丰富电化学传感数据的策略与机器学习应用的分析相关性:集中审查
Mijeong Kang1,2, Donghyeon Kim2, Jihee Kim1
1Department of Optics and Mechatronics Engineering, College of Nanoscience & Nanotechnology, Pusan National University, Busan 46241, Republic of Korea.
机器学习 (ML) 通过改进数据上下文来增强电化学分析. 战略重点是生成可靠的电化学数据,以更好地训练ML模型和传感器应用.
科学领域:
- 电化学 电化学 电化学
- 机器学习 机器学习
- 分析化学 分析化学
背景情况:
- 电化学数据丰富,但由于复杂的矩阵,机器学习 (ML) 具有挑战性.
- 传感器经常难以在非目标物质中识别或量化目标.
- 先进的ML技术需要强大的,多样化的电化学数据才能有效地应用.
研究的目的:
- 审查最近在将ML与电化学分析整合方面的进展.
- 突出提高电化学数据分析背景的策略.
- 激励研究人员利用ML用于电分析科学.
主要方法:
- 讨论了为ML构建电化学系统的五种策略.
- 涵盖了电极准备,信号记录和数据分析方法.
- 探索了为ML模型获取和增强数据集的方法.
主要成果:
- 确定了改善ML电化学数据质量的关键策略.
- 证明方法以确保跨目标和度的数据可变性.
- 提供了对培训和验证数据集准备的见解.
结论:
- 在电分析中有效地整合ML,需要优化电化学系统.
- 开发用于生成高质量,多样化的数据的方法对于ML成功至关重要.
- 本综述为推进机器学习在电分析科学中的应用提供了路线图.
更多相关视频
06:53Author Spotlight: Magnetometric Characterization of Intermediates in the Solid-State Electrochemistry of Redox-Active Metal-Organic Frameworks
Published on: June 9, 2023
11:44Using Cyclic Voltammetry, UV-Vis-NIR, and EPR Spectroelectrochemistry to Analyze Organic Compounds
Published on: October 18, 2018
相关概念视频
Electrogravimetric Analysis: Overview
To test the completeness of the...
Electrodeposition
Electrodeposition can...
Voltammetric Techniques: Linear-Scan (E vs Time)
Interfacial Electrochemical Methods: Overview
Voltammetry: Stripping Methods
Anodic Stripping Voltammetry (ASV)
ASV is used to determine metals and metalloids at trace levels. It involves two steps: deposition and stripping. First, a negative potential is applied to the...
Electrochemistry: Overview
