The use of machine learning for analysis of oscillating signals

Obliczenie średniej częstotliwości z sygnału oscylacyjnego, którego częstotliwość zmienia się w czasie, jest nietrywialnym zadaniem. Obecne sposoby jej obliczania wykorzystują różne metody fitowania funkcji. W pracy opisano próbę zastosowania jednokierunkowych sztucznych sieci neuronowych do rozwiązania tego problemu. Wyjaśniono, czym są i jak działają sieci neuronowe. Opisano metody ich uczenia oraz dobór ustawień i hiperparametrów.Bazując na wygenerowanych danych i używając wyników z wykonanych testów, przeprowadzono czytelnika przez proces dobierania optymalnej konfiguracji sieci. Końcową efektywność sztucznych sieci neuronowych określono na podstawie wyniku uzyskanego na zbiorze testowym, złożonym z wygenerowanych danych oraz dodatkowym zbiorze testowym, który zawierał dane pobrane podczas rzeczywistych eksperymentów.Calculation of the average value of the frequency of an oscillating signal which frequency changes over time is a non-trivial task. Current approaches for its calculation use various methods of function fitting.This paper describes attempt to apply Feed Forward Neural Networks to solve this problem. It is explained what artificial neural networks are, how they work, what are the methods of their training and how to determine their parameters.Based on generated data and using results from performed tests the process of adjusting hyperparameters to obtain optimal network configuration is presented. Final performance was calculated using test set with artificially generated data and an extra set consisting of data measured in real measurements