LuanVan.vnLuận Văn
Gửi thư

Series-to-Image Electronic-Nose Modeling: Traditional ML Classification and Deep/Hybrid Regression (ResNet, AE-XGBoost)

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

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhKỹ thuật, xây dựng, môi trường
Tác giảHoàng Ngọc Thành
Người hướng dẫnNguyen Viet Tung; Nguyen Dinh Van
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu và đề xuất ba phương pháp xử lý dữ liệu từ hệ thống mũi điện tử (Electronic Nose) nhằm nhận dạng, phân loại và dự đoán nồng độ các thành phần trong hỗn hợp khí. Phương pháp thứ nhất sử dụng các mô hình học máy cơ bản để nhận dạng và phân loại hỗn hợp khí trong môi trường thực nghiệm. Hai phương pháp còn lại chuyển đổi dữ liệu chuỗi thời gian của cảm biến khí thành dạng ảnh, sau đó kết hợp các mô hình học sâu như CNN, ResNet và Autoencoder với XGBoost để hồi quy và dự đoán chính xác cặp nồng độ khí. Các phương pháp này hướng đến khai thác hiệu quả dữ liệu đa biến, nhiều chiều, khắc phục một số hạn chế của các kỹ thuật trích chọn hoặc lựa chọn đặc trưng truyền thống. Kết quả nghiên cứu cung cấp cơ sở so sánh và phát triển các phương pháp lai, đồng thời mở ra hướng triển khai thuật toán trên phần cứng xử lý cảm biến để ứng dụng trong thực tế.
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 kỹ thuật, xây dựng, môi trường · 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.