PNN在混合气体分析中的应用

• 作者: 叶坚 秦树基
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 概率神经网络 混合气体分析 数值模拟
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 应用技术
• 页码范围: 78-81
• 页数: 4页
• 分类号: TP212
• 字数: 4222字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-9787.2006.04.028

摘要

把混合气体分析的问题转化为模式分类的问题来处理的新途径已被相关文献证明是可行的.然而,当感兴趣体积分数区被分成更多的子区域或混合气体组分数多于2时,模式类别数目的急剧增加使网络的输出节点数也大增.这不仅使计算工作量大增,而且,更难使误差收敛到全局极小.对二元混合气体的数值模拟结果表明:利用概率神经网络(PNN)可解决上述的问题.PNN不仅易于使用,而且,总能给出一个合理的分类结果,样本数足够多时,可给出高达95.4 %的识别率.此外,它的计算负载比反向传输网络轻得多.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦树基	同济大学物理系	24	190	9.0	12.0
2	叶坚	南京师范大学物理科学与技术学院	5	16	3.0	4.0