先了解这件事
AI 综述
广东工业大学李明杰指导本科生在《ACS Sensors》发表题为“Overcoming Cross-Sensitivity for the Accurate Identification of Acetone, Isopropanol, and Clinical Mixtures Using a MEMS Dual-Sensor Array and Multi-task Deep Learning”的研究论文。据集微网报道,该研究将PdO修饰的SnO2/ZnO与MoS2/ZIF-67集成于MEMS微加热器,构建双传感器阵列,并结合一维卷积神经网络与双向长短期记忆网络的多任务模型,同时实现丙酮、异丙醇及模拟临床配比混合气体的识别与浓度预测。在5–25 ppm气体及7和10 ppm另行采集数据上,模型采用15秒时间窗口,总体分类准确率达95.4%,浓度预测平均绝对误差为0.625 ppm,结果每15秒更新。目前未见后续进展。
AI 根据公开报道生成
事件进展
1 个已确认进展
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月23日
集微网
广东工业大学李明杰团队在《ACS Sensors》发表MEMS双传感器阵列与多任务深度学习气体识别成果
广东工业大学李明杰团队在《ACS Sensors》发表研究，将PdO修饰的SnO2/ZnO与MoS2/ZIF-67集成于MEMS微加热器构建双传感器阵列，结合一维卷积神经网络与双向长短期记忆网络的多任务模型，同时实现丙酮、异丙醇及模拟临床配比混合气体的识别与浓度预测。在5–25 ppm气体及7和10 ppm另行采集数据上，模型采用15秒时间窗口，总体分类准确率达95.4%，浓度预测平均绝对误差为0.625 ppm，结果每15秒更新。