基于人工神经网络的甲醛气敏元件自动测试系统

将气体传感器阵列与人工神经脚络技术相结合,应用于甲醛气体的检测.建立了基于神经网络技术的甲醛气敏元件白动测试系统,并选择多个半导体气敏元件组成的传感器阵列用于微量甲醛气体的测试,实验证明采用该方法实现对低浓度甲醛的定量榆测足可行的.     

基于反向传播神经网络的遗传算法在酒类气体识别中的应用

把基于反向传播神经网络的遗传算法用于酒类气体识别实验中的传感器阵列的筛选,通过评价传感器组合对反向传播神经网络识别酒类气体结果的影响,建立一种挑选传感器阵列的方法,该算法选出的变量与用统计方法得到的结果一致     

动态隐神经元BP网络的多气体分析的MATLAB实现

由6个半导体气敏元件组成基于传感器阵列的气体检测系统,并基于改进的BP神经网络实现多组份气体的定性识别。测试结果表明,基于改进的BP神经网络1295次训练后可达到训练最小误差小于0.1%的要求,平方误差为2.29%。     

基于人工神经网络的微量甲醛气体识别方法

建立了基于神经网络技术的甲醛气敏元件自动测试系统,并选择了多个半导体气敏元件组成的传感器阵列用于微量甲醛气体的测试。实验证明,该传感器可以实现对低浓度甲醛的定量检测。     

电子鼻判别挥发性气体的实验研究

文中模拟人的嗅觉形成过程研制了一套用金属氧化物半导体气敏传感器阵列组成的电子鼻系统．深入研究了电子鼻的气敏传感器阵列和数据处理分析器,并用该电子鼻对５种不同浓度乙醇溶液（ ０． ５％, ｌ％, １． ５％, ２％, ５％）进行分析,详细阐述了实验过程,同时用 ＢＰ神经网络对样本进行识别分析,神经网络的回判正确率为９０％,测试正确率为８０％．［     

结合传感器阵列和BP神经网络的挥发性有机物定量检测系统

为了快速准确获得挥发性有机物浓度,提出了一种基于金属氧化物气体传感器阵列和BP神经网络的挥发性有机物定量检测系统。首先,使用4个金属氧化物气体传感器组成传感器阵列,将被测气体组分与浓度转化为电信号波形,对传感器阵列信号进行特征提取得到特征矩阵;然后,使用BP神经网络实现目标气体浓度的检测,对BP神经网络拓扑结构设计与参数进行优化;最后,使用遗传算法提高BP神经网络检测精度。采用该检测系统检测混合气体中挥发性有机物异戊二烯浓度,检测结果表明,异戊二烯、氨气混合气体和异戊二烯、丙酮、乙醇混合气体中异戊二烯体积分数的均方根误差分别是0.058和0.077,系统满足挥发性有机物定量检测均方根误差低于0.1的要求。     

嗅觉可视化技术在猪肉新鲜度检测中的应用

针对肉类快速检测的需求和人工嗅觉技术存在的检测范围窄、受环境温度影响大等缺陷,根据金属卟啉化合物与有机小分子气体反应后发生颜色变化的原理,介绍了人工嗅觉可视化技术在肉类检测中的应用,首先介绍了金属卟啉化合物的特性及气体可视化传感器阵列的制作过程,然后对嗅觉可视化系统的组成做了简要介绍.     

人工嗅觉系统及其在卷烟烟气中的研究

用金属氧化物半导体气敏传感器阵列组成的人工嗅觉系统 (电子鼻 )对 3种品牌卷烟烟气进行分析 详细阐述了实验过程及确定传感器的组成方法 ,并从样本中用马氏距离选取合适的样本 ,用主成分分析法和神经网络聚类分析法对样本进行分析 主成分分析结果是已较好地把各品牌的烟分开 ,神经网络对 3种品牌烟的识别率分别为玉溪 85%、白沙 90 %、红梅 95%     

基于嗅觉可视化技术的猪肉新鲜度检测

嗅觉可视化技术是使非可见物质成像(主要是气体成像)的一种无损检测新技术,属人工嗅觉模拟技术的一个新分支.使用卟啉和pH指示剂作为嗅觉可视化传感器阵列的气敏材料,检测猪肉中的优势致腐菌和新鲜度.将3种优势致腐菌(梭状芽孢杆菌、热死环丝菌、假单胞菌)分别接种至3组猪肉样本中,在3种温度(-16℃,4℃和20℃)条件下分别贮藏不同的时间后,采用扫描仪获取可视化传感器阵列与每个样本反应前后的图像信息;将阵列反应前后的颜色差值作为样本特征值,对不同的猪肉样本经不同贮藏时间后产生的挥发性气味,可视化传感器阵列显示其特定的颜色图像与其对应.结果表明,嗅觉可视化技术可以用于检测猪肉的优势致腐菌以及判断猪肉的新鲜度.     

