Приложение предназначено для анализа и визуального сравнения трёх архитектур глубокого обучения — LSTM, CNN и гибридной CNN-LSTM — при решении задачи бинарной классификации блокировок сигнала в высокочастотных беспроводных системах THz/mmWave. Пользователь может загрузить собственный CSV-файл с последовательностями мощностей (матрица 8×64) или воспользоваться встроенным примером, после чего получить предсказания каждой из трёх моделей прямо в браузере.
Технические решения
Все три нейронных сети обучены на Python с помощью Keras и экспортированы в формат TensorFlow.js, что позволяет выполнять инференс полностью на стороне клиента без серверных вычислений. Входные данные нормализуются MinMaxScaler и подаются в модели в виде тензора формы [1, 8, 64]. Для сравнения моделей отображается таблица с метриками: accuracy, precision, recall и F1-score. Визуализация сигнала реализована через Chart.js с отображением уровня мощности в дБ по времени.
Трудности и компромиссы
Основная сложность заключалась в адаптации Keras-моделей к TensorFlow.js Converter v4.22.0 и корректной загрузке бинарных весов через статический хостинг Next.js. Архитектуры моделей существенно отличаются по способности улавливать временные зависимости: чистая LSTM показала наибольшую точность (68 %), тогда как CNN-LSTM достигла наилучшего recall (71 %), что важно для минимизации пропущенных блокировок в реальных сценариях.