基于强化学习的生物标记传感器优化
机器学习
2025-08-11 v2 神经与进化计算
信号处理
摘要
射频（RF）生物传感器，尤其是基于叉指电容器（IDCs）的传感器，在生物医学诊断、遥感与无线通信等领域至关重要。尽管具有低成本与易制备的优势，其灵敏度可能受设计缺陷、环境因素与电路噪声的阻碍。本文研究利用新颖的基于强化学习的二进制粒子群优化（RLBPSO）提升 IDC 基 RF 传感器灵敏度，并与蚁群优化（ACO）及其他最先进方法比较。通过聚焦优化电极设计与指宽等设计参数，本研究取得传感器灵敏度的显著提升。所提 RLBPSO 方法相较当前最先进方法，在多种频率范围内均展现出最优化的设计。
引用
@article{arxiv.2308.10649,
title = {Reinforcement Learning Based Sensor Optimization for Bio-markers},
author = {Sajal Khandelwal and Pawan Kumar and Syed Azeemuddin},
journal= {arXiv preprint arXiv:2308.10649},
year = {2025}
}
备注
7 pages, 4 tables