LuanVan.vnLuận Văn
Gửi thư

A Comprehensive Comparison of Machine Learning Models for Smart Electronic Nose

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Thu Hương; Mã Khoa Học
Người hướng dẫnNguyễn Đình Văn
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Khảo sát và ứng dụng các mô hình học máy trong bài toán phát hiện và phân loại khí trong hỗn hợp dựa trên dữ liệu từ hệ thống mũi điện tử (electronic nose). Đánh giá hiệu quả của nhiều thuật toán học máy, bao gồm Random Forest, Support Vector Classification (SVC), Multi-layer Perceptron (MLP) và mạng nơ-ron nhân tạo (ANN). Nghiên cứu tổng quan 12 công trình khoa học liên quan đến phân loại hỗn hợp khí bằng dữ liệu mũi điện tử. Các mô hình được huấn luyện và kiểm chứng trên hai bộ dữ liệu, gồm bộ dữ liệu do Trường Vật liệu – Đại học Bách khoa Hà Nội cung cấp và bộ dữ liệu chuẩn của Đại học California, San Diego. Kết quả thực nghiệm trên các nền tảng Kaggle và Google Colab cho thấy các mô hình học máy có khả năng phân loại hiệu quả các hỗn hợp khí, khẳng định tiềm năng ứng dụng trong các hệ thống giám sát và nhận dạng khí.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.