PNN在混合气体分析中的应用

被引：2

作者：

秦树基 ^{[1
]}

叶坚 ^{[2
]}

机构：

[1] 同济大学物理系

[2] 南京师范大学物理科学与技术学院

来源：

传感器与微系统 | 2006年 / 04期

关键词：

概率神经网络; 混合气体分析; 数值模拟;

D O I：

10.13873/j.1000-97872006.04.028

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

把混合气体分析的问题转化为模式分类的问题来处理的新途径已被相关文献证明是可行的。然而,当感兴趣体积分数区被分成更多的子区域或混合气体组分数多于2时,模式类别数目的急剧增加使网络的输出节点数也大增。这不仅使计算工作量大增,而且,更难使误差收敛到全局极小。对二元混合气体的数值模拟结果表明:利用概率神经网络(PNN)可解决上述的问题。PNN不仅易于使用,而且,总能给出一个合理的分类结果,样本数足够多时,可给出高达95.4%的识别率。此外,它的计算负载比反向传输网络轻得多。

引用

页码：78 / 81

页数：4

共 5 条

[1]

A new approach to analyzing gas m ixtures. Q in S J,W u Z J. Sensors and Actuators . 2001

[2]

Odour sensors for an electron ic nose,in:sensors and sensory system s for an electron ic nose. Bartlett P N,Gardner JW. NATOASI Series E:Applied Science . 1992

[3]

Advanced M ethods in Neural Computing. W asserman P D. . 1993

[4]

Improvem ent in signalevaluation m ethods for sem iconductor gas sensors. EndresH E,GottlerW,JanderH D,et al. Sensors and Actuators B Chemical . 1995

[5]

Probab ilistic neural network. Specht D F. Neural Networks . 1990

← 1 →