Oct, 2022
基于仿真合成数据增强和多任务学习的激光诱导击穿光谱预测可信度
Trustworthiness of Laser-Induced Breakdown Spectroscopy Predictions via Simulation-based Synthetic Data Augmentation and Multitask Learning
Riccardo Finotello, Daniel L'Hermite, Celine Quéré, Benjamin Rouge, Mohamed Tamaazousti...
TL;DR本文介绍了使用激光诱导击穿光谱 (Raman) 进行光谱数据的定量分析。采用深度卷积多任务学习结构建立了鲁棒的校准模型，以预测分析物的浓度，辅助谱信息作为辅助输出。使用了基于模拟的数据扩充过程以合成代表实验数据的任意数量的光谱。通过利用多任务神经网络参数之间的相互依赖性，可以使用这些辅助输出来验证模型的可靠性。本文通过比较深度多任务模型与传统单变量和多变量分析的性能来突出了在该过程中引入的每个元素的单独贡献。