基于脉冲神经网络的电子鼻气体分类方法、设备及介质

本发明公开了一种基于脉冲神经网络的电子鼻气体分类方法、设备及介质，其中，电子鼻气体分类方法集成了频率编码模块、逐步注意力模块及自适应泄漏集成和发射神经元，能够深度挖掘产品感测数据的深层时空关联，并有效缓解深层脉冲神经网络训练中的梯度消失，首先利用频率编码模块对不同时间步长的频率特征进行编码，然后将逐步注意力模块作为动态滤波器，依据噪声分布自适应地增强稳定信号并抑制瞬态干扰，从而在复杂的漂移环境中实现信号提纯，同时设计了具备可学习膜时间常数与动态阈值的自适应泄漏集成和发射神经元。因此，本方法不仅赋予了模型对多通道时空特征的动态提取能力，还有效规避了网络退化风险，为后续的高层特征处理提供有力支撑。