Do what you think is right
气相色谱仪
北京化工大学化学学院最新发布了一篇研究文章,该研究致力于开发一种便携式气相色谱仪,结合机器学习实现现场的VOC采集和快速的气味评价。
研究者通过使用卷积神经网络-长短期记忆(CNN-LSTM)建立了气味强度的预测模型;由于收集的数据量较小,使用生成对抗网络(GAN)对每个气味强度类别的VOC数据进行了生成,以增强模型的训练。
在生成数据后,研究者再次使用CNN-LSTM建立了模型,并与人工神经网络(ANN)、支持向量机(SVM)和梯度提升决策树(XG-Boost)进行了比较。结果表明,使用GAN生成数据后的测试准确率优于原始数据。
未来的工作将集中在进一步优化模型和扩大数据集上,以提高预测的准确性和稳定性。
这项研究表明,通过使用深度学习和生成对抗网络,可以有效地预测车内的气味强度,从而改善车内的空气质量。此外,研究者还将探索将这种方法应用于其他环境条件下的空气质量预测,为未来的空气质量监测和改善提供了新的可能性。便携且模型结构较小的设备可以直接嵌入到车上,从而实现现场的VOC采集和快速的气味评价。
[来源:仪器信息网] 未经授权不得转载
愿做一束微光,点亮一片“星辰”:莱伯泰科十二载守护大凉山儿童成长
2024.09.29
全国第十届近红外光谱学术会议圆满落幕,这些青年才俊荣获最佳墙报奖!
2024.09.26
震惊!小海龟科技推出14.9万数字PCR一体机,数字PCR“价格战”升级?
2024.09.26
2024.09.30
2024H1全球上市仪器公司营收TOP排行榜揭晓:潮水退去,谁能逆势突围?
2024.09.29
2024.09.29
版权与免责声明:
① 凡本网注明"来源:仪器信息网"的所有作品,版权均属于仪器信息网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:仪器信息网"。违者本网将追究相关法律责任。
② 本网凡注明"来源:xxx(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为默认仪器信息网有权转载。
谢谢您的赞赏,您的鼓励是我前进的动力~
打赏失败了~
评论成功+4积分
评论成功,积分获取达到限制
投票成功~
投票失败了~