基于电子鼻的气体识别神经网络算法研究

利用自制的电子鼻系统对5种气体进行数据采集,对用于气体检测和识别的传统BP神经网络模型进行优化。实验结果表示,新兴的ReLU激励函数和Adam优化算法均能在不同程度上提高神经网络的训练速度和准确率,最大提升48.1%.同时使用ReLU和Adam算法的网络,在5种气体的识别中训练集和测试集的准确率分别达到93.3%和92.1%,在气体检测的神经网络识别算法方面提供了优化思路。