.png){kind=icon}
返回
Multi-Scale Temporal-Dependency Learning for Single-Sensor Gas Classification
.png){kind=icon}
OA
AI
DOI：10.3390/s26185763.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
单传感器气体分类仍具挑战性，因为金属氧化物半导体传感器表现出有限的选择性，且不同气体可能产生相似响应模式。本文提出了一种多尺度时序依赖学习框架，结合基于存储器的多尺度动态学习（MsDL）与滞后相关性特征。为减少窗口构造导致的信息泄露，每个连续气体响应序列在窗口提取前按时间顺序划分为训练、验证和测试块，且相邻子集间排除2000个原始样本。主要评估采用非重叠窗口，并仅使用训练子集拟合所有数据依赖的预处理。在一组使用单传感器测量的七种挥发性有机化合物数据集上，所提出的MsDL+Corr表示与随机森林分类器实现的测试准确率为92.14%，宏F1得分为92.08%。在十次随机森林种子实验中，准确率为92.43% ± 0.37%。对应的微平均一-vs-余AUC为0.9948（99.48%）；该阈值无关的排序指标与分类准确率不同。特征消融表明，结合MsDL和相关性特征可提升宏F1得分，优于单一分支。结果表明，在保守的时间分离评估协议下，时序依赖表示能提供有用的判别信息。
Keyword:
gas classification
metal oxide semiconductor sensor
temporal-dependency learning
reservoir computing
correlation analysis
multi-scale representation
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
暂无机构信息
引用论文
Metal oxide-based gas sensor array for VOCs determination in complex mixtures using machine learning基于金属氧化物的气体传感器阵列，用于使用机器学习测定复杂混合物中的VOCs.png)
MICROCHIMICA ACTA
OAAI
MICROCHIMICA ACTAIF5.3
OAAI分享收藏Quantification of Volatile Compounds in Mixtures Using a Single Thermally Modulated MOS Gas Sensor with PCA–ANN Data Processing使用单个热调制MOS气体传感器结合PCA–ANN数据处理对混合物中的挥发性化合物进行定量分析OAAI
OAAI分享收藏Overcoming the Limits of Cross-Sensitivity: Pattern Recognition Methods for Chemiresistive Gas Sensor Array克服交叉灵敏度的限制: 化学电阻气体传感器阵列的模式识别方法NANO-MICRO LETTERSOAAI
NANO-MICRO LETTERSIF36.3
OAAI分享收藏Artificial intelligence-enabled MOS gas sensors: Towards Selective and intelligent detection in complex environments人工智能赋能的MOS气体传感器：面向复杂环境中的选择性及智能检测
PREAI
分享收藏Interfacial Electrostatic Amplification of Acetone Sensing and AI-Resolved Kinetic Discrimination in Hierarchical Co3O4–In2O3 Microspheres分层Co3O4–In2O3微球中丙酮传感的界面静电放大与AI解析的动力学区分
PREAI
分享收藏Pulse-driven MEMS gas sensor combined with machine learning for selective gas identification脉冲驱动的MEMS气体传感器与机器学习相结合用于选择性气体识别OAAI
OAAI分享收藏Reservoir Computing Approaches for Representation and Classification of Multivariate Time Series多元时间序列表示和分类的储层计算方法OAAI
OAAI分享收藏
查看更多内容