ოპტიკური სპექტრომეტრის მონაცემთა ანალიზის სტატისტიკური მეთოდის ინოვაციური ალგორითმი

ავტორი: George ქაჩლიშვილი
საკვანძო სიტყვები: ინოვაციური სპექტრომეტრი, მონაცემთა ანალიზი, მანქანური სწავლება
ანოტაცია:

მონაცემთა დამუშავება მანქანური სწავლების მეთოდოლოგიის გამოყენებით, (მათ შორის შესაძლებელია გამოიყენებოდეს ე.წ. ხელოვნური ინტელექტის ალგორითმები) წარმოადგენს შედარებით ახალ მიდგომას, რომელიც დაფუძნებულია სტატისტიკურ გადარჩევაზე. ყოველივე ეს განპირობებულია ერთის მხრივ ციფრული ტექნოლოგიების განვითარებით და მეორეს მხრივ ანალოგური მონაცემების გაციფრულებით. თანამედროვე პროცესორების რესურსი საშუალებას იძლევა ანალოგურ სიგნალში დისკრეტიზაციის პარამეტრი შევამციროთ იმდაგვარად (შენონ-ნაიკვისტის თეორემა [3]), რომ იმფორმაციის დანაკარგი იყოს პრაქტიკულად ნულოვანი და ამავდროულად ერთი და იგივე საგნიდან მრავალჯერადად ავიღოთ მონაცემი, მათ შორის შესაძლებელია სივრცე - დროში განსხვავებული კოორდინატებიდან. მოლეკულური და ატომური ფიზიკიდან ცნობილია, რომ სპექტრომეტრიული მონაცემები შეიცავს ძალიან დიდ და ფაქიზ იმფორმაციას, რომლსაც ძალიან დიდი მნიშვნელობა აქვს უამრავ დარგში და რომლის მართობულად და სწრაფად გაშიფვრა წარმოადგენს საკმაოდ დიდ პრობლემას. ასევე სპექტრომეტრების ტექნოლოგიის განვითარებამ გამოიწვია მათი გარჩევისუნარიანობის მკვეთრი ზრდა; თუმცა გარჩევისუნარიანობა შესაძლებელია გაიზარდოს არა მხოლოდ სპექტრომეტრის ტექნოლოგიის გაუმჯობესებით, არამედ მონაცემების სპეციფიური აღება, სტატისტიკური დამუშავების გზით. აღსანიშნავია ისიც რომ ტექნოლოგიურად გაუმჯობესებული სპექტრომეტრისგან მიღებულ სიგნალში დაშიფრულია უამრავი სასარგებლო იმფორმაცია, რომლის წაკითხვა შეუიარაღებელი თვალით პრაქტიკულად შეუძლებელია.