This paper considers a new construc

This paper considers a new construction of an electronic nose (E-nose) system based on a neural
network. The neural network used here is a competitive neural network by the learning vector
quantisation (LVQ). Various odors are measured with an array of many metal oxide gas sensors. After
reducing noises from the odor data which are measured under different concentrations, we take the
maximum values among the time series data of odors. As they are affected by concentration levels, we
use a normalization method to reduce the fluctuation of the data and reorder the measurement data
according to the concentration levels to make the features invariant with the concentration levels. Those
data are used to classify the various odors of teas and coffees. The classification results are about 96% in
case of four kinds of teas and about 89% for five kinds of coffees.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้พิจารณาก่อสร้างใหม่ของระบบตามประสาทจมูกอิเล็กทรอนิกส์ (E-จมูก)เครือข่าย เครือข่ายประสาทที่ใช้ที่นี่เป็นเครือข่ายประสาทแข่งขัน โดยเวกเตอร์เรียนquantisation (LVQ) กลิ่นต่าง ๆ จะวัด ด้วยเซนเซอร์ก๊าซออกไซด์โลหะหลาย หลังจากลดเสียงจากข้อมูลกลิ่นซึ่งวัดภายใต้ความเข้มข้นแตกต่างกัน เรามีการค่าสูงสุดระหว่างข้อมูลอนุกรมเวลาของกลิ่น เป็นผู้ได้รับผลจากระดับความเข้มข้น เราใช้วิธีการฟื้นฟูเพื่อลดความผันผวนของข้อมูล และจัดลำดับข้อมูลประเมินตามระดับความเข้มข้นเพื่อให้คุณลักษณะภาษาที่มีระดับความเข้มข้น ผู้ข้อมูลที่ใช้เพื่อจำแนกกลิ่นต่าง ๆ ของชาและกาแฟ ผลการจัดประเภทจะประมาณ 96% ในกรณีของสี่ชนิด ของชา และกาแฟชนิดห้าประมาณ 89%

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะพิจารณาการก่อสร้างใหม่ของจมูกอิเล็กทรอนิกส์ (E-จมูก)
ระบบขึ้นอยู่กับประสาทเครือข่าย เครือข่ายประสาทใช้ที่นี่เป็นเครือข่ายประสาทในการแข่งขันโดยเวกเตอร์การเรียนรู้การประมาณ (LVQ)
กลิ่นไม่พึงประสงค์ต่างๆที่วัดกับอาร์เรย์ของโลหะหลายออกไซด์ก๊าซเซ็นเซอร์ หลังจากที่ลดเสียงจากข้อมูลกลิ่นที่มีความเข้มข้นต่ำกว่าวัดที่แตกต่างกันเราใช้เวลาค่าสูงสุดในหมู่ข้อมูลอนุกรมเวลาของกลิ่นไม่พึงประสงค์ ขณะที่พวกเขาจะได้รับผลกระทบจากระดับความเข้มข้นเราใช้วิธีการฟื้นฟูเพื่อลดความผันผวนของข้อมูลและการเรียงลำดับข้อมูลการวัดตามระดับความเข้มข้นที่จะทำให้คุณสมบัติคงที่ที่มีระดับความเข้มข้น ผู้ที่ข้อมูลที่จะใช้ในการจำแนกกลิ่นไม่พึงประสงค์ต่างๆของชาและกาแฟ ผลการจัดหมวดหมู่ที่เกี่ยวกับ 96% ในกรณีของสี่ชนิดของชาและประมาณ89% เป็นเวลาห้าชนิดของกาแฟ

ผลลัพธ์ (ไทย) 3:

กระดาษนี้จะพิจารณาการสร้างใหม่ของจมูกอิเล็กทรอนิกส์ ( จมูก ) ระบบ โดยใช้เครือข่ายประสาท

โครงข่ายประสาทเทียมที่ใช้ที่นี่เป็นเครือข่ายประสาทที่แข่งขัน โดยเรียนเวกเตอร์
quantisation ( lvq ) กลิ่นไม่พึงประสงค์ต่าง ๆ เป็นวัดที่มีอาร์เรย์ของหลายโลหะออกไซด์ก๊าซเซ็นเซอร์ หลังจาก
ลดเสียงจากกลิ่นข้อมูล ซึ่งวัดได้ที่ความเข้มข้นต่างกัน เราใช้
ค่าที่มากที่สุดของข้อมูลอนุกรมเวลาของกลิ่นไม่พึงประสงค์ เช่นที่พวกเขาจะได้รับผลกระทบโดยระดับความเข้มข้นเรา
ใช้บรรทัดฐานวิธีเพื่อลดความผันผวนของข้อมูลและสั่งซื้อข้อมูลการวัด
ตามระดับความเข้มข้นเพื่อให้มีความพร้อมในระดับความเข้มข้น ข้อมูลเหล่านั้น
ใช้แยกต่างๆ กลิ่นของชาและกาแฟการจัดหมวดหมู่ผลลัพธ์ประมาณ 96% ใน
กรณีสี่ชนิดของชาและประมาณ 89% ห้าชนิดของกาแฟ