
  10. Kulchin, Yu.N. Nonuniform schemes of measuring lines stacking in distributed fibre-optic systems/ Yu.N. Kul­chin, E.V. Zakasovskaya // Informatics and control systems – 2009. – N 3(21). – P. 61-71. – (in Russian).
  11. Haykin, S. Neural Networks: a Comprehensive Foundation / S. Haykin – New Jersey, Prentice Hall, 1999.
  12. Kulchin, Yu.N. Neural-like and algebraic modeling of projection data in parallel fiber optical tomography in limited-angle conditions / Yu.N. Kulchin, E.V. Zakasovskaya // Computer Optics. – 2009. – V. 33, N 3. – P. 318- 324. – (in Russian).

© 2009, ИСОИ РАН
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846 2) 332-56-22, факс: +7 (846 2) 332-56-20