SmellNet-Mixtures

新型LDAC-Net模型增强了低成本MOX传感器的气体识别能力

研究人员开发了LDAC-Net，这是一种新颖的深度学习模型，旨在利用低成本金属氧化物（MOX）气体传感器来改进气体和气味识别。该网络通过采用可学习的多滞后差分和注意力卷积机制，解决了传感器漂移、瞬态信号和通道间相关性等挑战。在SmellNet-Base数据集上的测试中，LDAC-Net实现了68.2%的top-1准确率，显著优于依赖固定时间差分或原始输入的现有方法。