文献

J-GLOBAL ID：201302251443123307   整理番号：13A0554861

化学ガスセンサドリフト修正用の多重自己組織化マップの新しい再訓練法

A Novel Retraining Method of Multiple Self-Organizing Maps for Gas Sensor Drift Compensation

著者 (3件)： LIU Tao (Chongqing Univ., Chongqing, CHN) ,  CHAIBOU Kadri (Chongqing Univ., Chongqing, CHN) ,  HUANG Zhiyong (Chongqing Univ., Chongqing, CHN)
資料名： Sensors and Materials  (Sensors and Materials)
巻： 25  号： 2  ページ： 109-120  発行年： 2013年 
JST資料番号： L0338A  ISSN： 0914-4935  CODEN： SENMER  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： ガスセンサのドリフトは,主要な構築されたパターン認識モデルが時間とともに分解するので,エレクトロニックノウズの性能に重大な影響を与えた。多重自己組織化(MSOM)ネットワークは,試験相時の自己再訓練によるガスセンサドリフトの補正に適応できる方法であった。しかし,多重自己組織化マップの通常の局所的再訓練法は,再訓練を長時間の逐次的なホモジニアス試料で行うと,ドリフト情報を見失う可能性があった。本論文では,長い時間に渡って各々の再訓練ベクトル(RV)の新鮮さを維持する新しい広範囲再訓練法を提案した。局所的再訓練アプローチと比較すると,新しい方法はそれらの内のひとつが置換された後,全ての再訓練ベクトルをアップデートした。実験成績から,広範囲な再訓練法はドリフト効果に対するネットワーク認識能力を保持したが,局所的再訓練および適応共鳴理論法は高い誤差率を示すことが分かった。更に,広範囲再訓練戦略によるMOSMネットワークのプロセス速度を最適化するために,再訓練率に関する考察を提示した。(翻訳著者抄録)

シソーラス用語： *ガスセンサ ,  *ドリフト ,  補正 ,  *匂いセンサ ,  嗅覚 ,  *自己組織化 ,  適応訓練 ,  局所性 ,  *ベクトル量子化 ,  パターン分類 ,  *自己組織化特徴マップ ,  理論 ,  ニューラルネットワーク ,  改変 ,  改良 ,  更新 ,  速度 ,  最適化 ,  比率
準シソーラス用語： アップデート ,  *エレクトロニックノーズ ,  プロセス速度 ,  *化学ガスセンサ ,  *学習ベクトル量子化 ,  局所的再訓練 ,  広範囲再訓練 ,  再訓練率 ,  *多重自己組織化 ,  適応共鳴理論

分類 (3件)： 統計学  (AB08000H) ,  パターン認識  (JE07000S) ,  分析機器  (CC02020S)

引用文献 (21件)：

• 1 N. El Barbri, J. Mirhisse, R. Ionescu, X. Correig, B. Bouchikhi and E. Llobet: Sens. Actuators, B 141 (2009) 538.
• 2 K. Yu, Y. Wang, J. Yu and P. Wang: Sens. Lett. 9 (2011) 876.
• 3 D. V. Saverio, P. Marco and M. Luca: Sens. Actuators, B 143 (2009) 182.
• 4 F. Hossein-Babaei and V. Ghafarinia: Sens. Actuators, B 143 (2010) 641.
• 5 J. Haugen, O. Tomic and K. Kvaal: Anal. Chim. Acta 407 (2000) 23.

タイトルに関連する用語 (6件)： 化学 ,  ガスセンサ ,  ドリフト ,  多重 ,  自己組織化マップ ,  訓練