aios-2030 الذكاء الاصطناعي نظام الشم

aios-2030 الذكاء الاصطناعي نظام الشم- بناء جيل جديد من نظام التقييم الحسي الشم

مقدمة في الذكاء الاصطناعي نظام الشم

هذا النظام هو مختبر مستوى الذكاء الاصطناعي نظام الشم ، ويتألف من ثلاثة أجزاء :

عينة نظام المعالجة

هذا الجزء هو دينامية هيدسباس نظام المعالجة ، والعمل الرئيسي هو وضع العينة في زجاجة هيدسباس ، تدفئة استخراج رائحة المواد في درجة حرارة منخفضة محاصرة فخ ، بعد تركيز العينة في نظام حاسة الشم ، معايير تقنية محددة يمكن الرجوع إلى المنتج لون الصفحة ، يمكن للنظام جمع تركيز جزء لكل تريليون مستوى رائحة المواد ، أكثر شمولا جمع العينات هو الذكاء الاصطناعي نظام حاسة الشم حلقة هامة .

aios-2030 الذكاء الاصطناعي نظام الشمس

هذا الجزء يتكون من ما لا يقل عن 10 مجموعات من أجهزة الاستشعار في تجويف الأنف الشم ، وأجهزة الاستشعار الشم تحويل المعلومات إلى إشارات كهربائية من خلال الكشف عن التفاعل بين جزيئات الرائحة وأجهزة الاستشعار المواد . أجهزة الاستشعار تشمل : ( 1 ) الأسيتون ، ( 2 ) مركبات النتروجين كبريتيد العضوية ، ( 3 ) التولوين ، والألدهيدات ، والكيتونات والكحول ، ألكيل المركبات العطرية ، ( 4 ) الهيدروكربونات الأليفاتية ، halohydrocarbons ، والأثير ، استرات ، بيريدين ، الفينول والكحول ، ( 5 ) الكحول ، والكيتونات ، والألدهيدات والمركبات العطرية ( 6 ) ميثان كبريتيد الهيدروجين ، ( 7 ) الفينول ، والكيتونات ، خلات الأثيل ، كبريت ، كلور البنزين والتولوين الأثير ( 8 ) الألكانات ، الأوليفينات والمركبات العطرية الحساسة . الألكانات ، الأوليفينات والهيدروجين ، ( 9 ) الألكانات ، وأول أكسيد الكربون ، olefinic ألدهيد ، والكحول ، وأكاسيد النيتروجين ، والكيتونات والألدهيدات ، ( 10 ) كبريتيد ، نتريدات ، كربيد ، والهيدروكربونات ، وأكاسيد النيتروجين . اختيار نوع من أجهزة الاستشعار يجب أن يكون الأمثل وفقا لتطبيقات محددة .

وبالإضافة إلى ذلك ، فإن نظام دوران الأنف جيدة يمكن أن تستجيب على نحو أفضل لجميع مكونات الغاز ، والحد من بقايا خاملة العلاج وتجنب التلوث الصليب .

الشبكة العصبية الشمية

الشبكة العصبية الشمية هي المسؤولة عن رائحة إشارة ميزة استخراج نمط الاعتراف ، وتوليد البيانات الحسية الشمية ، الشم الشبكة العصبية عادة ما تشمل المستويات التالية :

طبقة المدخلات : الحصول على بيانات متعددة الأبعاد من أجهزة الاستشعار ، مثل تركيز الغاز ، درجة الحرارة ، الرطوبة ، الخ .

إخفاء طبقة : طبقة متعددة الاستشعار أو الإلتواء الشبكة العصبية تستخدم لاستخراج رائحة مميزة . تصميم طبقة خفية تحتاج إلى النظر في عمق وعرض الشبكة لتحقيق التوازن بين التعقيد الحسابي و ميزة استخراج القدرة .

طبقة المخرجات : توليد رائحة تصنيف أو تركيز النتائج المتوقعة . تصميم طبقة المخرجات يجب أن يكون الأمثل وفقا لمهام محددة ، مثل تصنيف متعددة المهام أو الانحدار المهام .

بيانات التدريب عالية الجودة هي مفتاح أداء الشبكة العصبية . من أجل تحسين نوعية واتساق البيانات ، إشارة رقمية من تجويف الأنف النظام يحتاج إلى معالجة البيانات وتجهيزها ، أي تقليل تشويش وتطبيع البيانات الأصلية . بعد ذلك ، يتم وضع العلامات على رائحة البيانات يدويا أو تلقائيا من أجل توليد العلامات اللازمة للإشراف على التعلم .

نمط الاعتراف هو عملية تصنيف أو التنبؤ تركيز رائحة من خلال الشبكة العصبية . شركتنا الذكاء الاصطناعي نظام الشم يدمج حاليا 4 خوارزميات التعرف على الأنماط :

1. k-nearest الجيران ( كنان ) خوارزمية هو نوع من التعلم القائم على حالة أشرف على طريقة التصنيف ، من خلال حساب المسافة بين عينات مصنفة و أقرب جار ك عينات من بيانات التدريب ، فئة الإسناد يتحدد التصويت بالأغلبية من حيث المبدأ .

2. آلة متجه الدعم ( SVM ) هو نوع من التعلم تحت إشراف ثنائي خوارزمية تصنيف ، والفكرة الأساسية هي العثور على أفضل hyperplanes من خلال زيادة تصنيف الفاصلة ، التي تنطبق على الخطية وغير الخطية فصل البيانات ، وتستخدم على نطاق واسع في التعرف على الأنماط وغيرها من المجالات .

3. مؤشر ستوكاستيك الغابات هي فرقة التعلم الخوارزمية على أساس شجرة القرار ، والتي يمكن تحسين دقة ومتانة النموذج من خلال بناء العديد من الأشجار و الجمع بين التنبؤ النتائج .

4. gradient تعزيز فرقة التعلم الخوارزمية ، والتي يمكن تحسين أداء النموذج من خلال التدريب المتكرر ضعف المتعلم ( عادة شجرة القرار ) و تراكم نتائج التنبؤ ، ومناسبة الانحدار والتصنيف المهام .

خوارزمية جديدة نموذج يمكن أن تستخدم أيضا لتحديد وتقييم العينات .

وأخيرا ، من أجل الانتهاء من التدريب على نظام حاسة الشم ، وشركتنا لديها أيضا " مرافقة تشغيل " الخدمات التقنية لضمان سلاسة تنفيذ نظام المشروع ، " مرافقة تشغيل " الخدمة هو مساعدة المستخدمين على تدريب نظام حاسة الشم ، وفقا لمتطلبات المشروع للحصول على أفضل مزيج من أجهزة الاستشعار ، وتحسين اختيار وقت الاختبار أكبر نموذج بيانات الخوارزمية ، خوارزمية الانصهار ، وتعزيز القدرة والاستقرار القرار التقييم .