Репозиторий Самарского университета

Отрывок: линейном базисе с предварительным шкалированием данных [1]; 2) Метод проекций на латентные структуры – линейная регрессия в пространстве главных компонент задачи с учетом меток [2]; 3) Случайный лес – алгоритм машинного обучения, представляющий собой комитет решающих деревьев, в рамках которого строятся несколько сотен деревьев решений по обучающим бутстреп-выборкам [3]; 4) Градиентный бустинг - метод, идея которого заключается в итеративном построении функции аппроксимации, представляющ...

Название :	Углеродные наносенсоры и методы машинного обучения для одновременного измерения pH и температуры водных сред
Авторы/Редакторы :	Сарманова О. Э. Лаптинский К. А. Хмелева М. Ю. Буриков С. А. Доленко С. А. Доленко Т. А.
Дата публикации :	2021
Библиографическое описание :	Углеродные наносенсоры и методы машинного обучения для одновременного измерения pH и температуры водных сред / О. Э. Сарманова, К. А. Лаптинский, М. Ю. Хмелева, С. А. Буриков, С. А. Доленко, Т. А. Доленко // Информационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.] / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изображений РАН - фил. ФНИЦ "Кристаллография и фотоника РАН. - Самаpа : Изд-во Самар. ун-та, 2021Т. 3: Искусственный интеллект и науки о данных. - 2021. - С. 032332.
Другие идентификаторы :	RU\НТБ СГАУ\466232
Ключевые слова:	измерение PH водородный показатель среды биомедицина температура водных сред оптическая спектроскопия прикладные обратные задачи методы машинного обучения флуоресцентная спектроскопия углеродные наносенсоры углеродные точки
Располагается в коллекциях:	Информационные технологии и нанотехнологии

Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.