[发明专利]气体种类和浓度识别的融合神经网络系统、装置与方法

权利要求书

1.一种气体种类和浓度识别的融合神经网络系统，其特征在于，包括：残差网络、气体种类识别网络与气体浓度预测的融合网络；其中：

所述残差网络，用于对数据集中三维嗅觉图像进行特征提取与数据处理，并将处理获得的特征向量分别输入至所述气体种类识别网络与气体浓度预测的融合网络；

所述气体种类识别网络包含依次连接的m层全连接层，每一层输入的特征向量都与随机化的权值矩阵相乘作为下一层的输入，最后一层输出气体种类的预测结果；其中，m表示总层数；

所述气体浓度预测的融合网络包含依次连接的m层全连接层，从所述气体种类识别网络的中间层中随机选取若干层的特征向量，并与所述气体浓度预测的融合网络中相应层的特征向量进行融合，气体浓度预测的融合网络其余层采用与所述气体种类识别网络相同的方式操作，最后一层输出气体浓度的预测结果。

2.根据权利要求1所述的一种气体种类和浓度识别的融合神经网络系统，其特征在于，残差网络对数据集中三维嗅觉图像进行特征提取与数据处理包括：

对输入的三维嗅觉图像进行卷积操作，对卷积操作结果进行标准化与归一化，再通过非线性激活与最大池化操作；

将最大池化操作结果输入至包含残差模块中处理，将残差模块输出结果进行非线性激活后通过平均池化操作与展平处理，获得特征向量；其中，所述残差模块包含多个依次连接的残差块，每一残差块中包含交替设置的若干卷积残差块与恒等残差块。

3.根据权利要求1所述的一种气体种类和浓度识别的融合神经网络系统，其特征在于，所述气体种类识别网络第一层为与所述气体浓度预测的融合网络共用的全连接层输入层，输入为残差网络输出的特征向量，记为u为残差网络输出的特征向量的元素数目；

随机化第一层到第二层的权值矩阵：

其中，T表示矩阵转置符号，u、v分别表示权值矩阵的γ⁽²⁾的列、行数目，列数u等于特征向量的元素数目u；

计算作为第二层的输入，第二层输出的特征向量的元素数目v等于权值矩阵的γ⁽²⁾的行数v；

采用相同的方式得到第m-1层的输入为：

其中，x表示第m-1层输入的特征向量的元素数目；

经第m层输出气体种类的预测结果：

其中，n表示第m层输入的特征向量的元素数目，也即待识别气体种类数目。

4.根据权利要求3所述的一种气体种类和浓度识别的融合神经网络系统，其特征在于，所述气体种类识别网络训练时的损失函数为：

其中，表示气体种类标签，表示气体种类识别网络输出的第i种气体种类的预测结果。