从电子鼻提取掺杂导电聚合物信息特征的时间滤波器
材料科学
2024-01-02 v1 机器学习
摘要
识别多传感平台的相关机器学习特征，既是环境识别的应用限制，也是解释传感器在其信息处理中互补性的物理相关性的必要条件。特别是在长时间采集过程中，特征提取必须完全自动化，无需人工干预，并且在不显著增加分类器计算成本的情况下对扰动具有鲁棒性。在本研究中，我们研究了 24 维导电电子鼻的相对电阻和电流调制，该电子鼻使用指数移动平均作为环境识别低成本信息描述符中的浮动参考。特别地，我们发现根据线性分类器的结构，“modema”描述符针对不同材料传感元件的贡献进行了优化，以对信息模式进行分类。低通滤波优化在无监督学习和监督学习之间表现出相反的行为：后者倾向于对参考进行更长时间的积分，允许以 90% 以上的准确率识别五个不同的类别，而前者倾向于使用最新事件作为参考，根据环境性质对模式进行聚类。其电子实现将大大降低导电电子鼻在无人监督下进行机载环境识别的计算需求。
引用
@article{arxiv.2401.00684,
title = {A Temporal Filter to Extract Doped Conducting Polymer Information Features from an Electronic Nose},
author = {Wiem Haj Ammar and Aicha Boujnah and Antoine Baron and Aimen Boubaker and Adel Kalboussi and Kamal Lmimouni and Sebastien Pecqueur},
journal= {arXiv preprint arXiv:2401.00684},
year = {2024}
}