【技术实现步骤摘要】
【国外来华专利技术】
本公开总体上涉及处理传感器数据以检测和/或生成化学分子的表示。更具体地，本公开涉及生成传感器数据、用机器学习模型处理传感器数据以生成嵌入输出、以及使用嵌入输出来执行各种任务。
技术介绍
1、计算装置可用于视觉计算或音频处理，但计算装置缺乏鲁棒地感测气味的能力。存在可用的化学传感器，但它们产生的原始信号难以解释。化学传感器无法跨整个可能气味空间将原始信号转换为人类可解释的标签，如‘橙子’或‘肉桂’。一些计算装置已被配置为基于单独训练来确定一小部分气味，但是这些计算装置无法确定未训练的属性。
2、此外，一旦最终配置完成，对所有可能气味进行单独训练将非常耗时且计算繁重，而且即使经过此类训练，也将无法确定已知气味的组合。仅会将香味与所输入数据相关联，并且确定新混合物的嗅觉属性将是不可能的。
技术实现思路
1、本公开的实施方案的方面和优点将在以下描述中部分地阐述，或者可从描述中习得，或者可通过实施方案的实践习得。
2、本公开的一个示例性方面涉及一种计算系统。计算系统可包括：传感器，所述传感器被配置为生成指示环境中一种或多种化学化合物的存在的电信号；以及机器学习模型，所述机器学习模型被训练为接收和处理电信号以在嵌入空间中生成嵌入。在一些实现方式中，机器学习模型可已使用训练数据集训练，所述训练数据集包括多个训练实例，每个训练实例包括应用于由一个或多个测试传感器在暴露于一种或多种训练化学化合物时生成的一组电信号的地面实况属性标签。每个地面实况属性标签可描述一种或多种训练化学
3、在一些实现方式中，所述操作可包括：基于嵌入输出来执行任务。所述任务可包括基于嵌入输出来提供感官属性预测。在一些实现方式中，所述任务可包括基于嵌入输出来提供嗅觉属性预测。所述任务可以是至少部分地基于嵌入输出来标识疾病状态。在一些实现方式中，所述任务可以是至少部分地基于嵌入输出来确定恶臭状态。所述任务可以是至少部分地基于嵌入输出来确定是否发生腐败。所述任务可包括提供人工输入的标签以供显示，并且人工输入的标签可通过与嵌入空间中的嵌入输出的关联来确定。人工输入的标签可描述特定食物的名称。
4、在一些实现方式中，机器学习模型可与图神经网络联合训练，并且训练可包括：联合训练机器学习模型和图神经网络以在嵌入空间内生成单个组合输出。图神经网络可被训练为接收特定化学化合物的基于图的表示作为输入，并且在嵌入空间中输出相应嵌入。
5、在一些实现方式中，机器学习模型可通过获得包括电信号训练数据和相应训练标签的化学化合物训练实例来训练。电信号训练数据和相应训练标签可描述特定训练化学化合物。机器学习模型可已通过以下方式来训练：用机器学习模型处理电信号训练数据以生成化学化合物嵌入输出；用分类模型处理化学化合物嵌入输出以确定化学化合物标签；评估损失函数，所述损失函数评估化学化合物标签与相应训练标签之间的差异；以及至少部分地基于损失函数来调节机器学习模型的一个或多个参数。
6、在一些实现方式中，机器学习模型可通过监督学习来训练。传感器数据可描述电压或电流中的至少一者。机器学习模型可包括变换器模型。在一些实现方式中，所述操作可包括存储嵌入输出。传感器数据可描述一个或多个电信号的电压或电流中的一者或两者的振幅。由一个或多个处理器用机器学习模型处理传感器数据以在嵌入空间中生成嵌入输出可包括：将传感器数据压缩成固定长度向量表示。
7、本公开的另一示例性方面涉及一种计算机实现的方法。所述方法可包括：由包括一个或多个处理器的计算系统用一个或多个传感器获得传感器数据。在一些实现方式中，传感器数据可描述由于环境中一种或多种化学化合物的存在而生成的电信号。所述方法可包括：由计算系统用机器学习模型处理传感器数据以在嵌入空间中生成嵌入输出。机器学习模型可被训练为接收和处理描述电信号的数据以在嵌入空间中生成嵌入。所述方法可包括：由计算系统确定与嵌入空间中的嵌入输出相关联的一个或多个标签；以及由计算系统提供所述一个或多个标签以供显示。
8、本公开的另一示例性方面涉及一个或多个非暂时性计算机可读介质，其共同存储指令，所述指令在由一个或多个处理器执行时使计算系统执行操作。所述操作可包括：用一个或多个传感器获得传感器数据。在一些实现方式中，传感器数据可描述由于环境中一种或多种化学化合物的存在而生成的电信号。所述操作可包括：用机器学习模型处理传感器数据以在嵌入空间中生成嵌入输出。机器学习模型可被训练为接收和处理描述电信号的数据以在嵌入空间中生成嵌入。所述操作可包括：获得多个所存储感官属性数据集，其中所述多个所存储感官属性数据集可包括嵌入空间中的所存储嵌入，所存储嵌入和与所述相应所存储嵌入相关联的相应感官属性数据集配对。所述操作可包括：基于嵌入空间中的嵌入输出和多个所存储感官属性数据集来确定一个或多个感官属性；以及提供所述一个或多个感官属性以供显示。
