一种基于改进一维卷积神经网络的混合气体识别方法.pdfVIP

下载本文档

0
0
约1.08万字
约 10页
2023-05-04 发布于北京
举报
版权申诉

一种基于改进一维卷积神经网络的混合气体识别方法.pdf

1、本文档共10页，其中可免费阅读9页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于改进一维卷积神经网络的混合气体识别方法，通过气敏传感器阵列与气体发生反应采集原始一维数据；构建改进的一维卷积神经网络；一维卷积神经网络通过卷积运算来提取原始一维数据的特征，降低原始一维数据对后续操作的噪声干扰，输出的特征图作为下一层的输入；通过一维卷积神经网络隐含层进一步提取数据的相关特征，同时池化采用最大池化；对最后一层隐含层的输出进行全局平均池化，并在全局平均池化层后加入Dropout层；通过softmax函数对输入数据进行分类并利用分类交叉熵函数计算损失。本发明能很好的

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114252560 A (43)申请公布日 2022.03.29 (21)申请号 202111598938.4 (22)申请日 2021.12.24 (71)申请人无锡学院地址 21