AIOS-2030 인공지능 후각 시스템

AIOS-2030 인공지능 후각 시스템-- 차세대 후각 감지 감별 평가 체계 구축

코어를 모아 바람을 쫓는 인공지능 후각 시스템 기술 소개

이 시스템은 실험실 수준의 인공 지능 후각 시스템으로 세 부분으로 구성되어 있습니다.

샘플 전처리 샘플링 시스템

이 부분은 동적 공중 처리 시스템으로, 주요 작업은 샘플을 공중 병에 넣고, 가열 추출 냄새 물질을 저온 포집 함정에 넣고, 농축 후 후각 시스템에 샘플을 넣고, 구체적인 기술 매개변수는 제품 컬러 페이지를 참고할 수 있으며, 이 시스템은 ppt 농도 단계의 냄새 물질을 수집할 수 있으며, 더욱 전면적인 수집 및 샘플링은 인공지능 후각 시스템의 중요한 일환이다.

AIOS-2030 인공지능 후각 시스템：

이 섹션은 냄새 분자와 센서 재료의 상호 작용을 감지하여 냄새 정보를 전기 신호로 변환하는 최소 10 개의 센서 배열로 후각 비강을 구성합니다.센서에는 (1) 아세톤류, (2) 유기황화물질소화합물, (3) 메틸벤젠, 알데히드, 케톤과 알코올, 알킬방향족화합물, (4) 지방족탄화수소, 할로겐탄화수소, 에테르, 에스테르, 피리딘, 페놀과 알코올, (5) 알코올, 케톤, 알데히드와 방향족화합물 (6) 메탄과 황화수소, (7) 페놀, 아세톤과 아세톤, 에틸렌과 아세톤, 에틸렌과 아세톤, 에테르, 에틸벤젠과 아세톤, 에테르알킬탄화수소, 알킬탄화수소, (9) 알킬탄화수소, 일산화탄소, 알데히드, 알코올, 질소산화물, 케톤과 알데히드, (10) 황화물, 질소화물, 탄화물, 탄화수소류와 질소산화물.센서의 모델 선택은 구체적인 응용 장면에 따라 최적화되어야 한다.

이밖에 량호한 비강기로회전체계는 모든 기체의 성분에 더욱 잘 호응하고 타성화처리로 잔류를 낮추어 교차오염을 피면할수 있다.

후각 신경망

후각 신경망은 냄새 신호에 대한 특징 추출과 패턴 식별을 책임지고 후각 감지 데이터를 생성합니다. 후각 신경망은 일반적으로 다음과 같은 계층을 포함합니다.

입력 레이어: 가스 농도, 온도, 습도 등과 같은 센서로부터 다차원 데이터 수신

숨겨진 레이어: 다중 레이어 감지기 또는 볼륨 신경망을 통해 냄새 특성을 추출합니다.숨겨진 레이어의 설계는 계산 복잡도와 피쳐 추출 능력의 균형을 맞추기 위해 네트워크의 깊이와 너비를 고려해야 합니다.

출력층: 냄새 분류 또는 농도 예측 결과를 생성합니다.출력 레이어의 설계는 다중 분류 작업 또는 복귀 작업과 같은 특정 작업에 따라 최적화되어야 합니다.

고품질의 훈련 데이터는 신경망 성능의 관건이다.비강 시스템은 디지털 신호를 생성하기 위해 데이터 사전 처리, 즉 원시 데이터에 대한 소음 감소, 귀일화 등 처리를 진행하여 데이터의 질과 일치성을 높여야 한다.그런 다음 데이터 마크업을 수행하면 냄새 데이터에 인공 또는 자동 마크업을 수행하여 학습 감독에 필요한 태그를 생성합니다.

패턴 인식은 신경망을 통해 냄새를 분류하거나 농도를 예측하는 과정이다.우리 회사의 인공 지능 후각 시스템은 현재 4 개의 모드 인식 알고리즘을 통합하고 있습니다.

1. KNN (K-Nearest Neighbors) 알고리즘은 분류 대기 샘플과 훈련 데이터에서 가장 가까운 K개 샘플의 거리를 계산하여 다수결 원칙으로 범주 귀속을 확정하는 인스턴스 기반 감독 학습 분류 방법이다.

2. 지원 벡터 머신 (Support Vector Machine, SVM) 은 학습을 감독하는 이분류 알고리즘으로, 그 핵심 사상은 분류 간격을 크게 하여 비교적 우수한 초평면을 찾는 것이며, 선형 분할 가능 데이터와 비선형 분할 가능 데이터에 적용되며, 패턴 식별 등 분야에 널리 응용된다.

3. 랜덤 포레스트는 의사 결정 트리를 기반으로 한 통합 학습 알고리즘으로 여러 그루의 나무를 구축하고 그들의 예측 결과를 결합하여 모델의 정확성과 노봉성을 향상시키며 분류, 회귀, 특징 선택 등의 임무에 널리 응용된다.

4. Gradient Boosting은 회귀 및 분류 작업에 적합한 약한 학습기 (일반적으로 의사 결정 트리) 를 반복적으로 훈련하고 예측 결과를 누적하여 모델 성능을 최적화하는 통합 학습 알고리즘입니다.

테스트 필요에 따라 새로운 알고리즘 모델을 도입해 샘플을 감별 평가할 수도 있다.

마지막으로, 후각 시스템의 훈련을 잘 완수하기 위해, 우리 회사도"배주"기술 서비스를 가지고 프로젝트 시스템의 순조로운 실시를 보장하고,"배주"서비스의 주요 업무는 사용자를 협조하여 후각 시스템을 훈련하고, 프로젝트 수요에 따라 더 좋은 감지기 조합을 찾고 최적화하며, 더 나은 빅 데이터 모델 알고리즘, 알고리즘 융합을 선택하여 테스트하고, 등급을 분별하는 능력과 안정성을 향상시키는 것이다.