基于快速集成学习实现的蓝绿模式能效纳米粒子化学电阻传感器阵列
机器学习
2024-10-30 v2 计算工程、金融与科学
系统与控制
系统与控制
摘要
物联网（IoT）的快速发展需要开发优化后的、具有能效高、特异性强和灵敏度高的纳米粒子基化学电阻传感器（CRS）阵列。本研究引入了一种优化策略，采用基于快速集成学习的模型委员会方法来实现这些目标。利用弹性网络回归、随机森林和 XGBoost 等机器学习模型，该策略识别 CRS 阵列中对准确分类最具影响力的传感器。引入加权投票机制以聚合模型在传感器选择上的意见，从而建立两种不同的工作模式，称为“蓝”模式和“绿”模式。蓝模式运行所有传感器以实现最大检测能力，而绿模式仅选择性激活关键传感器，在不牺牲检测精度的情况下显著降低能耗。该策略通过理论计算和蒙特卡洛模拟进行了验证，证明了其有效性和准确性。所采用的优化策略提升了 CRS 阵列的检测能力，使其更接近理论极限，有望对低成本、易制造的下一代物联网传感器终端的开发产生重大影响。
引用
@article{arxiv.2403.01642,
title = {Blue and Green-Mode Energy-Efficient Nanoparticle-Based Chemiresistive Sensor Array Realized by Rapid Ensemble Learning},
author = {Zeheng Wang and James Scott Cooper and Muhammad Usman and Timothy van der Laan},
journal= {arXiv preprint arXiv:2403.01642},
year = {2024}
}
备注
Accepted by ACS Applied Nano Materials