پردازش سیگنال نمودار - گرافیک

داده های بی شماری از داده های بزرگ اغلب توسط نمودارها نشان داده می شوند. هنگامی که داده های بردار با گره های آنها در ارتباط هستند ، فرد به آنچه سیگنال نمودار گفته می شود ، می رسد. پردازش چنین سیگنال های نمودار به دلیل ماهیت اطلاعات اساسی با چالش های مختلفی روبرو است. ترکیب نمودارها جنبه های نظری با روش های پردازش سیگنال.

پردازش سیگنال نمودار - یک میدان در حال گسترش سریع

اکنون مجموعه داده های عظیم در بسیاری از مناطق مختلف کاربردی پردازش می شوند. این داده ها اغلب توسط نمودارها برای رمزگذاری تعامل نشان داده می شوند. هنگامی که بردارهای داده با راس های نمودار همراه هستند ، یک سیگنال به اصطلاح نمودار به دست می آید. پردازش چنین سیگنال های نمودار به دلیل ماهیت اطلاعات درگیر با چندین چالش باز روبرو است. به طور خاص ، این نیاز به گسترش روشهای پردازش سیگنال کلاسیک به فضاهای نامنظم و غیر الکلیدسی دارد. با توجه به موفقیت عظیم ابزارهای پردازش سیگنال کلاسیک ، به نظر می رسد تعمیم استفاده از آنها در سیگنال های نمودار ضروری است. این پروژه با هدف توسعه مجموعه ای از روش ها و الگوریتم های پیشرفته برای پردازش سیگنال های نمودار: استنباط نمودار ، نمایش سیگنال نمودار و مشکلات متنوع در نمودارها. این پروژه بر روی دو سیگنال نمودار در حال ظهور متمرکز شده است: شبکه های مغزی و ابرهای نقطه رنگ سه بعدی برای تبدیل شدن بتن پیشرفت های روش شناختی در برنامه های نوظهور.

پردازش سیگنال نمودار: نمایندگی و مشکلات متغیر

پروژه GraphSip یک پروژه تحقیقاتی اساسی است که در آن مجموعه ای از روش ها برای پردازش سیگنال ها در نمودارها تهیه شده است. این پروژه سه موضوع خاص را با تمرکز بر بازنمایی های چند مقیاس در نمودارها (برای نمایش سیگنال نمودار) ، مشکلات متنوع در نمودارها (برای پردازش سیگنال نمودار) و برنامه های اختصاص داده شده به سیگنال های نمودار در نظر می گیرد. دو موضوع اول با هدف ارائه تطبیق تکنیک های پردازش سیگنال (بر اساس تجزیه و تحلیل هارمونیک) و تکنیک های پردازش تصویر (بر اساس مشکلات متنوع) و همچنین جنبه های رایانه آنها (ساخت و بهینه سازی نمایش نمودار). آخرین موضوع مربوط به کاربرد روشهای طراحی شده برای نمودار سیگنال هایی است که از شبکه معمول اقلیدسی دور هستند و کاربردهای دشوار را نشان می دهند (تصویربرداری عصبی محاسباتی با سیگنال ها بر روی نمودارهای مغز ، دید رایانه ای با نمودارهای ابر نقطه رنگ سه بعدی).

نتایج

این پروژه نتایج بسیاری را از نظر • نمایش داده های نمودار: استنباط نمودار ، بانک های فیلتر نمودار ، موجک در نمودارهای کارگردانی ، یادگیری نیمه نظارت بر روی نمودارها به دست آورد.• پردازش داده های نمودار: طرح های بهینه سازی کارآمد و توزیع شده ، معادلات تکامل در نمودارها ، مورفولوژی ریاضی در نمودارها.• برنامه های کاربردی برای تقسیم و ترمیم تصویر ، کشف تعامل در شبکه های ژن ، ویرایش ابرهای نقطه سه بعدی ، تجزیه و تحلیل نمودارهای مغز و شبکه های حمل و نقل.

چشم انداز

این پروژه با سازماندهی اقدامات متعدد محبوبیت و سازماندهی رویدادهای علمی اختصاصی ، می توان موضوع نوظهور پردازش سیگنال را بر روی نمودارها به جامعه تحقیقاتی برجسته کرد.

تولیدات علمی و حق ثبت اختراع

این پروژه منجر به انتشار 4 فصل کتاب ، 39 مقاله در مجلات بین المللی ، 54 مقاله در کنفرانس های بین المللی ، یک مدرسه تابستانی ، ترم های موضوعی و جلسات ویژه شده است.

خلاصه ارسال

اکنون مجموعه داده های عظیم در بسیاری از مناطق مختلف کاربردی پردازش می شوند. این داده ها اغلب توسط نمودارها برای رمزگذاری فعل و انفعالات پیچیده نشان داده می شوند. هنگامی که بردارهای داده با راس های نمودار همراه هستند ، یک سیگنال به اصطلاح نمودار به دست می آید. پردازش چنین سیگنال های نمودار به دلیل ماهیت اطلاعات درگیر ، با ترکیب مطالعات نمودار با استفاده از تئوری نمودار و روشهای پردازش سیگنال و تصویر ، با چندین چالش باز روبرو است. به طور خاص ، این نیاز به تحولات جدید روشهای پردازش سیگنال کلاسیک برای فضاهای نامنظم و غیر اقلیدسی دارد. با توجه به موفقیت عظیم ابزارهای پردازش سیگنال کلاسیک ، به نظر می رسد تعمیم استفاده از آنها در سیگنال های نمودار ضروری است. پروژه GraphSip با هدف توسعه مجموعه ای از روش ها و الگوریتم های پیشرفته برای پردازش سیگنال های نمودار: تبدیل های چند مقیاس و راه حل های مشکلات متنوع در نمودارها. انتظار می رود نتایج اصلی این پروژه منجر به پیشرفت های قابل توجهی برای پردازش داده های نمودار شود. این پروژه همچنین بر روی دو برنامه جدید در مورد سیگنال های نمودار متمرکز خواهد شد: شبکه های مغزی و ابرهای نقطه رنگ سه بعدی ، به طوری که پیشرفت های پیشنهادی روش شناختی پیشنهادی را در برنامه های نوظهور ارائه می دهد.

هماهنگ کننده پروژه

Monsieur Olivier Lezoray (Universite de Caen - Bass e-Normand)

نویسنده این خلاصه ، هماهنگ کننده پروژه است که مسئولیت محتوای این خلاصه را بر عهده دارد. ANR هرگونه مسئولیت را در مورد محتویات خود رد می کند.

شریک

Unicaen Universite de Caen-basse-normand esl laboratoire de podyique ، umr cnrs 5672 gipsa-lab gipsa-lab cnrs umr 5216 Upem Universite paris est mae la valle

کمک به ANR 498،508 یورو آغاز و مدت زمان پروژه علمی: سپتامبر 2014 - 42 ماه

لینک های مفید

• لیست پروژه های تأمین شده
• وب سایت پردازش سیگنال نمودار پروژه
• پیوند دائمی به این خلاصه در وب سایت ANR (ANR-14-CE27-0001)
• انتشارات موجود در پورتال Hal-Anr را ببینید