Przy stanowisku 3 prezentowaliśmy koncepcję systemu GC-NN, sformułowaną i rozwijaną w Pracowni, oraz wybrane wyniki dotychczas wykonanych badań.

Istotę koncepcji systemu opisano w ulotce (kliknij, aby ją pobrać). W najprostezej wersji sprowadza się ona do uznania sekwencji sygnałów detektora GC (np. FID) za zbiór zmiennych objaśniających, umożliwiający przygotowanie sieci neuronowej, która może określać rodzaj, intensywność i/lub  hedoniczną jakość zapachu.

Zasada systemu GC-NN tym różni się od zasady działania typowych elektronicznych nosów, że zmienne "objaśniające zapach próbki" nie są gromadzone równocześnie, lecz w tak długim czasie, jaki jest potrzebny do wymycia z kolumny wszystkich składników mieszaniny zanieczyszczeń. Zaletą systemu GC-NN w stosunku do e-nosa jest jego uniwersalność i dostępność.

Powszechnie stosowane chromatografy gazowe, wyposażone w jeden lub kilka różnych detektorów i kilka kolumn chromatograficznych (o różnej polarności fazy stacjonarnej), mogą dostarczać sieci neuronowej ogromnej liczby zmiennych objaśniających.  

Jest to  liczba nieporównywalnie większa od liczby danych odbieranych z pola czujników e-nosa.  (zwykle specyficznych dla określonego zapachu/rodzaju badanej mieszaniny).

Więcej informacji o zasadach dziełania węchu biologicznego i sztucznego oraz istocie koncepcji GC-NN zawarto w przedstawianej w czasie Seminarium prezentacji Power Point "Sztuczne sieci neuronowe w odorymetrii" (do pobrania - kliknij w obrazek).

         Dodatkowe informacje  -  patrz:

          -  postery z dwóch konferencji międzynarodowych (poniżej)
          -  raport z realizacji PB Nowe metody pomiarów (2005-2007)
              oraz jego streszczenie w formie  posteru (poniżej),

           oraz wykłady (J. Kośmider):

              -  węch biologiczny, 
              -  elementy psychofizyki,
              -  ABC sieci neuronowych, 
              -  e-nos, 
              -  system GC-NN

W drugim dniu Seminarium demonstrowaliśmy - przy komputerze - na czym polega trening sieci neuronowej, która rozpoznaje obraz na podstawie kilku charakterystycznych punktów (program Statistica Neural Network).

POSTERY

Kolonia 2004

Barcelona 2005

Grant MNiSzW 2005-2007