Machine learning analysis of e-nose signal in early detection of mold contamination in buildings Zastosowanie uczenia maszynowego do analizy sygnału e-nosa we wczesnym wykrywaniu porażenia budynków
Mould that develops on moistened building barriers is a major cause of the Sick Building Syndrome (SBS). Fungi emit Volatile Organic Compounds (VOC) that can be detected in the indoor air using several techniques of detection e.g. chromatography but also using gas sensors arrays. All array sensors generate particular electric signals that ought to be analysed using properly selected statistical methods of interpretation. This work is focused on the attempt to apply unsupervised and supervised statistical classifying models in the evaluation of signals from gas sensors matrix to analyse the air sampled from the headspace of various types of the building materials at the different level of contamination but also clean reference materials.
Grzyb rozwijający się na ścianach budynków jest głównym powodem zjawiska, które nazwano Syndromem Chorego Budynku. Wolne związki organiczne emitowane przez grzyby mogą być wykryte różnymi metodami, m.in. na podstawie chromatografii, ale także za pomocą matryc czujników gazowych. Wszystkie tego typu narzędzia generują sygnały elektryczne, które można analizować za pomocą odpowiednich technik statystycznych. Praca skupia się na zastosowaniu nadzorowanych i nienadzorowanych technik uczenia maszynowego w ocenie sygnału pochodzącego z elektronicznego nosa.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00