[发明专利]基于忆阻细胞神经网络的电子鼻气体分类方法

说明书

本发明涉及电子鼻技术领域，具体公开了一种基于忆阻细胞神经网络的电子鼻气体分类方法，在硬件层面上使用了多类嗅觉传感器阵列来获取样本数据，然后再使用具有自适应约束条件的忆阻细胞神经网络(M‑CeNN)来提取数据特征，并在此基础上，采用结合增量式量化(INQ)方案的启发式优化算法来降低硬件层面计算和存储的资源损耗并尽可能提升软件层面的分类器精度和实时性，从而达到在一定程度上提升M‑CeNN模板参数的硬件友好性并保证模板精度的效果，处理精度高且应用门槛低，可应用于边缘计算，能够满足日常生活甚至是工业级强度的应用和精度需求。

技术领域

本发明涉及电子鼻技术领域，尤其涉及一种基于忆阻细胞神经网络的电子鼻气体分类方法。

背景技术

电子鼻是一种模拟动物嗅觉器官的技术产品，它由一系列特定的传感器和模式识别系统构成。在感官分析方面，经过长期的发展和完善，电子鼻的气体分析技术作为端侧/边缘计算智能技术的应用典范之一，得到了广泛的发展和研究。它能够取代传统依靠经验和个人嗅觉的评估方法，消除人类在判断事务上的主观性心理因素，从而能够根据事物散发的气味完成对事物的客观性评估。因此，自诞生以来，电子鼻技术就被广泛地应用于各类领域，如评估伤口感染情况、食品工程、环境控制，甚至是危险气体的浓度探测等。

但是一方面，大多电子鼻技术在数据分析和提取上采取的手段过于传统，愈发地不能适应于当代复杂的应用场景。另一方面，具有可重用性的精密仪器分析方法(如气相色谱法GC、气象色谱比气法GC-O、质谱法MS等)因为其过于昂贵的价格、过于复杂的操作手段、过于高的专业素养需求和过于严苛的预处理程序使得其难以满足日常生活的需求领域，因为这一类气体分析技术虽然具有极高的数据处理精度，但是远远无法达到人工智能端侧或边缘计算的应用强度，只能作为完备的研究平台被应用于有限的科研领域。

发明内容

本发明提供一种基于忆阻细胞神经网络的电子鼻气体分类方法，解决的技术问题在于：目前缺乏一种数据处理精度高且应用门槛低的电子鼻气体分类技术，应用于边缘计算，使得其能够满足日常生活甚至是工业级强度的应用和精度需求。

为解决以上技术问题，本发明提供一种基于忆阻细胞神经网络的电子鼻气体分类方法，包括步骤：

S1.在硬件层面上构建嗅觉传感器阵列和基于忆阻细胞神经网络的特征提取模块，在软件层面上构建分类器；

S2.基于所述嗅觉传感器阵列制作离散型数据集；

S3.采用所述离散型数据集对所述忆阻细胞神经网络和所述分类器进行训练，训练过程中采用结合增量式量化的启发式权值优化算法进行优化，在训练精度收敛的情况下，得到所述忆阻细胞神经网络的最优模板参数和所述分类器的最终结构以用于实际应用。

进一步地，在所述步骤S1中，所述忆阻细胞神经网络由M行×N列个局部互联的神经元组成，每一个神经元在预定义的邻域范围r内与邻域细胞直接互联，其中邻域尺寸为：(2r+1)²。

进一步地，每个所述神经元的电路结构包括电容、状态忆阻器、两个压控电流源，所述压控电流源的权值设置以及加权操作通过基于忆阻桥电路的人工突触结构实现，分别表示邻域细胞输入、输出对当前细胞造成的影响。

进一步地，所述忆阻细胞神经网络的模板表示为：

其中，在反馈模板A和控制模板B中，参数a,x₁,x₂,x₃,b分别代表能够自适应变化的所述忆阻细胞神经网络中神经元的权值(a,x₁,x₂,x₃,b≥0)，其约束条件为：2(x₂+x₃)+4x₁≤b,b≤8，I代表偏置电流。

进一步地，，所述步骤S3具体包括步骤：