Jan, 2024

基于 α 曲线连续性的差动迁移谱法挥发性有机化合物分类

PDF
TL;DR通过使用时间序列分类算法，利用电子鼻测量的离散图进行分类和分析，本研究首次将离散图解释为一系列逐渐发展的测量，并通过实验证明，长短期记忆神经网络可以在分类上达到最高的准确度为 88%。这一新的分类方法为离散图的分析和分类提供了一种新的视角，并公开分享了一组新的离散图数据集。
发现论文，激发创造
  • 基于金属氧化物气敏阵列与机器学习在复杂混合物挥发性有机化合物分析中的应用

    本文提出了一种具有三个金属氧化物电极的传感器阵列，采用机器学习方法，在混合物中识别四种不同的挥发性有机化合物，证明该阵列利用所提供的算法可以分类和预测四种气体的浓度，从而用于疾病诊断和治疗监测。

    Jul, 2023

  • 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

  • 一种从电子鼻中提取掺杂导电聚合物信息特征的时间滤波器

    通过优化线性分类器的 ' 模式匹配 ' 描述符，研究了 24 维电导率电子鼻的相对阻抗和电流调制，允许识别不同类别的信息模式，并无人监督地对环境进行聚类。通过其电子实现，该研究可减少电导率电子鼻在无人监督的情况下对环境识别的计算要求。

    Jan, 2024

  • 利用化合物的相互连接进行多 BVOC 超分辨率

    本研究提出一种利用不同种类有机化合物的 BVOCs 排放图同时提高超分辨率性能的方法，通过研究它们之间的空间联系，构建了一个 MISR 系统，实现了对 BVOC 排放图的高分辨率增强。

    May, 2023

  • 动力系统的扩散映射、谱聚类和反应坐标

    本文研究数据分析中的低维数据表示问题，提出了一种名为扩散映射的算法，能够将复杂高维数据嵌入低维欧几里得空间，从而实现长时间演化系统的高效识别与聚类分析。

    Mar, 2005

  • ToDD: 计算机辅助药物发现中的拓扑化合物指纹

    这篇论文研究了使用多参数持久化同调学习虚拟筛选，在分子结构信息的多个分辨率级别提取其持久同调特征，形成一个多维向量拓扑指纹，并将筛选过程视为一个基于图形排名的问题，实现在药物发现中应用。

    Nov, 2022

  • 基于领域适应的荧光光谱解释的深度学习

    该研究提出了一种新方法，利用预训练的视觉模型进行领域适应，并结合新的可解释性算法，以解决荧光光谱数据（尤其是激发 - 发射矩阵）分析中的挑战。通过对特定特征工程的神经网络的描述，我们现在能够更深入、更有意义地理解数据背后的物理化学过程。该方法通过对初榨橄榄油（EVOO）中的氧化过程进行分析来进行论证，展示了在预测质量指标和识别相关光谱带方面的有效性。该研究在光谱学领域中使用深度学习取得显著创新性结果，将其从黑盒转变为理解复杂生物和化学过程的工具。

    Jun, 2024

  • 利用 1D 卷积神经网络从荧光谱中提取物理化学特性：以橄榄油为例

    通过荧光光谱学和卷积神经网络的结合，可实现对橄榄油生产过程中五种质量指标的实时监测，不仅成本低廉，而且能很好地实现对橄榄油的质量控制和符合欧洲标准的规定。

    Mar, 2022

  • 基于 GC-EI-MS 光谱的小分子的去新识别

    本文介绍了一种用于 GC-EI-MS 数据的基于机器学习的新型的 de-novo 方法，主要解决由于缺乏附加信息而导致的质谱数据的结构鉴定问题。

    Apr, 2023

  • 跨结构空间和金属空间比较分子和固体

    本研究介绍了一种使用机器学习技术探索复杂材料配置空间必不可少的结构相似度度量方法 ——SOAP，以及如何使用 REMatch 方法将这些局部描述符相结合，并在小有机分子数据库中达到一个平均绝对误差小于 1 kcal/mol 的预测效果的重要里程碑。

    Dec, 2015