作者:秦树基,徐春花,王占山 单位:同济大学 出版:《同济大学学报(自然科学版)》2005年第06期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFTJDZ2005060200 DOC编号:DOCTJDZ2005060209 下载格式:PDF + Word/doc 文字可复制、可编辑
《电子鼻技术及其在茶叶中的应用研究》PDF+DOC2016年第09期 潘玉成,宋莉莉,叶乃兴,潘玉华 《电子鼻的新进展》PDF+DOC1996年第07期 杨燕明,杨芃原,王小如 《基于MOS和SAW传感器呼吸诊断肺癌的复合识别算法研究》PDF+DOC2012年第01期 王怡珊,王镝,余凯,王林,赵聪,邹莹畅,王平,胡艳捷,应可净 《交通环境有毒气体的检测技术研究》PDF+DOC2010年第08期 杨莉,王磊 《基于SnO_2气体传感器阵列电子鼻系统设计》PDF+DOC2009年第11期 王振军,张文超,程春荣 《基于气体传感器阵列的电子鼻对混合气体定量识别的研究》PDF+DOC2006年第06期 姚智慧,徐保港,郝博 《基于纳米ZnO气体传感器阵列的乙醇、丙酮、苯、甲苯、二甲苯的识别研究》PDF+DOC2006年第03期 张覃轶,谢长生,李登峰,张顺平,柏自奎 《烃类气体的智能识别》PDF+DOC1996年第01期 李权龙,袁东星,杨竼原,王小如,朱尔一,杨燕明 《基于独立分量分析和BP网络的电子鼻模式识别》PDF+DOC2006年第09期 王岩,陈向东,蒋亚东,赵静 《电子鼻技术及在乳制品中的应用研究进展》PDF+DOC2006年第04期 贾宗艳,任发政,郑丽敏
  • 电子鼻原型由4个气体传感器组成的阵列和人工神经网络识别软件组成,可识别不同品牌的白酒.以它为例,研究了3种人工神经网络,即反向传输网络(BPN)、学习矢量量化网络(LVQ)和概率神经网络(PNN)对电子鼻性能的影响.结果表明,在需要精细识别时,虽然传感器阵列对白酒的响应谱的差别是电子鼻识别的基础,但是人工神经网络结构和算法包括相关训练参数的选择对决定电子鼻的性能也有重要的作用.比较而言,学习矢量量化网络在分类能力和训练成本方面更胜一筹,而概率神经网络则在计算负载和易用性方面更好一些。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。