基于栈式降噪自动编码器的气体识别

摘要：

为克服手工设计特征的繁杂过程以及特征不通用性,提高气体识别准确率,提出一种基于深度学习的气体定性识别方法,自动提取自适应的气体数据特征.实验基于UCI机器学习气体数据集,分别对比基于2层深度神经网络结构-栈式降噪自动编码器以及浅层机器学习算法的气体定性识别效果.实验结果表明,基于深度学习算法自动提取特征的过程更简单、通用,提高了气体识别的准确率,改善了传统方法的复杂流程.

关键词：气体识别、时间序列信号、高维、深度学习、降噪自动编码器

所属期刊栏目：38

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目61272005

在线出版日期：2017-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：814-818,836