导读:本文包含了嗅觉神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:机器嗅觉,BP神经网络,砂仁,气味鉴别
嗅觉神经网络论文文献综述
朱志均,周华英,罗坤豪,吴恺熹[1]（2018）在《基于机器嗅觉结合BP神经网络的砂仁气味鉴别方法》一文中研究指出检测和分析4种不同产地砂仁气味信息,探索基于机器嗅觉技术结合BP神经网络的气味鉴别方法。利用电子鼻PEN3采集4种不同产地砂仁的气味信息,构建一个包含叁层结构的BP神经网络模型,通过对非线性气味数据进行反复学习和训练,确定各产地砂仁气味特征模型,采用MATLAB 2013实现鉴别仿真。结果表明:不同产地砂仁气味特征信息整体相貌是相似的,但各自的特征指纹峰值有明显差异;建立的BP神经网络模型对不同产地砂仁的训练样本和待测样本均可实现100%的准确鉴别。该方法稳定、可靠、简便,可为中药材质量控制和真伪鉴别提供参考。(本文来源于《自动化与信息工程》期刊2018年04期）
诸震宇,王如彬[2]（2018）在《基于完整嗅觉神经网络的气味识别功能分析》一文中研究指出嗅觉系统是生物感觉神经系统中非常重要的组成部分。当嗅觉感受器接收到气味刺激时,其将化学信号转换为电信号并传递给嗅球,嗅球对信息进行整合与编码,继而将其传递到大脑嗅皮层,最终产生嗅觉。对于嗅球网络的建模以及嗅觉信息处理的研究有助于理解嗅觉系统是如何有效区分不同种类与浓度的气味。在由僧帽细胞和颗粒细胞所构成的传统嗅球模型基础上[1][2],引入同样具有解剖学意义的外丛细胞,球旁细胞和嗅皮层神经元[3][4]来构建完整的嗅觉网络模型,其仿真结果表明嗅皮层中锥形细胞对于不同种类的气味刺激表现为不同的发放模式,而对于同一种类不同浓度的气味刺激表现为相似的发放模式与不同程度的发放强度。同时基于核方法的层次聚类和模糊聚类结果表明嗅球内部各个嗅小球间的侧抑制对气味信息进行了去相关化处理[5]并提高了气味的可识别性,这强化了嗅皮层对气味信息的编码与解码能力,从而表现出弱相关的神经活动反应来实现对不同种类气味的有效识别。(本文来源于《第四届全国神经动力学学术会议摘要集》期刊2018-08-06）
梁泽龙[3]（2017）在《嗅觉神经网络非平衡动力学研究》一文中研究指出自从2013年美国提出“推进创新神经技术脑研究计划”(简称“脑计划”)以后,欧洲、中国和日本等都相继提出了自己的脑计划。“脑计划”是继人类基因组计划后又一个具有划时代意义的计划,目前此计划已进去第二阶段,脑的神经网络数据路已初步建立,急需更多先进的理论对这些数据进行整理分析并使大脑形成一个完整理论框架。自从1933年英国尔多里安验证脑电信号并发展形成脑电图理论后,脑电图和脑电测量以便捷高效而备受青睐。在神经科学领域,对大脑的信号测量分为侵入式和非侵入式两种,脑电图是一种典型的非侵入式测量方式,通过脑电图和神经颅刺激(TMS)的结合杜克大学的Miguel Nicolelis实现了用一个人的大脑控制另一个人的身体.[1]脑电图被广泛应用于脑机接口领域,相关技术发展如火如荼。KⅢ网络是由Freeman提出的多层拓扑神经网络结构模型来研究嗅觉的神经信号传递机制,其数值模拟方法已被广泛研究,并以形成一系列的脑电模拟信号。[2]基于信号模拟处理的分析方法已被应用于KⅢ网络并取得了很多成果,诸如基于KⅢ模型的新型电子鼻的设计和基于KⅢ网络的图像识别已经可以在实验室中进行。[3]这些先期研究为本文提供了实验基础。自然界中的系统存在线性动力学关系的很少,生命过程更是以非线性的系统居多。