基于卷积神经网络模块化搜索的高效电子鼻多气体分类算法  

Efficient Electronic Nose Based on Convolutional Neural Network Modular Search Multi Gas Classification Algorithm

作　　者：祝煜荻 曾敏[1] 杨建华[1] 胡南滔[1] 杨志[1] ZHU Yudi;ZENG Min;YANG Jianhua;HU Nantao;YANG Zhi(Shanghai Jiao Tong University,Shanghai 200240,China)

机构地区：[1]上海交通大学,上海200240

出　　处：《数字通信世界》2024年第10期7-9,共3页Digital Communication World

基　　金：国家自然科学基金面上项目(编号62371299)。

摘　　要：该文设计了一种基于格拉姆角和场的传感器信号转图方法,并提出了一种基于AlexNet的卷积神经网络模块化结构搜索方法(block-GS)。实验结果表明,block-GS方法能够搜索到性能优秀的网络结构,在两个气体数据集上的分类准确率分别达到92.11%和93.33%,比普通网格搜索提高了近5%。此方法有望成为电子鼻模式识别算法设计的有效解决途径之一。This paper designs a sensor signal mapping method based on Gram angle and field,and proposes a convolutional neural network modular structure search method(block GS)based on AlexNet.The experimental results show that the block GS method can search for high-performance network structures,with classification accuracies of 92.11%and 93.33%on two gas datasets,respectively,which is nearly 5%higher than ordinary grid search.This method is expected to become one of the effective solutions for the design of electronic nose pattern recognition algorithms.

关 键 词：电子鼻 格拉姆角和场 卷积神经网络 网格搜索 气体分类算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]