建模和识别曲线

Question

我已对传感器（光、湿度等）进行了测量，并生成了统计曲线/图表。当我做同样的实验时，我得到的曲线通常看起来像以前的曲线，当然不一样。我想要的是将曲线和结果建模为一个方程，以便当我再次运行实验并采用类似的曲线（图表）来表示这是光传感器，或者这是湿度传感器......等等。问题是我不知道这是否可行，以及从哪里开始。我需要机器学习吗？还有什么？谢谢...

Answer 1

您可以使用简单的神经网络来学习如何确定给定测量值的传感器类型。要训​​练神经网络，您需要数据，这意味着您需要收集数十或数百个测量值并标记它们（数据越多，神经网络的预测越准确）

但是，如果给定传感器的测量值非常相似并且在指定范围内，则您实际上并不需要机器学习。您只需要计算您的新测量与哪种类型的传感器最相似。

一种可能的方法是：

1. 对每一类传感器采取一些措施

2. 为每个类创建一个包含测量平均值的固定长度向量，例如，如果您的 3 个实验中的光传感器测量结果如下所示：

   [1,4,5,3,8]

   [1,3,4,3,7]

   [1,3,5,3,6]

   然后将其平均为单个向量：

   [1, 3.33, 4.66, 3, 7]

3. 当您采用新测量并想要确定它的类别时，您需要计算每个类别的平均向量的新测量的平均绝对误差。误差最低的类别是进行测量的传感器