生命过程都是开放的系统,系统从外部摄入能量维持着自身的运转通,过消耗能量维持系统的有序度。同时面对不断变化的环境和自身的损耗生物过程的稳定性显得尤为重要。因此生物过程普遍具备了非线性和能量消耗的特征。随着这种观点的不断深入,非线性动力学成为了一种新形式的贴合现实的研究工具来探讨自然科学中的诸多现象。许多定义诸如能、熵和势等概念被广泛应用于生物、化学和种群研究等诸多领域。[4][5][6]本文通过数值模拟的方法结合非线性动力学的建模和分析理论来探讨KⅢ网络的动力学性质。以非线性动力学的视角切入,在Hopfield神经网络的非线性动力学研究基础之上[2][8][9],结合洛伦兹混沌系统的非线性动力学研究[7],分别讨论了嗅觉神经网络(KⅢ网络)在有气味输入状态下和没有气味状态下稳态的动力学特性,进而从统计角度给出了一种可行的区分不同气味的方法。新的区分方法可以更加明确的表出神经网络微小差异甚至可以将额外加入的微扰囊括进来,从而对整个神经网络状态有一个全面的整体的把握。通过这一系列的讨论我们或许可以重新审视KⅢ神经网络模型,KⅢ神经网络模型所蕴含的一些隐含特征或许用传统的方法不能完全揭示出来,通过把网络学习、记忆、扰动和反馈控制综合起来才能看清网络的整体特性。正如郭爱克院士在他的《计算神经学》所说的那样大脑的活动并不能由单个神经元以“自下而上”的方式的获得,单个的神经元并不能为整个大脑的工作方式给出明确的答案,只有通过网络连接这些神经元的活动才有意义。(本文来源于《吉林大学》期刊2017-04-01）
任坤,刘鹏[4]（2015）在《基于神经网络的移动机器人主动嗅觉定位研究》一文中研究指出本文提出了一种新的移动机器人主动嗅觉定位方法。通过风速和浓度梯度,黄蜂能够在较短的时间内找到气源。但是,移动机器人很难精确地模仿黄蜂的行为。因此,除了仿生学之外,我们引入BP神经网络来帮助移动机器人寻找气源。在这个模拟的环境中,测试移动机器人跟踪气体烟羽并找到气源。(本文来源于《“决策论坛——基于公共管理学视角的决策研讨会”论文集（下）》期刊2015-10-29）
傅均,邢建国[5]（2012）在《嗅觉神经网络在电子鼻识别多品牌绿茶中的应用研究》一文中研究指出生物模式识别机理引入人工嗅觉系统将提高其仿生化程度,并被认为是有前途的传感阵列信息处理方法。本文尝试将一种嗅觉神经网络应用到电子鼻检测和识别多种品牌的绿茶气味。通过包含8个MOS型气敏传感器的自制电子鼻仪器,测量了来着不同地方的5种不同品牌的绿茶样品,在传感阵列信号稳态部分提取特征向量,并使用雷达图考察指纹图谱异同,验证传感阵列及特征提取方法的有效性。采用生物相似性学习算法训练该神经网络,考察了样本训练次数和识别率的关系,发现经过4～7次训练,该网络对这5种绿茶的识别率平均值都在97%以上。(本文来源于《传感技术学报》期刊2012年03期）
彭继慎,郑小虎,刘鉴[6]（2012）在《基于模糊神经网络生物嗅觉的智能电子鼻的研究》一文中研究指出通过研究鼻道结构对生物嗅觉的影响,构造了装有传感器阵列的电子鼻流道和控制装置,实现了嗅觉区域气体流量和气味分子浓度的主动控制,提高了嗅觉灵敏度;根据生物嗅觉系统的模糊性质在嗅觉感知中所起的关键作用,构建了更接近生物嗅觉的模糊优化神经网络算法,使电子鼻系统更具仿生特性,实现了电子鼻动态检测的目标;实验结果表明,该电子鼻不仅具有辨识的快速性,还提高了自适应辨识精度,从而能够准确做出预报。(本文来源于《计算机测量与控制》期刊2012年01期）
