《一种基于多重自组织图的电子鼻漂移抑制方法》PDF+DOC
作者:刘涛,黄智勇
单位:中国仪器仪表学会
出版:《仪器仪表学报》2012年第06期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFYQXB2012060130
DOC编号:DOCYQXB2012060139
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于电子鼻和神经网络对广式香肠脂肪氧化的评价》PDF+DOC2016年第24期 顾欣哲,吴振川,刘芮瑜,尹涛,何淑文,屠康,潘磊庆
《用基于神经网络的电子鼻评定卷烟香气质量》PDF+DOC2003年第01期 殷勇,吴守一,邱明
《基于LabVIEW平台的智能电子鼻系统》PDF+DOC2012年第04期 宋海声,苏小芸,赵晓林
《用于易挥发性化学品检测的实用电子鼻算法研究》PDF+DOC2011年第01期 董志钢,李民强,罗涛,刘锦淮
《基于电子鼻技术的混合气体检测方法研究》PDF+DOC 张青春,叶小婷
《基于神经网络的电子鼻检测系统研究》PDF+DOC2010年第11期 刘雪莹,关柯
《基于逐步判别分析和BP神经网络的电子鼻猪肉储藏时间预测》PDF+DOC2010年第10期 洪雪珍,王俊
《分立传感器电子鼻》PDF+DOC2008年第03期 张哲,佟金,陈东辉
《基于遗传优化神经网络的电子鼻对可乐的检测》PDF+DOC2007年第06期 鲁小利,王俊,海铮
《电子鼻技术的发展及展望》PDF+DOC2006年第04期 唐向阳,张勇,丁锐,汤鹏
多重自组织图(mutiple self-organizing maps,MSOM)神经网络可以补偿电子鼻中传感器阵列产生的漂移。通过理论分析指出:该方法在同种样本连续进样的情况下,存在丧失漂移补偿能力的可能。针对这一问题,提出了一种改进的MSOM重训练方法——增量重训练法,该方法通过估计漂移变化趋势对神经网络权值进行全面调整。实验结果表明,增量重训练法通过改善重训练过程中漂移信息获取的公平性,增强了MSOM的漂移补偿能力,提高了识别准确率。
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。