Математические основы анализа данных физического эксперимента
Курс подготовлен для аспирантов физического факультета МГУ. Материал курса включает рассмотрение математических основ обработки одномерных, двумерных и трехмерных цифровых сигналов, полученных в результате физического эксперимента. Рассматриваются примеры реализации основных алгоритмов обработки сигналов и изображений – Фурье- и вейвлет-анализ, кросс-корреляционные алгоритмы. Большое внимание уделяется методам анализа данных по качественной и количественной визуализации течений газа, жидкости и плазмы, в том числе высокоскоростных. Затрагиваются современные проблемы цифровой обработки результатов эксперимента, связанные с необходимостью анализа больших массивов данных и перехода на машинное обучение. Лекции дополнены упражнениями для пояснения работы алгоритмов обработки данных (реализованных в среде Python).
- 01:13:15Лекция 1. Введение. Цифровые технологии и общие принципы анализа сигналов и изображений в естественных науках
- 01:20:23Лекция 2. Классификация сигналов. Преобразование данных. Дискретизация и квантование
- 01:16:28Лекция 3. Пространство сигналов. Базисные функции. Разложение сигналов по базису Фурье
- 01:26:28Лекция 4. Основы спектрального анализа данных эксперимента. Дискретное преобразование Фурье
- 01:13:35Лекция 5. Алгоритмы быстрого Фурье-преобразования. Спектры турбулентности
- 01:24:00Лекция 6. Фильтрация сигналов. Оконное преобразование Фурье. Спектрограммы сигналов. Вейвлет-анализ
- 01:09:29Лекция 7. Математическая модель оптических изображений. Получение и классификация цифровых изображений
- 01:17:06Лекция 8. Методы анализа цифровых изображений
- 29:26Лекция 9. Многоракурсная регистрация пространственных объектов. Томографические алгоритмы
- 01:13:29Лекция 10. Задача распознавания образов. Прикладные задачи анализа изображений
- 28:38Лекция 11. Временные масштабы. Регистрация быстропротекающих процессов
- 31:52Лекция 12. Сравнение экспериментальной и численной визуализации течений. Метод обратных задач в геофизике и механике
- 01:37:47Лекция 13. Проблемы обработки больших массивов данных. Применение нейронных сетей в анализе изображений в естествознании