包晓敏,曹作宝,汪亚明,周砚江,朱寒宇[7]（2011）在《基于嗅觉神经网络的织物组织识别》一文中研究指出针对织物组织的多样性及其组织图像处理易受噪声干扰的问题,提出一种基于嗅觉神经网络的织物组织识别方法。在生物嗅觉神经网络建模技术的基础上,根据激励响应关系调节KⅢ模型输入电压,将采集的织物图像在X和Y方向投影,计算其组织点大小,然后重排组织点,将重排结果运用上述KⅢ模型识别。样本数据验证表明:所建模型对平纹、缎纹组织识别率都高于BP神经网络模型;对斜纹组织,采用新的组织点提取模型后,识别率也有明显的提高。(本文来源于《纺织学报》期刊2011年04期）
王玲娜[8]（2010）在《嗅觉皮层神经网络的周期解及其稳定性》一文中研究指出研究嗅觉皮层神经网络的周期解,利用压缩映射原理和构造Lyapunov泛函的方法,给出判定此系统周期解的存在唯一性及指数稳定性的条件。这些条件可用于设计周期稳定的嗅觉皮层神经网络,也很容易用简单的代数方法进行验证,这对嗅觉皮层神经网络的设计和应用起到了重要作用。(本文来源于《南昌教育学院学报》期刊2010年12期）
彭霄[9]（2010）在《基于嗅觉神经网络的织物图像识别》一文中研究指出织物组织识别技术发展到今天,还没有广泛的投入到实际应用中。这个技术的难点主要体现在组织结构的多样性以及噪声的复杂性。组织结构的多样性这点难以改变,完全剔除所有噪声也存在较大的困难。并且到目前,国际上只能对叁类基本组织进行有效识别,对复杂组织的识别率还比较低。在这种背景下提出了应用具有高抗噪声能力的嗅觉神经网络对织物组织进行识别研究。本文首先对嗅觉神经网络进行了系统的研究,通过实验数据分析,提出了改进的嗅觉神经网络。然后对织物组织的预处理方法进行了实验对比,并提出了改进的方案,最后利用改进后的8通道KIII模型嗅觉神经网络对织物组织进行识别。(1)分别对K0、KI、KII的数学模型进行了深入的实验分析,并得出K0模型(PG层)在不同激励情况下达到稳定所需时长是收敛于一个常数的;分析了两种KI模型的详细的输入输出特性;对在不同输入电压、不同输入激励时长下KII模型(OB层)的输入输出特性也进行了详细分析。(2)对KIII的数学模型进行了深入实验分析,通过实验数据证实了过去学者的实验方法的一些不妥之处,并对训练方法和输入值的处理上进行了改进,提高了整个KIII模型嗅觉神经网络的识别率。(3)实验对比织物组织图像经过预处理后的识别效果,并根据实验效果提出了新的提取组织点的方法。使对斜纹组织的识别率得到较大的提高。(4)对复杂变化组织的识别进行了研究,提出了最小循环周期内进行间隔抽样的方法,识别率较以往的方法有较大提高。以上实验都是在VC2005平台下进行开发的,所有开发源码可以直接应用于实际生产中,本论文提出的改进型8通道KIII模型嗅觉神经网络对织物组织的识别有较理想的效果。对复杂变化组织的识别率较以往也有较大提高。(本文来源于《浙江理工大学》期刊2010-03-11）
傅均[10]（2009）在《基于嗅觉神经网络的电子鼻仿生信息处理技术研究》一文中研究指出电子鼻是模拟生物嗅觉原理的仿生检测仪器,通常由交叉敏感的化学传感器阵列和合适的模式识别算法组成,自动完成对气味的定性或定量辨识。与专业嗅觉师和现代分析化学仪器相比,其简单、客观和廉价的优点,已经在许多应用领域引起了广泛重视。而生物嗅觉基础研究的成果与计算神经科学交融,又进一步丰富了人工嗅觉理论,促进了电子鼻的发展。本论文介绍和研究了一种嗅觉神经网络——KⅢ网络,并尝试将其引入到电子鼻的仿生信息处理中。