基于半监督深度学习的多组分光谱校准建模,用于无信息损失的紫外线和近红外光谱
Fei Cheng1, Chunhua Yang1, Hongqiu Zhu1
1School of Automation, Central South University, Changsha 410083, China.
一种新的半监督光谱校准方法,NICEM,有效地将光谱特征脱,用于准确的定量分析. 这种方法增强了多组件分析,即使是复杂的,重叠的光谱数据.
科学领域:
- 分析化学 分析化学
- 化学测量 化学测量 化学测量
- 频谱学是一种光谱学.
背景情况:
- 定量光谱分析面临着由于光谱特征相关性,噪声和重叠信息的挑战.
- 化学物种的准确表征和识别在各种科学领域至关重要.
研究的目的:
- 开发一种新的半监督光谱校准方法,以改进多种化学性质的定量分析.
- 为了解决处理高相关性和噪声的复杂光谱数据的现有方法的局限性.
主要方法:
- 引入了NICEM (非线性独立组件估计),利用基于流量的模型来实现光谱特征的信息无损脱.
- 利用深度网络的可逆结构将光谱数据转换为独立的,高斯分布的潜变量.
- 采用最大的相互信息系数来消除不相关的信息和矿井的关键特征.
主要成果:
- NICEM表现出卓越的性能,在各种光谱数据集 (UV-Vis,NIR) 中实现了最高的确定系数 (R2).
- 与七种最先进的技术相比,该方法显著提高了外推能力.
- 成功应用于分析柴油燃料,玉米和金属离子溶液中的15种物理和化学特性.
结论:
- NICEM提供了一种直观而有效的方法,用于半监督的多组件光谱校准,即使具有高度重叠和复杂的数据.
- 该方法避免了复杂的特征工程和先前知识的需要,使其成为定量光谱分析的有希望的工具.
- NICEM具有在需要精确的定量分析的各种光谱领域更广泛应用的潜力.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
08:49Author Spotlight: Unveiling the Potential of VSFG Microscopy in Studying Mesoscopically Heterogeneous Self-Assembled Structures
Published on: December 1, 2023
相关概念视频
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
UV–Vis Spectrometers
UV–Vis Spectroscopy of Conjugated Systems
One of the factors influencing λmax is the extent...
UV–Vis Spectroscopy: Molecular Electronic Transitions
UV–Vis Spectroscopy: Woodward–Fieser Rules
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
