Jordović, Pavlović Miroslava, Kupusinac, Aleksandar, Ivetić, Dragan, Popović, Marica, Gajić, Dušan, and Dragan, Dinu
Главни задатак истраживања приказаног у дисертацији је развој модела,заснованог на алгоритмима машинског учења, који описује сложениутицај мерног система на користан, експериментални сигнал са циљемњегове елиминације. Студија случаја је широко распрострањенафотоакустична, трансмисиона мерна метода са ћелијом минималнезапремине. Мултидисциплинарност и комплексност проблема одредилису следеће кораке у методологији решења: 1) развој софтвера загенерисање симулираних експерименталних података, 2) развојрегресионог модела заснованог на трослојној неуронској мрежи, запрецизну и поуздану карактеризацију детектора која се извршава уреалном времену, 3) развој класификационог модела заснованог нанеуронској мрежи једноставне структуре за прецизну и поузданупредикцију типа коришћеног детектора која се извршава у реалномвремену, 4) спрезање регресионог и класификационог модела уз развојдодатног софтвера за прилагођење модела стварном експерименту. Наовај начин заокружен је програмски оквир који извршава сложени задатакиздвајања “правог” сигнала oд изобличеног експерименталног сигналабез ангажовања истраживача, односно извршава аутокорекцију.Тестирање је извршено на више различитих детектора и вишеразличитих материјала у фотоаксустичном експерименту. Применомразвијеног програмског оквира конкурентност експерименталне техникеје знатно порасла: повећана је тачност и поузданост, проширен је мерниопсег и смањено време обраде резултата мерења., Glavni zadatak istraživanja prikazanog u disertaciji je razvoj modela,zasnovanog na algoritmima mašinskog učenja, koji opisuje složeniuticaj mernog sistema na koristan, eksperimentalni signal sa ciljemnjegove eliminacije. Studija slučaja je široko rasprostranjenafotoakustična, transmisiona merna metoda sa ćelijom minimalnezapremine. Multidisciplinarnost i kompleksnost problema odredilisu sledeće korake u metodologiji rešenja: 1) razvoj softvera zagenerisanje simuliranih eksperimentalnih podataka, 2) razvojregresionog modela zasnovanog na troslojnoj neuronskoj mreži, zapreciznu i pouzdanu karakterizaciju detektora koja se izvršava urealnom vremenu, 3) razvoj klasifikacionog modela zasnovanog naneuronskoj mreži jednostavne strukture za preciznu i pouzdanupredikciju tipa korišćenog detektora koja se izvršava u realnomvremenu, 4) sprezanje regresionog i klasifikacionog modela uz razvojdodatnog softvera za prilagođenje modela stvarnom eksperimentu. Naovaj način zaokružen je programski okvir koji izvršava složeni zadatakizdvajanja “pravog” signala od izobličenog eksperimentalnog signalabez angažovanja istraživača, odnosno izvršava autokorekciju.Testiranje je izvršeno na više različitih detektora i višerazličitih materijala u fotoaksustičnom eksperimentu. Primenomrazvijenog programskog okvira konkurentnost eksperimentalne tehnikeje znatno porasla: povećana je tačnost i pouzdanost, proširen je merniopseg i smanjeno vreme obrade rezultata merenja., The main task of the research presented in this dissertation is the developmentof the model based on machine learning algorithms, which describes thecomplex influence of the measuring system on a useful, experimental signal,with the aim of the elimination of this influence. The case study is a widespreadphotoacoustic, transmission measurement method with minimum volume cellconfiguration. Multidisciplinarity and complexity of the problem determined thefollowing steps in the solution methodology: 1) development of the software forgenerating simulated experimental data, 2) development of the regressionmodel based on a three-layer neural network, for precise and reliablecharacterization of detectors, performed in real time, 3) development of theclassification model based on a neural network of simple structure for preciseand reliable prediction of the type of detector in use, performed in real time, 4)coupling of the regression and the classification model with the developmentof additional software for adjustment of the model to a real experiment. In thisway, the program framework is completed, which performs the complex taskof extracting the "true" signal from the distorted experimental signal without theinvolvement of researchers, performing, thus, the autocorrection. Testing wasperformed on several different detectors and several different materials in aphotoacoustic experiment. With the application of the developed softwareframework, the competitiveness of the experimental technique hassignificantly increased: the accuracy and the reliability have been increased,the measurement range has been expanded and the processing time ofmeasurement results has been reduced.