Информация о статье

2024 г., Том 29, № 4, с.4-23

Козьмин А.Д., Редюк А.А.

Модели интерпретации данных полупроводниковых газовых сенсоров на основе методов машинного обучения

Исследуется применение методов машинного обучения для восстановления концентрации угарного газа CO в воздухе по данным полупроводниковых датчиков газа (metal-oxide gas sensor — MOX). Концентрация CO критически важна при контроле качества воздуха, так как повышенные уровни могут нанести вред здоровью людей и животных. Проведен анализ выходных данных датчиков и созданы новые признаки, включая COℎ, учитывающий зависимость концентрации от времени суток. Построены модели множественной линейной и полиномиальной регрессии, а также нейронных сетей для восстановления концентраций CO. Исследовалось влияние регуляризации на точность интерпретации данных газовых сенсоров. Работа демонстрирует возможность использования методов машинного обучения для контроля качества воздуха.


Ключевые слова: полупроводниковый датчик газа, угарный газ, полносвязная нейронная сеть, регуляризация, линейная регрессия, полиномиальная регрессия

Библиографическая ссылка:
Козьмин А.Д., Редюк А.А. Модели интерпретации данных полупроводниковых газовых сенсоров на основе методов машинного обучения // Вычислительные технологии. 2024. Т. 29. № 4. С. 4-23
Главная| Цели| Редколлегия| Содержание| Поиск| Подписка| Правила| Контакты
ISSN 1560-7534
© 2024 ФИЦ ИВТ, Новосибирск