POP-CNN：基于卷积神经网络预测气味愉悦度
机器学习
2019-03-20 v1 机器学习
摘要
预测气味的愉悦度可简化气味评估，并有望应用于香水及环境监测行业。预测气味愉悦度的经典算法通常采用人工特征提取器与独立分类器。人工设计良好的特征提取器依赖于专家知识与经验，是算法准确性的关键。为规避这一困难，我们提出了一种利用卷积神经网络预测气味愉悦度的模型。在我们的模型中，卷积神经层替代了人工特征提取器并展现出更优性能。实验表明，我们的模型与人类在愉悦度评分上的相关性超过 90%，且在区分绝对愉悦或厌恶气味时准确率达 99.9%。
引用
@article{arxiv.1903.07821,
title = {POP-CNN: Predicting Odor's Pleasantness with Convolutional Neural Network},
author = {Danli Wu and Yu Cheng and Dehan Luo and Kin-Yeung Wong and Kevin Hung and Zhijing Yang},
journal= {arXiv preprint arXiv:1903.07821},
year = {2019}
}