一种基于注意机制的快速、鲁棒的混合气体识别和浓度检测算法,配备了具有双损失函数的递归神经网络

A fast and robust mixture gases identification and concentration detection algorithm based on attention mechanism equipped recurrent neural network with double loss function

摘要

提出一个由注意力机制组成的电子鼻系统。首先采用端到端的编码器译码器,提供处理可变长度输入的灵活性。然后提供一种新的门控循环单元网络,方便从时间动态中提取特征,在此基础上注意力机制动态分配气体特征的权重向量。最后采用双损失函数,利用同一网络实现对混合气体识别和浓度计算

介绍

PCA ICA FDA CNN进行分类
加权核+PCA/ICA/FDA等实现对非线性问题的识别
采用普通的CNN无法利用之前的信息
新提出的模型 更适合混合气体 采用端到端技术 自动提取特征+长时间信息保留 多标签技术实现气体排列组合 双损失函数实现类别和浓度判别

网络结构如下所示
一种基于注意机制的快速、鲁棒的混合气体识别和浓度检测算法,配备了具有双损失函数的递归神经网络_第1张图片
GRU包含重置门和更新门,重置门确定之前信息需要保留的信息,更新门利用当前信息和之前信息进行向下一个GRU输出,之后引入注意力机制,利用权重向量得到最终的气体特征,最后采用多标签技术,双损失函数的到最终结果

训练,预测过程
一种基于注意机制的快速、鲁棒的混合气体识别和浓度检测算法,配备了具有双损失函数的递归神经网络_第2张图片
双损失函数
一种基于注意机制的快速、鲁棒的混合气体识别和浓度检测算法,配备了具有双损失函数的递归神经网络_第3张图片

你可能感兴趣的:(电子鼻,算法,神经网络,人工智能)