.png){kind=icon}
返回
A Fire Detection Method Based on a Mind-Linked Continuous-Coupled Neural Network
.png){kind=icon}
OA
AI
DOI：10.3390/biomimetics11060410.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着物联网（IoT）技术的发展，基于多传感器融合的火灾检测系统已成为确保公共安全的关键基础设施。由于环境噪声和传感器异质性，这些系统常出现高误报率和漏报率。尽管现有机器学习方法已部分提升分类精度，但整体性能仍有限。受人类大脑认知机制的启发，我们基于现有的连续耦合神经网络（CCNN）开发了一种改进的脑关联连续耦合神经网络（ML-CCNN）。我们提出了一种参数自适应机制，通过全局阈值调节神经激活。利用合成少数过采样技术（SMOTE）缓解数据不平衡问题，并将样本特征向量转换为矩阵进行训练。我们的模型在自有数据集上达到99.96%的准确率，在公开的烟雾检测数据集（SDD）上达到99.97%，突显了ML-CCNN在火灾检测中的潜力。
Keyword:
ML-CCNN
brain-inspired computing
fire detection
smoke alarm
期刊
B
IF:
3.9
论文数:
3.3K
被引数:
5.1K
机构
引用论文
Malcolm, K.; Casco-Rodriguez, J. A Comprehensive Review of Spiking Neural Networks: Interpretation, Optimization, Efficiency, and Best Practices. arXiv 2023, arXiv:2303.10780. [Google Scholar] [CrossRef]马尔科姆, K.; 卡斯科-罗德里格斯, J. 脉冲神经网络的综合综述：解释、优化、效率和最佳实践. arXiv 2023, arXiv:2303.10780. [谷歌学术] [交叉引用].png)
IF0
PREAI
分享收藏Direct training high-performance deep spiking neural networks: a review of theories and methods直接训练高性能深度脉冲神经网络: 理论与方法综述
OAAI
OAAI分享收藏
查看更多内容