In questa tesi verranno trattate la struttura e il funzionamento delle reti neurali convoluzionali, o CNN, e ne verrà descritto il processo di sviluppo con l’obbiettivo di costruire un riconoscitore di segnali elettrici. Per la creazione del dataset è stato utilizzato uno script Matlab per la generazione di segnali puliti e rumorosi. Successivamente i segnali sono stati normalizzati, etichettati e salvati mediante l’utilizzo di un programma Python. In seguito, è stato creato il modello della rete neurale mediante l’utilizzo della libreria Pythorch. Infine, è stato eseguito il processo di training della rete e ne è stata verificata la correttezza. Questo procedimento ha portato alla creazione di un file contenente i pesi della rete neurale, che possono poi essere utilizzati per le implementazioni su hardware.

Implementazione di una rete neurale convoluzionale per il riconoscimento di segnali elettrici a frequenza di rete

TONON, ANDREA
2023/2024

Abstract

In questa tesi verranno trattate la struttura e il funzionamento delle reti neurali convoluzionali, o CNN, e ne verrà descritto il processo di sviluppo con l’obbiettivo di costruire un riconoscitore di segnali elettrici. Per la creazione del dataset è stato utilizzato uno script Matlab per la generazione di segnali puliti e rumorosi. Successivamente i segnali sono stati normalizzati, etichettati e salvati mediante l’utilizzo di un programma Python. In seguito, è stato creato il modello della rete neurale mediante l’utilizzo della libreria Pythorch. Infine, è stato eseguito il processo di training della rete e ne è stata verificata la correttezza. Questo procedimento ha portato alla creazione di un file contenente i pesi della rete neurale, che possono poi essere utilizzati per le implementazioni su hardware.
2023
Implementation of a convolutional neural network for electrical signals recognition at grid frequency
AI
segnali elettrici
rete neurale
CNN
File in questo prodotto:
File Dimensione Formato  
Tonon_Andrea.pdf

accesso aperto

Dimensione 886.24 kB
Formato Adobe PDF
886.24 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/62682