一种基于注意机制的快速、鲁棒的混合气体识别和浓度检测算法，配备了具有双损失函数的递归神经网络

这篇具有很好参考价值的文章主要介绍了一种基于注意机制的快速、鲁棒的混合气体识别和浓度检测算法，配备了具有双损失函数的递归神经网络。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

A fast and robust mixture gases identification and concentration detection algorithm based on attention mechanism equipped recurrent neural network with double loss function

摘要

提出一个由注意力机制组成的电子鼻系统。首先采用端到端的编码器译码器，提供处理可变长度输入的灵活性。然后提供一种新的门控循环单元网络，方便从时间动态中提取特征，在此基础上注意力机制动态分配气体特征的权重向量。最后采用双损失函数，利用同一网络实现对混合气体识别和浓度计算

介绍

PCA ICA FDA CNN进行分类
加权核+PCA/ICA/FDA等实现对非线性问题的识别
采用普通的CNN无法利用之前的信息
新提出的模型更适合混合气体采用端到端技术自动提取特征+长时间信息保留多标签技术实现气体排列组合双损失函数实现类别和浓度判别

网络结构如下所示
一种基于注意机制的快速、鲁棒的混合气体识别和浓度检测算法，配备了具有双损失函数的递归神经网络,电子鼻,算法,神经网络,人工智能
GRU包含重置门和更新门，重置门确定之前信息需要保留的信息，更新门利用当前信息和之前信息进行向下一个GRU输出，之后引入注意力机制，利用权重向量得到最终的气体特征，最后采用多标签技术，双损失函数的到最终结果