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...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Голяк, И.С. | - |
dc.contributor.author | Карева, Е.Р. | - |
dc.contributor.author | Фуфурин, И.Л. | - |
dc.contributor.author | Анфимов, Д.Р. | - |
dc.contributor.author | Щербакова, А.В. | - |
dc.contributor.author | Небритова, О.А. | - |
dc.contributor.author | Демкин, П.П. | - |
dc.contributor.author | Морозов, А.Н. | - |
dc.date.accessioned | 2023-06-21 14:08:29 | - |
dc.date.available | 2023-06-21 14:08:29 | - |
dc.date.issued | 2022-08 | - |
dc.identifier | Dspace\SGAU\20230602\104076 | ru |
dc.identifier.citation | 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. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-1058 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Chislennye-metody-analiza-mnogokomponentnyh-gazovyh-smesei-s-pomoshu-infrakrasnoi-lazernoi-spektroskopii-104076 | - |
dc.description.abstract | 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. | ru |
dc.description.sponsorship | Работа выполнена в рамках реализации программы стратегического академического лидерства «Приоритет-2030», утвержденных постановлением Правительства Российской Федерации от 13 мая 2021 г. № 729. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 46;4 | - |
dc.subject | газовый анализ | ru |
dc.subject | спектральный анализ | ru |
dc.subject | биофотоника | ru |
dc.subject | инфракрасная спектроскопия | ru |
dc.subject | квантово-каскадный лазер | ru |
dc.subject | биомаркер | ru |
dc.subject | машинное обучение | ru |
dc.subject | глубокое обучение | ru |
dc.title | Численные методы анализа многокомпонентных газовых смесей с помощью инфракрасной лазерной спектроскопии | ru |
dc.title.alternative | Numerical methods of spectral analysis of multicomponent gas mixtures and human exhaled breath | ru |
dc.type | Article | ru |
dc.textpart | 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... | - |
dc.classindex.scsti | 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 базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.