SYSTEMS AND METHODS FOR LEARNING ACROSS MULTIPLE CHEMICAL SENSING UNITS USING A MUTUAL LATENT REPRESENTATION

• Main Authors: KHOMAMI ABADI, MOJTABA, MASILAMANI, ASHOK, MASILAMANI, ASHOK PRABHU, MARIC, NEVEN, GAHROOSI, AMIR BAHADOR
• Format: Patent
• Language: English; French
• Published: 27.08.2020
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIRCHEMICAL OR PHYSICAL PROPERTIES; MEASURING; PHYSICS; TESTING

Systems and methods for training models across multiple sensing units in a chemical sensing system are described. The chemical sensing system comprises at least one computer processor and at least one computer readable medium including instructions that, when executed by the at least one computer processor, cause the chemical sensing system to perform a training process. The training process comprises accessing a training dataset including first values representing first signals output from a first chemical sensing unit of multiple chemical sensing units, and second values representing second signals output from a second chemical sensing unit of the multiple chemical sensing units, and training a set of models to relate the first values and the second values to a mutual latent representation using the training dataset. L'invention concerne des systèmes et des procédés d'apprentissage de modèles à travers de multiples unités de détection dans un système de détection chimique. Le système de détection chimique comprend au moins un processeur informatique et au moins un support lisible par ordinateur comprenant des instructions qui, lorsqu'elles sont exécutées par le ou les processeurs informatiques, amènent le système de détection chimique à effectuer un processus d'apprentissage. Le processus d'apprentissage consiste à accéder à un ensemble de données d'apprentissage comprenant des premières valeurs représentant des premiers signaux émis par une première unité de détection chimique de multiples unités de détection chimique, et des secondes valeurs représentant des seconds signaux émis par une seconde unité de détection chimique des multiples unités de détection chimique, et à former un ensemble de modèles pour associer les premières valeurs et les secondes valeurs à une représentation latente réciproque à l'aide de l'ensemble de données d'apprentissage.