MMJul, 2019

农业养分溶液离子干扰消除的机器学习方法

PDF
TL;DR本文提出了一种应用机器学习方法解决离子干扰效应导致离子失衡的问题，并应用 TDS 值建立重新调整函数来矫正离子选择电极数据的方法，结果在实时应用中取得了较高的准确率，解决了传统方法无法解决的限制问题。
hydroponic techniquesnutrient solutionion imbalanceion interference effectmachine learning approach
发现论文，激发创造
  • 基于物联网的鱼类养殖环境控制系统，结合传感器集成与机器学习决策支持

    该研究文章展示了数据驱动决策支持在水产养殖中的强大作用，承诺满足日益增长的对海鲜的需求，同时强调环境责任与经济可行性，从而彻底改变未来的养鱼方式。

    Nov, 2023

  • 使用可逆神经网络和误差扩散学习基于电导率图的气泡分布重建

    电解是环保氢气生产的关键，但在该过程中产生的气泡阻碍反应，降低电池效率并增加能耗。测量气泡引起的磁场波动，利用反比萨伐尔定律的逆问题来估算电池内的电导率、气泡的大小和位置等；我们利用可逆神经网络（INNs）重建电导率场，定性和定量结果表明 INN 相较于 Tikhonov 正则化具有更卓越的性能。

    Jul, 2023

  • 基于物联网的生物膜水质预测技术应用于水产养殖

    本研究提出了基于物联网的水产养殖解决方案，利用生物絮凝技术将未使用的饲料转化为微生物蛋白，采用传感器采集数据，并运用机器学习模型和人工智能产生决策和通知，实现高效和生产力的提高。

    Jul, 2022

  • 未来 Phisat-2 任务中海岸水体污染的近实时监测的 AI 技术

    通过卫星遥感数据、人工智能技术和机载处理，提供近实时检测沿海水体中污染物的突破性水质监测方案，以填补现有文献中存在的重要空白，并在环境监测、公共卫生保护和资源保护方面取得实质性进展。

    Apr, 2024

  • 评估机器学习方法以解决物联网传感器漂移问题

    本文研究了多种机器学习方法处理各种行业和应用中传感器漂移问题的能力，并在公开可获得的气体传感器数据集上测试了这些方法，结果表明这些方法在传感器漂移问题上存在明显的性能下降。

    Sep, 2021

  • 通过机器分类表面增强拉曼光谱确定痕量有机污染物浓度

    使用机器学习方法从原始拉曼数据中预测样本污染物的浓度，以及标准机器学习模型和深度学习方法在模型训练和特征选择中的准确性。

    Jan, 2024

  • 利用机器学习发现 Li-ion 电池超离子固态电解质

    本研究开发了高通量筛选和机器学习代理模型的平台，通过考虑 20,237 种含锂材料的化学描述符和结构特性来寻找超离子型 Li 固态电解质，并成功发现了六个潜在的超离子型 Li 固态电解质。

    Feb, 2022

  • 利用人工神经网络识别地下水中的污染源

    通过开发数据驱动模型解决反向和正向输运问题，该论文主要研究地下水污染的问题，尤其是由于工业污染和农业活动引起的地下水污染，提出了一种基于人工神经网络的非线性模型，使得结果更为可靠且具有很低的计算成本和不确定性。

    Jul, 2022

  • 基于机器学习的智能化学纯化技术

    通过发展自动化平台和应用先进的机器学习算法，本研究通过预测模型来提高色谱过程的效率和质量，使用转移学习技术可以适应不同的柱规格，为传统色谱学挑战提供可扩展的解决方案。

    Apr, 2024

  • 基于似然性的专家支持分布式学习算法的物联网系统传感器校准

    该研究针对传感器技术的重要任务，提出一种利用专家知识改进的仿射变换方法，可用于软件校准、基于专家的适应以及联邦学习方法。研究通过模拟和实际数据实验评估了这个解决方案在一个有 8 个相同传感器的多传感器板上的效果，结果显示在模拟和实验数据中都有所改进。

    Sep, 2023