Sistema olfativo artificial centrado en datos basado en el eigengrafo

Estudios recientes del sistema de nariz electrónica tienden a desperdiciar una cantidad significativa de datos importantes en la identificación de olores. Hasta ahora, la composición de datos orientada a la sensibilidad ha dificultado el descubrimiento de datos significativos para aplicar inteligencia artificial en términos de análisis en profundidad de los atributos del olor que especifican las identidades de las moléculas de gas, lo que en última instancia ha resultado en obstaculizar el avance de la tecnología olfativa artificial. Aquí, realizamos un enfoque centrado en datos para implementar sistemas olfativos artificiales estandarizados inspirados en mecanismos olfativos humanos, definiendo y utilizando formalmente el concepto de Eigengrafo en electroquímica. Los atributos de olor implícitos de los eigengrafos fueron sustancializados matemáticamente como vectores de características basados en el coeficiente cepstral de Mel a partir de la transformada de Fourier. Su efectividad y aplicabilidad en procesos de aprendizaje profundo para la clasificación de gases se han demostrado claramente a través de experimentos en gases mezclados complejos y gases de escape de automóviles. Sugerimos que nuestros hallazgos pueden aplicarse ampliamente como tecnologías fuente para desarrollar sistemas olfativos artificiales estandarizados.