基于对抗式域适应网络的气体传感器漂移补偿算法_任青颖.pdf
《基于对抗式域适应网络的气体传感器漂移补偿算法_任青颖.pdf》由会员分享,可在线阅读,更多相关《基于对抗式域适应网络的气体传感器漂移补偿算法_任青颖.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 年 月传 感 技 术 学 报 .项目来源:国家自然科学基金项目();江苏省自然科学基金项目();南京邮电大学教改课题项目()收稿日期:修改日期:,(,;,;,):,:;:基于对抗式域适应网络的气体传感器漂移补偿算法任青颖,张 钰,蔡炜铭,唐玉林,薛 梅,(南京邮电大学,电子与光学工程学院,江苏 南京;南京邮电大学电子科学与技术国家级实验教学示范中心,江苏 南京;南京邮电大学信息电子技术国家级虚拟仿真实验教学中心,江苏 南京)摘 要:气体传感器漂移现象严重限制了其广泛应用。为降低漂移问题对气体传感器工作性能的影响,提出一种基于对抗式域适应网络的漂移补偿方法。该方法将域适应学习和对
2、抗学习相结合,利用关联对齐(,)距离对齐源域和目标域的数据分布,从而使得源域样本训练的分类模型可以更好地在目标域样本上使用。利用该算法在公开数据集上进行漂移补偿实验,其识别气体的平均精度达到了,表明该方法可以有效补偿气体传感器的漂移,提高传感器的可靠性。关键词:漂移补偿;域适应;对抗学习;气体传感器;电子鼻中图分类号:文献标识码:文章编号:()气体传感器在生产生活的各个领域具有广泛的应用,如:环境监测、医疗卫生、食品安全以及航空航天等。电子鼻系统是气体传感器阵列与模式识别的结合,克服了单一传感器对气体种类、浓度等信息无法自动识别的困难,使得气体检测更加智能化。气体传感器作为电子鼻的重要组成部分
3、,往往会由于外界环境(如温度、湿度等)变化,以及传感器自身老化等问题,而出现漂移现象,即传感器响应偏离基准值,这会导致后续的模式识别结果不准确。这种现象是不可避免也是不容忽视的,因此,对气体传感器进行漂移补偿,以获得更稳定、更可靠的输出结果具有重要意义。目前,常用的补偿方式有两种:一种是从硬件角度出发,优化传感器结构或气敏材料;另一种是利用模式识别算法对漂移信号进行校正。第二种方法较第一种更加灵活,是目前较为热门的补偿方式,等将 分类器与循环神经网络结合,提高了模型对长期漂移的补偿能力。等采用局部线性嵌入的方法对高维数据进行降维,并利用循环神经网络作为分类器,提高了模型的准确率和稳定性,缩短了
4、响应时间。等提出域正则化成分分析法,将源域和目标域映射到相同特征子空传 感 技 术 学 报第 卷间,以提高数据分布一致性,从而改善了分类器在漂移样本的识别效果。本文基于迁移学习的思想,提出一种对抗式域适应网络(),将关联对齐(,)距离作为域间差异的度量,以对抗的训练方式减小该距离,提高域间分布一致性,进而使得电子鼻系统在传感器发生漂移的情况下也可以稳定地输出识别结果。域适应漂移补偿方法受各种因素影响,使用相同测量设备采集到的传感器响应数据也难免存在差异。传统的机器学习假定训练集和测试集满足独立同分布,由于传感器漂移导致分布差异,先前训练的模型在测试时准确率下降,模型泛化能力也会降低。域适应方法
5、是一种在训练集与测试集不满足独立同分布条件下的机器学习技术,将训练集和测试集分别作为源域和目标域,域适应学习可以有效解决源域和目标域概率分布不一致的问题。鉴于这一优势,基于域适应的漂移补偿方法逐渐成为气体传感器漂移补偿领域的主流。如基于域分布差异的漂移补偿方法,该方法通常会引入衡量域间分布差异的准则,并将其加入模型的损失函数,经过模型的训练,实现域间分布差异最小化。等在该思想的基础上提出一种基于“搬土”距离()的漂移补偿方法,提高了模型的识别准确率。此外,还有基于子空间学习的方法、基于域重建的补偿方法等。本文提出的 网络结合了领域分布差异补偿方法和对抗学习,自适应地实现传感器的漂移补偿。对抗式
6、域适应网络的构建方法 域对抗神经网络生成 对 抗 网 络(,)由 等在 年提出,该网络由两部分组成,分别为生成器和判别器。生成器生成的样本要尽可能混淆判别器,而判别器则要尽可能分辨出生成器样本和真实样本,两者互相对抗。年,等将对抗的学习方式加入到域适应训练中,提出域对抗神经网络(,),其结构如图 所示。网络采用带标签的源域样本和不带标签的目标域样本进行训练,该模型的目标是提取域不变特征。在该模型中生成器变为特征提取器(),判别器变为域分类器():特征提取器提取的特征要使得域判别器无法判别出其属于源域还是目标域,域判别器则要尽可能准确地分辨出特征的域标签,两者相互对抗。此外,这些特征也要用来区分
7、样本类别,即同时实现标签分类器()的损失函数最小化,域分类器()的损失函数最大化。图 模型结构 关联对齐距离关 联 对 齐 距 离(,)是无监督域适应学习中常用的域间距离度量准则。它衡量了源域和目标域间协方差的差异:()式中:、分别表示源域和目标域的协方差矩阵,为线性变换矩阵,为线性变换后的源域协方差矩阵,表示矩阵范数的平方。通过缩小域间协方差距离来实现域对齐,相较于子空间对齐方式,方法更通用、更简单,并且成本更低,它同时考虑了协方差矩阵的特征向量和特征值,不需要选择子空间维数以及控制子空间维度的超参数等,减少了预期设定的负担。图 对抗式域适应网络结构 对抗式域适应网络的构建 网络等价于最小化
8、源域和目标域特征的 散度,当两个分布无重叠时,散度为常量,会导致梯度消失。因此,本文在借鉴 网络思想的基础上,利用 距离作为域间差异的度量,其结构如图 所示。在该网络中,样本空间包括:带标签的源域(,)、以及无标记目标域样本()。利用、训练模型,并利用 验证模型准确率。在训练阶段,源域样本和目标域样本首先会经过共享特征提取网络(;)的映射转换为一个特征向量,接着网络出现分支:源域样本的特征经过分类网络(;)的映射,输出样本类别标签,第 期任青颖,张 钰等:基于对抗式域适应网络的气体传感器漂移补偿算法 同时,所 有 样 本 的 特 征 都 会 进 入 域 判 别 网 络(;),经过映射输出域间
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 对抗 适应 网络 气体 传感器 漂移 补偿 算法 任青颖
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。