کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7562077 1491503 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bayesian estimation of the analyte concentrations using the sensor responses and the design optimization of a sensor system
ترجمه فارسی عنوان
برآورد بیزی از غلظت های آنالایت با استفاده از پاسخ های حسگر و بهینه سازی طراحی سیستم حسگر
کلمات کلیدی
تجزیه و تحلیل بیزی، حسگرهای شیمیایی، پیشین غیرممکن، طراحی مطلوب آرایه های حسی، حساسیت، استنتاج آماری،
ترجمه چکیده
با استفاده از یک مجموعه ای از سنسورها با منحنی تنظیم دقیق، اما متفاوت تنظیم شده است، ممکن است طیف گسترده ای از محرک ها را درک کنید. در این کار ابتدا برآورد آماری غلظت محرک ها با توجه به پاسخ های یک آرایه حسگر، مورد بحث در سانچز مونتنز و پیرس [18]، بازبینی می شود. از آنجایی که این یک مشکل رگرسیون معمولی نیست، مفهوم بیزی برای توسعه یک روش برآورد با کشف ماهیت پویا و نا مشخص محرک های وابسته به محیط زیست با انتخاب مناسب توزیع احتمالی اتخاذ می شود. مطالعات دیگر تایید می کند که روش پیشنهادی می تواند عملکرد برتر را با دقت و دقت نشان می دهد در مقایسه با روش های مرسوم رایج علاوه بر تئوری صحیح که به عنوان یک مسئله برآورد آماری استفاده می شود. در چارچوب پیشنهادی، بهینه سازی طراحی یک سیستم حسی مصنوعی نیز با استفاده از خطر احتمالی بایر به عنوان یک تابع هدف برای به حداقل رساندن فرموله شده است. همان روش ممکن است به همان اندازه برای هر سیستم حسی به منظور بهینه سازی عملکرد آن در یک جمعیت سنسورها اعمال شود. در نهایت، مثالهایی برای توصیف چگونگی استفاده از روش پیشنهادی برای پیکربندی مطلوب یک سیستم حسی برای یک کار سنجش داده شده ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی آنالیزی یا شیمی تجزیه
چکیده انگلیسی
Using an array of sensors with well calibrated but different tuning curves, it is possible to appreciate a wide range of stimuli. In this work, we first revisit the statistical estimation of the stimuli concentrations given the responses of a sensor array, discussed in Sanchez-Montanes & Pearce [18]. Since it is not a typical regression problem, the Bayesian concept is adopted to develop an estimation method by elucidating the dynamic and uncertain nature of the environment-dependent stimuli with a proper choice of the probability distribution. Other studies confirm that the proposed method can demonstrate a superior performance in terms of accuracy and precision when compared to the popular frequentist methods in addition to the theoretical soundness it enjoys as a statistical estimation problem. Under the proposed framework, the design optimization of an artificial sensory system is also formulated using the expected Bayes risk as an objective function to minimize. The same approach may be equally applied to any sensory system in order to optimize its performance within a population of sensors. Finally, illustrative examples are provided to describe how the proposed method can be applied for the optimal configuration of a sensory system for a given sensing task.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Chemometrics and Intelligent Laboratory Systems - Volume 176, 15 May 2018, Pages 149-156
نویسندگان
, ,