Отрывок: На рис. 6а показан результат применения метода PCA, а на рис. 6б – результат применения метода t- SNE для спектров смесей. Использовался метод PCA с 6 компонентами, и получен коэффициент диспер- сии 0,95. На рис. 6а показаны проекции данных на 2-мерное подпространство для удобства визуализа- ции. Для читаемости отображение классов на рис. 6 ограничено 3 смесями. Точности классификаторов, использованных для идентификации газовых смесей, приведены в табл. 1. Классификат...
Название : | Численные методы анализа многокомпонентных газовых смесей с помощью инфракрасной лазерной спектроскопии |
Другие названия : | Numerical methods of spectral analysis of multicomponent gas mixtures and human exhaled breath |
Авторы/Редакторы : | Голяк, И.С. Карева, Е.Р. Фуфурин, И.Л. Анфимов, Д.Р. Щербакова, А.В. Небритова, О.А. Демкин, П.П. Морозов, А.Н. |
Ключевые слова : | газовый анализ спектральный анализ биофотоника инфракрасная спектроскопия квантово-каскадный лазер биомаркер машинное обучение глубокое обучение |
Дата публикации : | Авг-2022 |
Издательство : | Самарский национальный исследовательский университет |
Библиографическое описание : | Голяк, И.С. Численные методы анализа многокомпонентных газовых смесей с помощью инфракрасной лазерной спектроскопии / И.С. Голяк, Е.Р. Карева, И.Л. Фуфурин, Д.Р. Анфимов, А.В. Щербакова, О.А. Небритова, П.П. Демкин, А.Н. Морозов // Компьютерная оптика. – 2022. – Т. 46, № 4. – С. 650-658. – DOI: 10.18287/2412-6179-CO-1058. |
Серия/номер : | 46;4 |
Аннотация : | В настоящей работе рассматривается применение машинного и глубокого обучения в спектральном анализе многокомпонентных газовых смесей. Экспериментальная установка состоит из квантово-каскадного лазера с диапазоном перестройки 5,3 – 12,8 мкм пиковой мощностью до 150 мВт и астигматической газовой ячейки Эрриотта с длиной оптического пути до 76 м. В качестве тестовых веществ использовались ацетон, этанол, метанол и их смеси. Для обнаружения и кластеризации веществ, в том числе молекул-биомаркеров, предложены методы машинного обучения, такие как стохастическое вложение соседей с t-распределением, метод главных компонент и методы классификации, такие как случайный лес, градиентный бустинг и логистическая регрессия. Для спектрального анализа газовых смесей использована неглубокая свёрточная нейронная сеть на базе TensorFlow (Google) и Keras. В качестве обучающей выборки использовались модельные спектры веществ, а в качестве тестовой – модельные и экспериментальные. Показано, что нейронные сети, обученные на модельных спектрах (база данных NIST), могут распознавать вещества в экспериментальных газовых смесях. Предложено использовать нейронные сети для идентификации газовых смесей как единого целого. На экспериментальной установке зарегистрированы следующие минимальные концентрации: 80 ppb для ацетона и 100 – 120 ppb для этанола и метанола. Показана возможность применения предложенных методов для анализа спектров выдыхаемого человеком воздуха. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6179-CO-1058 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Chislennye-metody-analiza-mnogokomponentnyh-gazovyh-smesei-s-pomoshu-infrakrasnoi-lazernoi-spektroskopii-104076 |
Другие идентификаторы : | Dspace\SGAU\20230602\104076 |
ГРНТИ: | 29.31.26, 28.23.37 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2022_46-4_650-658.pdf | 943.26 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.