- Tytuł:
-
Method of selecting the LS-SVM algorithm parameters in gas detection process
Sposób doboru parametrów algorytmu LS-SVM w procesie detekcji gazów - Autorzy:
-
Lentka, Ł.
Smulko, J. - Powiązania:
- https://bibliotekanauki.pl/articles/267849.pdf
- Data publikacji:
- 2015
- Wydawca:
- Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
- Tematy:
-
gas detection
optimal parameters selection
support vector machine (SVM)
artificial immune system
detekcja gazów
optymalny dobór parametrów
maszyna wektorów nośnych
sztuczny system immunologiczny - Opis:
-
In this paper we showed the method of resistive gas sensors data processing. The UV irradiation and temperature modulation was applied to improve gas sensors’ selectivity and sensitivity. Noise voltage across the sensor’s terminals (proportional to its resistance fluctuations) was recorded to estimate power spectral density. This function was an input data vector for LS-SVM (least squares – support vector machine) algorithm, which predicted a concentration of gas present in sensor’s ambient atmosphere. The algorithm creates a non-linear regression model at learning stage. This model can be used to predict gas concentration by recording resistance noise only. We have proposed a fast method of selecting LS-SVM parameters to determine high quality model. The method utilizes a behavior of immune system to determine optimal parameters of the LS-SVM algorithm. High accuracy of the applied method was proved for the recorded experimental data.
W artykule pokazano metodę przetwarzania danych z rezystancyjnych czujników gazów, stosowaną do wykrywania gazów. W celu zwiększenia czułości i selektywności czujników zastosowano modulację temperaturową oraz oświetlenie diodą LED UV aby zebrać więcej danych. Szumy napięciowe rejestrowane na zaciskach czujnika (proporcjonalne do fluktuacji jego rezystancji) zostały wykorzystane do wyznaczenia gęstości widmowej mocy. Ta funkcja stanowiła wektor danych wejściowych dla algorytmu maszyny wektorów nośnych według kryterium najmniejszych kwadratów (LS-SVM), umożliwiając określenie stężenia gazu występującego w atmosferze otaczającej czujnik. Nieliniowy charakter algorytmu pozwala na tworzenie w fazie uczenia modelu na podstawie danych uzyskanych z pomiarów za pomocą metody odniesienia. Pokazano szybki sposób doboru optymalnych parametrów algorytmu LS-SVM, gwarantujących skuteczność szacowania stężenia gazu. W badaniach wykorzystano metodę symulującą działanie systemu odpornościowego. Analiza danych eksperymentalnych potwierdziła skuteczność prezentowanej metody. - Źródło:
-
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 46; 69-72
1425-5766
2353-1290 - Pojawia się w:
- Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
- Dostawca treści:
- Biblioteka Nauki
Artykuł