Loading...
机构名称:
¥ 1.0

在这项研究中,我们提出了一种基于机器学习的转移学习技术,用于通过参考监视器的共同部署进行快速传感器校准,将其保持在最低限度。此方法整合了来自少数传感器(包括目标传感器)的数据,从而降低了对参考监视器的依赖性。我们的研究表明,在最近的研究中,已经提出了一种使用元语言模型的转移学习方法,结果证明,结果比以前的方法更有效。在试验中,与最佳的原始和基线观测值相比,校准误差成功降低了32%和15%。这表明了转移学习方法的巨大潜力,从而提高了学习的有效性。这些结果突出了这种创新转移学习技术的潜力,可以使用机器学习快速和凝固地校准低成本物质传感器。

使用低成本PM2.5空气质量增强机器学习...

使用低成本PM2.5空气质量增强机器学习...PDF文件第1页

使用低成本PM2.5空气质量增强机器学习...PDF文件第2页

使用低成本PM2.5空气质量增强机器学习...PDF文件第3页

使用低成本PM2.5空气质量增强机器学习...PDF文件第4页

使用低成本PM2.5空气质量增强机器学习...PDF文件第5页

相关文件推荐