本文首先通过数值分析方法对KⅢ网络的数学模型进行仿真,结果显示其动力学特性与生物嗅觉实验中观察到的EEG信号在某些方面具有相似性；又通过小世界网络理论和小波分解方法对KⅢ网络的结构进行分析,发现其拓扑性质与复杂生物系统的小世界网络具有相似性。从而在功能和结构上展示了KⅢ网络的仿生性能。然后研究了KⅢ网络在气敏传感器漂移补偿和对气味浓度影响的鲁棒性等人工嗅觉理论问题上的应用。通过作者自制的电子鼻系统对6种有机挥发性气体进行分类,结果表明KⅢ网络对存在传感器漂移及较大浓度偏差的样本仍然具有很好的识别率。本文还提出了KⅢ网络的时空模式处理概念,通过KⅢ网络的可扩充并行结构与其时间依赖运算过程,和电子鼻的传感器阵列结构与其对气体的时间响应特性相结合,将KⅢ网络“无缝”融入电子鼻系统,进一步模拟了生物嗅觉系统信息处理过程。本文还发展了KⅢ网络的模式识别理论,将它与当前较为流行的支持向量机相结合,构造出不同的级联分类器和集群分类器。并通过对4种茶叶和6个品牌的鲜奶和还原奶的识别,进一步探索KⅢ网络在电子鼻实际应用中的表现。(本文来源于《浙江大学》期刊2009-10-01）
嗅觉神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
嗅觉系统是生物感觉神经系统中非常重要的组成部分。当嗅觉感受器接收到气味刺激时,其将化学信号转换为电信号并传递给嗅球,嗅球对信息进行整合与编码,继而将其传递到大脑嗅皮层,最终产生嗅觉。对于嗅球网络的建模以及嗅觉信息处理的研究有助于理解嗅觉系统是如何有效区分不同种类与浓度的气味。在由僧帽细胞和颗粒细胞所构成的传统嗅球模型基础上[1][2],引入同样具有解剖学意义的外丛细胞,球旁细胞和嗅皮层神经元[3][4]来构建完整的嗅觉网络模型,其仿真结果表明嗅皮层中锥形细胞对于不同种类的气味刺激表现为不同的发放模式,而对于同一种类不同浓度的气味刺激表现为相似的发放模式与不同程度的发放强度。同时基于核方法的层次聚类和模糊聚类结果表明嗅球内部各个嗅小球间的侧抑制对气味信息进行了去相关化处理[5]并提高了气味的可识别性,这强化了嗅皮层对气味信息的编码与解码能力,从而表现出弱相关的神经活动反应来实现对不同种类气味的有效识别。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
嗅觉神经网络论文参考文献
[1].朱志均,周华英,罗坤豪,吴恺熹.基于机器嗅觉结合BP神经网络的砂仁气味鉴别方法[J].自动化与信息工程.2018
[2].诸震宇,王如彬.基于完整嗅觉神经网络的气味识别功能分析[C].第四届全国神经动力学学术会议摘要集.2018
[3].梁泽龙.嗅觉神经网络非平衡动力学研究[D].吉林大学.2017
[4].任坤,刘鹏.基于神经网络的移动机器人主动嗅觉定位研究[C].“决策论坛——基于公共管理学视角的决策研讨会”论文集（下）.2015
[5].傅均,邢建国.嗅觉神经网络在电子鼻识别多品牌绿茶中的应用研究[J].传感技术学报.2012
[6].彭继慎,郑小虎,刘鉴.基于模糊神经网络生物嗅觉的智能电子鼻的研究[J].计算机测量与控制.2012
[7].包晓敏,曹作宝,汪亚明,周砚江,朱寒宇.基于嗅觉神经网络的织物组织识别[J].纺织学报.2011
[8].王玲娜.嗅觉皮层神经网络的周期解及其稳定性[J].南昌教育学院学报.2010
[9].彭霄.基于嗅觉神经网络的织物图像识别[D].浙江理工大学.2010
[10].傅均.基于嗅觉神经网络的电子鼻仿生信息处理技术研究[D].浙江大学.2009