龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安交通大学
摘要：本发明公开了一种混合气体识别方法、系统、终端设备及存储介质，包括：获取混合气体的多通道一维时间序列数据；对多通道一维时间序列数据进行一维卷积操作，对一维卷积操作之后的特征进行拼接处理，提取总体特征；对总体特征进行卷积和池化操作，得到特征提取的结果；从特征提取的结果中识别出混合气体的种类；利用卷积神经网络与循环神经网络，对混合气体的浓度进行实时预测。本发明对于随机情况下的一维卷积神经网络混合气体种类识别方法，能够自动提取特征并且能够将提取的特征进行分类识别出混合气体的种类，不需要将特征提取和分类训练分开。本发明以多标签的方式对气体种类进行标记，减少了单标签的方式带来的维度空间。
主权项：1.一种混合气体识别方法，其特征在于，包括以下步骤：获取混合气体的多通道一维时间序列数据；对多通道一维时间序列数据进行一维卷积操作，对一维卷积操作之后的特征进行拼接处理，提取总体特征；对总体特征进行卷积和池化操作，得到特征提取的结果；利用多标签分类方法，从特征提取的结果中识别出混合气体的种类；所述多标签分类方法，具体如下：目标气体的预测如下： 其中，表示激活函数，表示第二层隐藏层的权重，表示转置矩阵，表示网络输入，表示偏置项；采用sigmoid函数的输出作为分类的结果，对于输出的结果使用阈值为0.5作为评判准则，对输出值高于0.5的预测值标签设为1，若低于0.5的则设为0；模型的二分类的Log损失如下： 其中，为类别，是真实标签，是分类器的数量，和分别是类别的正预测和负预测的概率，最终将分类器的Log损失值的平均值作为最终的损失值；建立回归模型，利用卷积神经网络与循环神经网络，根据混合气体的种类，结合特征提取的结果，对混合气体的浓度进行实时预测；所述对混合气体的浓度进行实时预测，包括：将原始的时序数据组合，并选择有意义的高层次特征，将卷积神经网络CNN输出的高层次特征输入到循环神经网络RNN层，使用循环神经网络RNN对这些高层次特征在时间维度上进行分析，筛选出最适合用于时间上预测的特征；通过筛选好的特征向量拼接成全连接的方式，用于线性回归的计算，最终得出预测浓度值。
全文数据：
权利要求：
百度查询： 西安交通大学 一种混合气体识别方法、系统、终端设备及可读存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号