Apr, 2024

嗅觉中的数据科学

PDF
TL;DR神经感知技术的进展使得我们能够以极大的细节观察嗅觉过程。本文从数据科学和人工智能的角度概念化嗅觉，将气味物质的特性与其在嗅觉系统中自鼻子到大脑的感应和分析联系起来。在与视觉感知的区别中，我们论述了嗅觉所面临的独特测量挑战，包括刺激的复杂性、感官装置的高维度特性，以及 “真实实地” 的界定。面对这些挑战，我们认为气味物质与受体间的相互作用对于嗅觉理论的发展具有核心地位。这种理论可能会在工业应用中得到广泛应用，并增加我们对嗅觉的理解，在更长远的未来，也会增进我们对其他感知和语言的理解。作为数据的初始用例，我们提出了使用基于机器学习的分类方法对记录在小鼠嗅觉球中的气味神经反应进行分类的结果。
发现论文，激发创造
  • 化学香气对的嗅觉标签预测

    深度学习技术在香气化学品上的应用，能够比人工专家更准确地预测嗅觉特性。本研究旨在应用现有和新颖的方法，对由配对分子组成的数据集进行分析，提出一个公开可用的模型，能够准确预测由香气化学品混合物产生的非线性特性。

    Dec, 2023

  • 香味机器学习：学习小分子的可泛化感知表示

    本研究利用图神经网络方法，提出了一种基于分子结构与气味之间关系的定量分析模型，并通过实验表明我们的方法在气味分类上较之以往具有更高的性能，同时证明图神经网络的嵌入学习能够提取出有意义的气味空间向量表示，对气味的相关应用具有启示性。

    Oct, 2019

  • 神经形态嗅觉电路中的气味识别和推广的局限性

    神经形态计算是一种能够显著降低机器学习和人工智能功耗的少数几种方法之一。本文提出了一种在神经型架构上运行的受哺乳动物嗅球电路启发的气味学习算法，并在评估其对不同气味感知的快速在线学习和识别性能时，使用了一组气体传感器的记录数据并通过脉冲噪声进行破坏。本文复制了部分研究，并发现了影响某些结论的局限性，其包括使用的数据集存在传感器漂移和非随机测量协议，从而在气味识别基准测试中具有有限的用途。此外，我们发现该模型在对相同气体的重复展示上具有推广能力的限制。我们证明该研究所涉及的任务可以通过简单的哈希表方法解决，匹配或超过了报告中的准确性和运行时间。因此，需要显示模型的验证超出恢复学习数据样本的范畴，特别是其对气味识别任务的适用性。

    Sep, 2023

  • 高效香氛创造的分子生成和优化

    使用机器学习方法模拟嗅觉体验，通过实验证实香水感知的量化。研究通过建立香水分子结构与人类嗅觉感知的混合模型来实现，该模型包含利用图和生成性神经网络的人工智能分子生成器、气味强度的量化和预测，以及为所需香气精心调配最佳溶剂和分子组合。此外，基于热力学的模型建立了嗅觉感知和液相浓度之间的联系。该方法使用迁移学习，并根据蒸气压力和香气注释选择最合适的分子。最终，通过数学优化问题来最小化新的嗅觉体验与目标体验之间的差异。通过使用现有的实验数据复制两种不同的嗅觉体验来验证了该方法。

    Feb, 2024

  • 数据异常：人工智能系统中可疑数据的类别、原因、后果和检测

    提出了数据气味的概念，即潜在、不明显的数据质量问题，分为可信度气味、可理解性气味、一致性气味，介绍了检测数据气味的工具支持，并在超过 240 个真实数据集上进行了初步的气味检测。

    Mar, 2022

  • 基于需求异味的自然语言需求可测试性衡量

    本文提出了一种基于需求异味嗅探和自动生成词典的数学模型，对自然语言需求的可测试性进行评估和排名，并通过经验研究验证了该模型在检测需求异味和测量需求测试性方面的卓越性能。

    Mar, 2024

  • Mol-PECO: 一种利用分子结构预测人类嗅觉感知的深度学习模型

    本文提出了一个名为 Mol-PECO 的深度学习模型，通过对分子结构进行编码来预测气味知觉，其更新的原子嵌入通过方向图卷积网络 (GCN) 对拉普拉斯特征函数进行建模作为位置编码和库仑矩阵进行原子坐标和电荷编码。利用 8,503 种分子的全面数据集，Mol-PECO 直接在 118 个气味描述符上取得了 0.813 的接收者操作特征曲线下面积 (AUROC)，优于分子指纹的机器学习 (0.761 的 AUROC) 和邻接矩阵的 GCN (0.678 的 AUROC)。Mol-PECO 学到的嵌入也捕获了有意义的气味空间，全球聚类描述符和相似气味的局部检索。本文的工作可以促进对嗅觉感知和机制的理解和解码。

    May, 2023

  • 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

  • 多尺度光学神经科学的深浅数据科学

    光学成像技术在过去二十年取得了巨大发展，通过新的光学器件、指示剂和实验模式，我们现在能够进行从突触到大脑皮层的体内成像。为了应对不同尺度下产生的大量数据，我们不断开发计算方法以提取与生物相关的信息。本文旨在讨论算法设计中的限制和权衡，以确定数据质量和可变性如何阻碍算法的使用和传播。

    Feb, 2024

  • 代码异味数据集和验证机制的系统文献综述

    通过评估 45 个现有的数据集，我们发现指标工具报告的准确度因用于评估工具的数据集而异。现有的数据集支持 God Class，Long Method 和 Feature Envy，但 Fowler 和 Beck 目录中的六种气味没有任何数据集支持。我们得出结论，现有的数据集在样本不平衡，缺乏支持严重程度级别和限制 Java 语言方面存在问题。

    Jun, 2023