运用自组织竞争网络进行气体定性分析的研究

优选了分析H2,CO气体的半导体气体传感器组成阵列，建立了实时数据采集系统，并与自组织竞争网络模式识别技术相结合，以进行气体定性分析的研究；同时为了消除气体浓度变化对传感器阵列输出的影响，提高自组织网络的识别效果，运用三种不同的数据归一化算法对传感器阵列的输出响应进行了预处理, 并对各自对应的网络识别结果进行了分析与讨论。实验结果表明，采用相对算法可实现H2,CO气体的准确识别。     

SOM神经网络应用于声目标识别系统的可行性分析

利用小波分析技术提取的特征,设计了SOM神经网络识别器,并用常规的BP神经网络识别器来比对分析,考察SOM神经网络识别器应用在声目标识别上的可行性。试验结果证实,SOM神经网络应用在声目标识别系统是可行的。     

变压器油中溶解气体含量检测故障诊断仪的设计

研究了应用变压器油中溶解气体含量检测来诊断变压器故障的方法,针对气体传感器之间存在的"交叉敏感"设计了基于人工神经网络的气体检测系统.神经网络采用使用最为广泛的BP网络.从而能构成对气体的较准确的分析测试.单片机选择Intel 16位的80C196KB,简化了接口电路的设计.设计中采用了油中气体分析法来确定变压器的故障并通过数码管显示出故障类型并由单片机来实现.     

自组织特征映射网络隐含的分形机制

自组织特征映射网络(Self-organizing map,SOM)在聚类分析中具有广泛的应用,和其他神经网络一样,SOM网络具有黑箱性质,缺乏严格的理论基础,无法对聚类过程进行分析.结合复杂系统分形生长的最大流原理,本文从统计物理角度对SOM网络的自组织过程进行分析,将SOM网络隐含的分形机制挖掘出来,并以城市模式为例展示了建立在统计物理基础上的SOM网络的新的应用.     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

一种基于小波神经网络的自适应控制方法

提出了一种基于小波神经网络的自适应控制方法,该方法利用两个小波神经网络作为自适应系统的辩识器和控制器来构成自适应控制系统。由于小波函数具有紧支性以及神经网络的非线性映射能力,因而在所构成的控制系统中,辨识器能更准确地近似具有较强非线性被控对象的动态特性,控制器能产生较为复杂的控制规律。仿真结果表明,该系统比一般神经网络控制系统具有调节速度快和超调小等更好的控制效果。     

RSOM算法及其应用研究

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果．但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难．为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树：非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成．RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证．     

特定应用环境下的入侵检测架构

异常检测可以认为是通过对用户正常行为及系统正常应用环境的学习来识别异常的过程．由于系统及应用环境的复杂性,异常检测还难以达到很高的识别精度．为此,针对在物理上与Internet网完全隔离的计算机网络应用环境,亦即内网,提出基于mobile agent(MA)的多层次入侵检测架构,利用自组织映射网络方法,在不同层次的agent中建立二堆网格的自组织映射网络模型,分别检测目标系统不同层次上的异常现象．实验结果表明,在入侵者攻击的持续时间内,本系统通过多次采样的办法可以使检测率提高到满意的程度．     

自组织特征映射神经网络及其在地层压力剖面聚类中的应用

文章分析了Ｋｏｈｏｎｅｎ的自组织特征映射神经网络的基本特征,讨论了实际应用的技术问题,并给出了算法。将该方法应用于川东地区地层压力剖面分类,结果令人满意。     

基于SVM与SOM的税务稽查选案模型研究

税务稽查选案是税务机关在税收征管和稽查中面临的一个重要问题。提出了一种基于支持向量机(SVM)与自组织特征映射(SOM)神经网络相结合的稽查选案方法。首先基于支持向量机(SVM)对纳税人进行分类,然后采用自组织映射神经网络(SOM)对疑点信息进行聚类,选出需要重点进行稽查的目标对象。通过对实例的具体测试,表明模型的有效性。     

夜间静止卫星红外云图的GHSOM网络云分类模型

针对夜间云分类准确率低下的问题,利用奇异值分解方法对FY-2E夜间红外云图进行特征提取和选择,从中筛选出包括亮温和分裂窗差值在内的不同的纹理特征。分别采用动态增长型分层自组织和自组织映射2种神经网络模型对夜间云图进行分类,并将2种网络模型的分类效果进行对比分析。实验结果表明:GHSOM网络模型在夜间云图分类方面效果较好,平均准确率总体上高于SOM,通过分层的分类方法极大地提高了夜间云图的分类准确率。