论文部分内容阅读
在简要概述电子鼻系统原理的基础上。分析人工神经网络模式识别的特性、结构和识别原理。阐述一种基于人工神经网络的混合气体检测方法。结果证明通过人工神经网络的模式识别和气体传感器阵列技术相结合，能够有效地解决气体传感器阵列的交叉敏感问题，从而实现对混合气体的定性定量检测，并且拥有广泛的应用前景。
基于人工神经网络的电子鼻对混合气体检测研究
【摘 要】
：
在简要概述电子鼻系统原理的基础上。分析人工神经网络模式识别的特性、结构和识别原理。阐述一种基于人工神经网络的混合气体检测方法。结果证明通过人工神经网络的模式识别
【机 构】
：
中国人民解放军军械工程学院计算机工程系
【出 处】
：
现代计算机(专业版)
【发表日期】
：
2010年5期
其他文献
<正>2018年8月,《习近平扶贫论述摘编》(以下简称《摘编》)出版发行。全书分8个专题,收入摘自习近平总书记2012年11月15日至2018年6月期间的讲话、报告、演讲、指示、批示等6
创新型小微企业是小微企业中的优质企业,有着更大的发展潜力,但因自身特点限制,在市场竞争中处于相对弱势地位。因此,化解小微企业的生存风险,尤其是创新型小微企业,激励更多
在基于多帧航空图像同名点的对地定位方法中,求解摄像机参数改正数和地面点坐标改正数的一次完成最小二乘算法(LMS)的运算效率随同名点数目的增加而急剧下降。为解决该问题,根据改正数约束方程中摄像机参数改正数系数矩阵与地面点坐标改正数系数矩阵相互独立的特点,提出了摄像机参数改正数和地面点坐标改正数的分离估计新算法。该算法以分离LMS为基础,用迭代方法交替求解摄像机参数改正数和地面点坐标改正数。每一步迭代
针对SVM分类过程中,处理大规模训练样本集遇到的因样本维度高、消耗大量内存导致分类效率低下的问题,提出基于网格环境的计算策略。该策略针对密集型计算问题分别提出按步骤、按功能、按数据进行任务分解的三种解决方案,用户根据SVM样本训练和分类的实际来选择使用哪一种方案。对遥感数据分别在单机环境和网格环境的对比实验表明,能够提高训练和分类速度,在计算环境的层面弥补处理大规模数据对计算性能的高要求。
网络及教学系统的管理、各种软硬资源的管理等，对建设实验室的教学科研环境起着保证作用，直接影响着教学和科研的发展。针对计算机实验室的特点，总结管理经验，从网络教学管理以及
简单介绍增霸卡以及增霸卡一些常用功能的使用方法．主要分析增霸卡在我校机房维护中所起的作用，表明增霸卡的使用，确实为机房管理解决了许多难题，也可供其他院校机房管理人员借鉴