仪器仪表学报

2021年02期

本刊往期查看全部 >

基于增强卷积神经网络的电子鼻长期漂移抑制方法

冯李航;陈铭;章伟

为解决电子鼻传感器阵列中的漂移问题,提出了一种增强卷积神经网络的长期漂移抑制方法。首先,通过结合历史数据的方式进行数据库扩增,起到了数据增强的效果;然后,使用增量补偿模块结合增量学习思维进行网络训练,起到了模型增强的效果;最后,分别使用公开数据集和实测数据集来验证模型的漂移抑制效果。实验结果表明:增强卷积神经网络算法的抑制效果较传统卷积神经网络、机器学习算法有较大提升,精度提高幅度为10%~20%,精度波动在1%范围内,具有较好的鲁棒性,验证了增强卷积神经网络算法在电子鼻漂移抑制中是稳健有效的,同时也从算法层面对电子鼻的漂移抑制提供了思路。 (共11页)
PDF全文下载

安装知网阅读App
手机 · Pad同步看

论文一键排版服务 >>
开通会员更优惠,尊享更多超值权益
立即开通 >