Rezumat teza Alin Tisan - Facultatea de Electronica ...
Rezumat teza Alin Tisan - Facultatea de Electronica ...
Rezumat teza Alin Tisan - Facultatea de Electronica ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Rezumat</strong> pag. 31<br />
Reţelele neuronale rezultate în urma aplicării celor 4 seturi <strong>de</strong> vectori <strong>de</strong> antrenare au fost simulate şi<br />
după implementarea lor pe un număr <strong>de</strong> biţi prestabilit. În acest sens am simulat şi calculat gradul <strong>de</strong><br />
recunoaştere a tiparelor prezentate pentru următoarele configuraţii <strong>de</strong> implementare: (1,32,16), (1,16,8),<br />
(1,10,5), (1,8,4). Rezultatele implementărilor şi a simulărilor sunt prezentate în figura 9.36.<br />
FF‐BF_7_21_4<br />
În scopul caracterizării aportului fiecărei trăsături la gradul <strong>de</strong> recunoaştere a reţelei neuronale am<br />
<strong>de</strong>zvoltat 8 seturi <strong>de</strong> date <strong>de</strong> antrenare. Aceste date <strong>de</strong> antrenare sunt caracterizate <strong>de</strong> către o singură<br />
trăsătură: set-i1: A1, set-i2: A2, set-i3: A3, set-i4: A4, set-i5: A5, set-i6: A6, set-i7: A7, set-i8: A8;<br />
In tabelul 9.2 sunt prezentate gradul <strong>de</strong> recunoaştere a reţelei cu arhitectura FF-BF_7_21_4 atunci când<br />
este antrenată cu setul <strong>de</strong> date set-i1, set-i2, set-i3, set-i4, set-i5, set-i6, set-i7 şi set-i8.<br />
Tabelul 9.2. Gradul <strong>de</strong> recunoaştere al reţelei FF-BF_7_21_4 pentru diferite seturi <strong>de</strong> trăsături<br />
Grad <strong>de</strong><br />
Recunoaştere<br />
(%)<br />
set-i1 set-i2 set-i3 set-i4 set-i5 set-i6 set-i7 set-i8<br />
87,20 90,31 75,19 78,68 74,03 52,32 36,82 41,08<br />
Pentru evi<strong>de</strong>nţierea relaţiei dintre numărul <strong>de</strong> biţi pe care este implementată reţeaua FF-BF-7_21_4 şi<br />
gradul <strong>de</strong> recunoaştere a tiparelor prezentate am simulat şi calculat gradul <strong>de</strong> recunoaştere a tiparelor<br />
prezentate pentru următoarele configuraţii <strong>de</strong> implementare: (1,32,16); (1,16,8); (1,10,5); (1,8,4);<br />
Gradul <strong>de</strong> recunoaştere a tiparelor prezentate funcţie <strong>de</strong> configuraţie <strong>de</strong> implementare este prezentată în<br />
figura 9.13<br />
Figura 9.13. Reprezentarea gradului <strong>de</strong> recunoaştere în funcţie <strong>de</strong> numărul <strong>de</strong> biţi pe care reţeaua este implementată<br />
9.8 Concluzii şi contribuţii<br />
In acest capitol am propus o arhitectură a unui sistem olfactiv artificial şi am realizat o aplicaţie ce se<br />
referă la recunoaşterea tipului <strong>de</strong> cafea prezentată în camera <strong>de</strong> probă. Pentru această aplicaţie am folosit 4<br />
tipuri <strong>de</strong> cafea măcinată existentă pe piaţă: Jacobs, Eduscho Aroma Clasic, Peru Coffee Vanilie şi Peru<br />
Coffee Robusta.<br />
În cadrul sistemului olfactiv artificial am folosit 6 senzori <strong>de</strong> gaz MOS cu sensibili la un spectru larg <strong>de</strong><br />
odoranţi (TGS826, TGS842, TGS2600, TGS2601, TGS2602, TGS2620), un senzor <strong>de</strong> temperatură (LM35)<br />
şi unul <strong>de</strong> umiditate (SY- HS-230).<br />
Achiziţia datelor a fost realizate prin intermediul plăcii <strong>de</strong> achiziţie PC-MIO-16E-1 şi a unui instrument<br />
virtual pe care l-am realizat în Labview pentru preprocesarea semnalelor şi salvarea datelor în fişiere text <strong>de</strong><br />
tip *.lvm. Instrumentul virtual creat permite prin intermediul interfeţei cu utilizatorul setarea timpilor <strong>de</strong><br />
absorbţie, <strong>de</strong>sorbţie (prin valoarea <strong>de</strong> prag) şi revenire la valoarea <strong>de</strong> referinţă şi a numărului <strong>de</strong> absorbţii<br />
succesive realizate <strong>de</strong> la o singură probă. Modulele ce compun instrumentul virtual sunt: modulul <strong>de</strong> control<br />
al subVI-urilor în funcţie <strong>de</strong> timpii setaţi <strong>de</strong> utilizator, modulul <strong>de</strong> control al achiziţiei, modulul <strong>de</strong> procesare<br />
semnal, modulul <strong>de</strong> conversie in °C a datelor generate <strong>de</strong> senzorul <strong>de</strong> temperatură, modulul <strong>de</strong> conversie în<br />
%RH a datelor generate <strong>de</strong> senzorul <strong>de</strong> umiditate.<br />
În scopul extragerii trăsăturilor răspunsului senzorului la aplicarea odoranţilor, am realizat o serie <strong>de</strong><br />
funcţii <strong>de</strong> procesare a semnalului. Pe baza analizei modalităţilor <strong>de</strong> extragere a trăsăturilor ce caracterizează<br />
răspunsul senzorilor la produsul volatil aplicat, pentru aplicaţia <strong>de</strong> recunoaştere a tipului <strong>de</strong> cafea prezentat<br />
sistemului senzorial artificial, am optat pentru metoda <strong>de</strong> analiză euristică. În acest scop am selectat<br />
următorii parametrii ce caracterizează funcţia <strong>de</strong> răspuns a senzorilor: valoarea medie, Med(y), (A1),<br />
valoarea maximă, ymax, (A2) integrala funcţiei, Int(y), (A3); integrala funcţiei pe timpul absorbţiei, Intabs(y),<br />
(A4); panta maximă a funcţiei la absorbţia compusului volatil, (dy/dx)max, (A5); panta maximă a funcţiei la<br />
<strong>de</strong>sorbţia compusului volatil, (dy/dx)max, (A6); timpul la care se atinge panta maximă a funcţiei la absorbţie,