Neural Network-Based Sensor Calibration for Micro and Nanoelectronics Applications

Abstract

рассматривается калибровка оптических измерительных систем определения состава веществ с использованием многослойной нейронной сети. Оптическая измерительная система основана на волоконно-оптических преобразователях, и ее измерительные характеристики могут быть немонотонны и нелинейны. Применимость предлагаемого способа калибровки продемонстрирована в рассматриваемом случае с использованием реальных данных. Нейросетевой подход позволяет получить лучшее качество калибровки, а многослойная нейронная сеть не требует данных для восстановления оптических характеристик. we studied multilayer neural network-enabled calibration of optical gas sensor systems. Such systems use fiberoptic converters so their properties can be nonlinear and nonmonotonic. We used real-world data to show the proposed calibration method’s applicability. The neural network-based approach offers a higher quality of the calibration, and a multilayer neural network doe not need a training dataset to estimate the optical properties.