Παραδοτέα

Πακέτο Εργασίας 1

Περιλαμβάνει την έρευνα και ανάπτυξη καινοτόμων μεθόδων Τ.Ε.Σ. με χρήση στατιστικών μεθόδων δεύτερης τάξης όπως SVD, Principal Component Analysis κα για την αντιμετώπιση 3 βασικών προβλημάτων: (1) του τυφλού διαχωρισμού πηγαίων σημάτων (2) της τυφλής αποσυνέλιξης και (3) της τυφλής αναγνώρισης συστημάτων. Επίσης περιλαμβάνει την έρευνα και ανάπτυξη καινοτόμων μεθόδων Τ.Ε.Σ. με χρήση γεωμετρικών μεθόδων για σήματα με περιορισμένο αλφάβητο (finite alphabet signals) τα οποία συναντώνται κατά κύριο λόγο στις ψηφιακές τηλεπικοινωνίες. Θα προηγηθεί εκτεταμένη και κατά το δυνατόν πλήρης βιβλιογραφική αναζήτηση με στόχο την καταγραφή και αξιολόγηση ήδη υπαρχόντων μεθόδων Τ.Ε.Σ, την υλοποίηση των κυριοτέρων από αυτές και τη μεταξύ τους σύγκριση. Επίσης θα γίνει υλοποίηση των καινοτόμων μεθόδων θα γίνει κατ’ αρχήν σε συμβατικό (μη παράλληλο) υπολογιστή με στόχο την αξιολόγηση των μεθόδων αυτών. Ως πεδίο δοκιμής θα χρησιμοποιηθούν οι ψηφιακές τηλεπικοινωνίες με πραγματικά δεδομένα τα οποία είναι διαθέσιμα στο διαδίκτυο.

Παραδοτέα:

Πακέτο Εργασίας 2

Περιλαμβάνει την έρευνα και την εφαρμογή μεθόδων νευρωνικών δικτύων και εξελικτικών αλγορίθμων στα προβλήματα της τυφλής αποσυνέλιξης, του τυφλού διαχωρισμού πηγών, και της τυφλής αναγνώρισης συστημάτων. Οι ευφυείς-νευρωνικοί αλγόριθμοι μπορούν να εφαρμοστούν στην online εκπαίδευση μοντέλων βασισμένων τόσο σε στατιστικές παραμέτρους δεύτερης τάξης όσο και σε γεωμετρικά χαρακτηριστικά του σήματος. Για παράδειγμα, ένα από τα σημαντικότερα προβλήματα στην επεξεργασία σημάτων με γεωμετρικές μεθόδους είναι η ταξινόμηση (classification) και ομαδοποίηση (clustering) των δεδομένων, προβλήματα στα οποία η χρήση νευρωνικών δικτύων και άλλων ευφυών μεθόδων έχει σημαντική εφαρμογή. Θα γίνει υλοποίηση και εφαρμογή των παραπάνω μεθόδων κατ’ αρχήν σε συμβατικό (μη παράλληλο) υπολογιστή με στόχο την αξιολόγησή τους. Ως πεδίο δοκιμής θα χρησιμοποιηθούν οι ψηφιακές τηλεπικοινωνίες με χρήση πραγματικών δεδομένων.

Παραδοτέα:

Πακέτο Εργασίας 3

Σ’ αυτό το πακέτο εργασίας θα γίνει παραλληλοποίηση των σημαντικότερων αλγορίθμων τυφλής επεξεργασίας σήματος που περιγράφονται στα ΠΕ1 και ΠΕ2. Η χρήση παραλληλισμού είναι σημαντική αφ’ ενός διότι πολλοί από αυτούς τους αλγόριθμους έχουν υψηλές απαιτήσεις σε υπολογιστικό κόστος και υπολογιστικούς πόρους και αφ’ ετέρου διότι πολλές από τις μεθόδους αυτές είναι επιδεκτικές σε μια τέτοια υλοποίηση καθώς εμπεριέχουν σημαντικές δυνατότητες παραλληλισμού. Ως εργαλείο για την παραπάνω υλοποίηση θα χρησιμοποιηθεί η πλατφόρμα MPI η οποία επιτρέπει τη συνεργασία πολλών υπολογιστών σε δομή cluster με στόχο την κατάτμηση του αλγορίθμου και την παράλληλη εκτέλεσή του. Το εργαλείο αυτό έχει το πλεονέκτημα ότι είναι ελεύθερο στη χρήση, είναι λογισμικό ανοιχτού κώδικα, και επιτρέπει την εύκολη υλοποίηση παράλληλων αλγορίθμων στην ήδη υπάρχουσα υλική υποδομή (grid) δύο φορέων που συμμετέχουν στο υποέργο. Δηλαδή του Πανεπιστημίου Μακεδονίας και του ΤΕΙ Θεσσαλονίκης. Θα γίνει παράλληλη υλοποίηση των νευρωνικών-ευφυών μοντέλων (όπως SOM, RBF, Neural Gas, κα). Για κάθε μοντέλο θα εξαχθούν ποιοτικά και ποσοτικά συμπεράσματα όσον αφορά την απόδοση του δικτύου και την ακρίβεια της προσομοίωσης. Επίσης θα γίνει για πρώτη φορά παράλληλη υλοποίηση των στατιστικών και γεωμετρικών μεθόδων Τ.Ε.Σ. και πλήρης θεωρητική ανάλυση των παράλληλων μοντέλων και ποσοτικός υπολογισμός της επιτάχυνσης της διαδικασίας σε σχέση με τα αντίστοιχα σειριακά μοντέλα.

Παραδοτέα:

Copyright © 2006-7 bsp.teithe.gr