Black Tea is conventionally tested

Black Tea is conventionally tested by human sensory panel called “Tea Tasters”, who assign quality scores
to different teas. Electronic nose-based studies aimed at co-relation of sensor array output signature with
Tea Tasters’ scores have already been accomplished by the authors with good accuracy [N. Bhattacharyya,
R. Bandyopadhyay, M. Bhuyan, B. Tudu, D. Ghosh, A. Jana, Electronic nose for black tea classification and
correlation of measurements with “Tea Taster” marks, IEEE Trans. Instrum. Meas. 57 (2008) 1313–1321],
where a number of conventional neural network topologies have been explored. One of the principal prob-
lems encountered in the above studies is collection of tea samples as tea industries in India are spread
over dispersed locations and quality of tea varies considerably on agro-climatic condition, type of planta-
tion, season of flush and method of manufacturing. As a result, the entire dataset is not available at a time
and training the conventional neural network models becomes difficult. In this regard, classifiers having
the incremental learning ability can be of great benefit by automatically including the newly presented
patterns in the training dataset without affecting class integrity of the previously trained system. In the
presented paper, the radial basis function (RBF) neural network with the incremental learning feature is
used in the pattern recognition algorithm for black tea aroma classification with electronic nose.

ผลลัพธ์ (ไทย) 1:

มีทดสอบชาดำ โดยแผงรับความรู้สึกที่มนุษย์เรียกว่า "Tasters ชา" ที่กำหนดคะแนนคุณภาพดีชาที่แตกต่างกัน ศึกษาโดยใช้จมูกอิเล็กทรอนิกส์มุ่งความสัมพันธ์ร่วมของเซนเซอร์อาร์เรย์ออกลายเซ็นคะแนนของชา Tasters ทำแล้วได้สำเร็จ โดยผู้เขียน มีความแม่นยำดี [ตอนเหนือ BhattacharyyaR. ซันสำหรับชาดำ classification Bandyopadhyay, Bhuyan เมตร B. Tudu, D. ภโฆษ A. Jana อิเล็กทรอนิกส์ และความสัมพันธ์ของการวัดด้วยเครื่องหมาย "ชา Taster", IEEE Instrum โอนย้าย วัด 57 (2008) 1313 – 1321],ที่หมายเลขของเครือข่ายประสาทปกติโทได้รับอุดม หนึ่งในหลัก prob-lems ที่พบในการศึกษาดังกล่าวเป็นชุดตัวอย่างชามีกระจายอุตสาหกรรมชาในประเทศอินเดียสถานที่กระจัดกระจายและชาที่มีคุณภาพแตกต่างกันไปมากในเงื่อนไข climatic เกษตร ชนิดของลเวียมานอร์-สเตรชัน ฤดูกาลของ flush และวิธีการผลิต ดัง ชุดข้อมูลทั้งหมดไม่มีที่และฝึกอบรมแบบจำลองโครงข่ายประสาททั่วไปจะ difficult ในเรื่องนี้ classifiers ที่มีความสามารถในการเรียนรู้เพิ่มขึ้นสามารถ benefit ดี โดยอัตโนมัติรวมถึงการนำเสนอใหม่รูปแบบในการฝึกอบรมชุดข้อมูลโดยไม่ส่งผลกระทบต่อระดับความสมบูรณ์ของระบบฝึกอบรมก่อนหน้านี้ ในนำกระดาษ ข่ายประสาทของฟังก์ชัน (RBF) รัศมีพื้นฐานคุณลักษณะการเรียนรู้เพิ่มขึ้นเป็นใช้ในขั้นตอนวิธีการรู้จำรูปแบบ classification หอมชาดำกับจมูกอิเล็กทรอนิกส์

ผลลัพธ์ (ไทย) 2:

ชาดำมีการทดสอบตามอัตภาพโดยคณะประสาทสัมผัสของมนุษย์ที่เรียกว่า "ชา Tasters" ที่กำหนดคะแนนคุณภาพ
การชาที่แตกต่างกัน การศึกษาจมูกอิเล็กทรอนิกส์ตามวัตถุประสงค์ที่จะร่วมความสัมพันธ์ของลายเซ็นอาร์เรย์เซ็นเซอร์เอาท์พุทที่มี
คะแนนชา Tasters 'ได้รับการประสบความสำเร็จโดยนักเขียนที่มีความแม่นยำที่ดี [เอ็น bhattacharyya,
อาร์ Bandyopadhyay เมตร Bhuyan บี Tudu, D. กอชเอ Jana จมูกอิเล็กทรอนิกส์สำหรับชาดำไอออนบวก fi และจัดประเภท
ของการวัดความสัมพันธ์กับ "ชาชิม" เครื่องหมายอีอีอีทรานส์ Instrum Meas 57 (2008) 1313-1321]
ที่จำนวนของโครงสร้างเครือข่ายประสาททั่วไปได้รับการสำรวจ หนึ่งในกำหนดปัญหาหลัก
LEMS พบในการศึกษาดังกล่าวข้างต้นคือการเก็บรวบรวมตัวอย่างชาชากับอุตสาหกรรมในประเทศอินเดียมีการแพร่กระจาย
ไปทั่วสถานที่แยกย้ายกันไปและคุณภาพของชาแตกต่างกันมากกับสภาพภูมิอากาศเกษตรประเภทของ planta-
การฤดูกาลของชั้น USH และวิธีการ การผลิต เป็นผลให้ชุดข้อมูลทั้งหมดที่ไม่สามารถใช้ได้ในช่วงเวลา
และการฝึกอบรมในรูปแบบเครือข่ายประสาทธรรมดากลายเป็นยากที่ ในเรื่องนี้ ERS จัดประเภทที่มี
ความสามารถในการเรียนรู้ที่เพิ่มขึ้นสามารถของสายเสื้อประโยชน์ที่ดีโดยอัตโนมัติรวมทั้งนำเสนอใหม่
รูปแบบในชุดฝึกอบรมโดยไม่มีผลต่อระดับความสมบูรณ์ของระบบการฝึกอบรมก่อนหน้านี้ ใน
กระดาษที่นำเสนอฟังก์ชั่นพื้นฐานรัศมี (RBF) เครือข่ายประสาทกับคุณลักษณะการเรียนรู้ที่เพิ่มขึ้นจะ
นำมาใช้ในรูปแบบขั้นตอนวิธีการรับรู้หอมชาดำไอออนจัดประเภทสายกับจมูกอิเล็กทรอนิกส์