9、本公开的其他方面涉及各种系统、设备、非暂时性计算机可读介质、用户界面和电子装置。
10、参考以下描述和所附权利要求将更好地理解本公开的这些和其它特征、方面和优点。并入本说明书并且构成本说明书的一部分的附图示出本公开的示例性实施方案，并且连同描述一起用来解释相关原理。
本文档来自技高网...【技术保护点】
1.一种计算系统，其包括：
2.如任一前述权利要求所述的计算系统，其还包括：基于所述嵌入输出来执行任务。
3.如任一前述权利要求所述的计算系统，其中所述任务包括基于所述嵌入输出来提供感官属性预测。
4.如任一前述权利要求所述的计算机系统，其中所述任务包括基于所述嵌入输出来提供嗅觉属性预测。
5.如任一前述权利要求所述的计算系统，其中所述任务是至少部分地基于所述嵌入输出来标识疾病状态。
6.如任一前述权利要求所述的计算系统，其中所述任务是至少部分地基于所述嵌入输出来确定恶臭状态。
7.如任一前述权利要求所述的计算系统，其中所述任务是至少部分地基于所述嵌入输出来确定是否已发生腐败。
8.如任一前述权利要求所述的计算系统，其中所述任务包括提供人工输入的标签以供显示，其中所述人工输入的标签通过与所述嵌入空间中的所述嵌入输出的关联来确定。
9.如权利要求8所述的计算系统，其中所述人工输入的标签描述特定食物的名称。
10.如任一前述权利要求所述的计算系统，其中所述机器学习模型与图神经网
11.如权利要求10所述的计算系统，其中所述图神经网络被训练为接收所述特定化学化合物的基于图的表示作为输入，并且在所述嵌入空间中输出相应嵌入。
12.如任一前述权利要求所述的计算系统，其中所述机器学习模型已通过以下方式训练：
13.如任一前述权利要求所述的计算系统，其中所述机器学习模型通过监督学习来训练。
14.如任一前述权利要求所述的计算系统，其中所述传感器数据描述电压或电流中的至少一者。
15.如任一前述权利要求所述的计算系统，其中所述机器学习模型包括变换器模型。
16.如任一前述权利要求所述的计算系统，其还包括：存储所述嵌入输出。
17.如任一前述权利要求所述的计算系统，其中所述传感器数据描述一个或多个电信号的电压或电流中的一者或两者的振幅。
18.如任一前述权利要求所述的计算系统，其中由所述一个或多个处理器用所述机器学习模型处理所述传感器数据以在所述嵌入空间中生成所述嵌入输出包括：将所述传感器数据压缩成固定长度向量表示。
19.一种计算机实现的方法，所述方法包括：
20.一个或多个非暂时性计算机可读介质，其共同存储指令，所述指令在由一个或多个处理器执行时使计算系统执行操作，所述操作包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种计算系统，其包括：
2.如任一前述权利要求所述的计算系统，其还包括：基于所述嵌入输出来执行任务。
3.如任一前述权利要求所述的计算系统，其中所述任务包括基于所述嵌入输出来提供感官属性预测。
4.如任一前述权利要求所述的计算机系统，其中所述任务包括基于所述嵌入输出来提供嗅觉属性预测。
5.如任一前述权利要求所述的计算系统，其中所述任务是至少部分地基于所述嵌入输出来标识疾病状态。
6.如任一前述权利要求所述的计算系统，其中所述任务是至少部分地基于所述嵌入输出来确定恶臭状态。
7.如任一前述权利要求所述的计算系统，其中所述任务是至少部分地基于所述嵌入输出来确定是否已发生腐败。
8.如任一前述权利要求所述的计算系统，其中所述任务包括提供人工输入的标签以供显示，其中所述人工输入的标签通过与所述嵌入空间中的所述嵌入输出的关联来确定。
9.如权利要求8所述的计算系统，其中所述人工输入的标签描述特定食物的名称。
10.如任一前述权利要求所述的计算系统，其中所述机器学习模型与图神经网络联合训练，其中训练包括：联合训练所述机器学习模型和所述图神经网络以在所述嵌入空间内生成单个组合输出。
11...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。