論文の概要: Machine Learning for recognition of minerals from multispectral data
- arxiv url: http://arxiv.org/abs/2005.14324v1
- Date: Thu, 28 May 2020 22:25:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 06:05:34.234447
- Title: Machine Learning for recognition of minerals from multispectral data
- Title（参考訳）: 多スペクトルデータからのミネラル認識のための機械学習
- Authors: Pavel Jahoda, Igor Drozdovskiy, Francesco Sauro, Leonardo Turchi,
Samuel Payler, and Loredana Bessone
- Abstract要約: 本稿では,異なる分光法から得られたデータを組み合わせた鉱物の自動同定手法を提案する。
これらの手法はRaman + VNIR, Raman + LIBS, VNIR + LIBSと組み合わせられ, それぞれに異なるデータ融合法を適用してミネラルを分類した。
また,ラマンスペクトルからミネラル分類を行うDeep Learningアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 1.231476564107544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine Learning (ML) has found several applications in spectroscopy,
including being used to recognise minerals and estimate elemental composition.
In this work, we present novel methods for automatic mineral identification
based on combining data from different spectroscopic methods. We evaluate
combining data from three spectroscopic methods: vibrational Raman scattering,
reflective Visible-Near Infrared (VNIR), and Laser-Induced Breakdown
Spectroscopy (LIBS). These methods were paired into Raman + VNIR, Raman + LIBS
and VNIR + LIBS, and different methods of data fusion applied to each pair to
classify minerals. The methods presented here are shown to outperform the use
of a single data source by a significant margin. Additionally, we present a
Deep Learning algorithm for mineral classification from Raman spectra that
outperforms previous state-of-the-art methods. Our approach was tested on
various open access experimental Raman (RRUFF) and VNIR (USGS, Relab,
ECOSTRESS), as well as synthetic LIBS NIST spectral libraries. Our
cross-validation tests show that multi-method spectroscopy paired with ML paves
the way towards rapid and accurate characterization of rocks and minerals.
- Abstract（参考訳）: 機械学習(ML)は、鉱物の認識や元素組成の推定など、分光学におけるいくつかの応用を見出した。
本研究では,異なる分光法から得られたデータを組み合わせた鉱物の自動同定手法を提案する。
我々は、振動ラマン散乱、反射可視外赤外(VNIR)、レーザー誘起破壊分光(LIBS)の3つの分光法から得られるデータを組み合わせて評価した。
これらの手法はRaman + VNIR, Raman + LIBS, VNIR + LIBSと組み合わせられ, それぞれに異なるデータ融合法を適用してミネラルを分類した。
ここで示される手法は、単一のデータソースの使用をかなりのマージンで上回ることを示す。
さらに,ラマンスペクトルからミネラル分類を行うためのディープラーニングアルゴリズムを提案する。
本手法は様々なオープンアクセス実験raman (rruff) およびvnir (usgs, relab, ecostress) および合成libs nistスペクトルライブラリを用いて実験を行った。
クロスバリデーション試験により,mlと組み合わせたマルチメソッドスペクトロスコピーが,岩石や鉱物の迅速かつ正確なキャラクタリゼーションへの道筋を示した。
関連論文リスト
- Unraveling Molecular Structure: A Multimodal Spectroscopic Dataset for Chemistry [0.1747623282473278]
このデータセットは、特許データから化学反応から抽出された790k分子の1ドルH-NMR、13ドルC-NMR、HSQC-NMR、赤外線、質量スペクトルからなる。
本研究では, 構造解明, 対象分子のスペクトル予測, 機能群予測などの単一モダリティタスクを評価するためのベンチマークを行う。
論文 参考訳（メタデータ） (2024-07-04T12:52:48Z) - Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳（メタデータ） (2023-11-30T13:50:21Z) - Rapid detection of soil carbonates by means of NIR spectroscopy, deep
learning methods and phase quantification by powder Xray diffraction [0.0]
FT NIR分光法と深層学習法を用いて土壌中の炭酸塩濃度を迅速かつ効率的に予測する方法を提案する。
1)回帰器、2)CNNなど複数の機械学習手法を利用して、それらの性能を従来のMLアルゴリズムと比較した。
論文 参考訳（メタデータ） (2023-07-23T14:32:07Z) - Score-based Source Separation with Applications to Digital Communication
Signals [72.6570125649502]
拡散モデルを用いた重畳音源の分離手法を提案する。
高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。
提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
論文 参考訳（メタデータ） (2023-06-26T04:12:40Z) - Nonparametric Independent Component Analysis for the Sources with Mixed
Spectra [0.06445605125467573]
既存のICAプロシージャの多くは独立したサンプリングを前提としている。
2次統計に基づく音源分離法は, 自己相関源からの混合物のパラメトリック時系列モデルに基づいて開発されている。
本稿では,3次スプラインとインジケータ関数を用いて,音源信号のスペクトル密度関数と線スペクトルを推定し,新しいICA法を提案する。
論文 参考訳（メタデータ） (2022-12-13T02:13:14Z) - Comparing Spectroscopy Measurements in the Prediction of in Vitro
Dissolution Profile using Artificial Neural Networks [0.0]
溶解試験は、医薬品産業における新製品の承認に欠かせない製品品質の一部である。
分光データに基づく溶解プロファイルの予測は、現在の破壊・時間的手法に代わるものである。
ラマンと近赤外分光法(英: Raman and near-infrared spectroscopies)は、錠剤の物理的および化学的特性に関する情報を提供する2つの高速で相補的な方法である。
論文 参考訳（メタデータ） (2022-10-19T04:34:04Z) - Toward deep-learning-assisted spectrally-resolved imaging of magnetic
noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。
これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文 参考訳（メタデータ） (2022-08-01T19:18:26Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳（メタデータ） (2022-01-07T22:26:33Z) - Gaussian Process Regression for Absorption Spectra Analysis of Molecular
Dimers [68.8204255655161]
本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。
このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。
実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
論文 参考訳（メタデータ） (2021-12-14T17:46:45Z) - Unsupervised Spectral Unmixing For Telluric Correction Using A Neural
Network Autoencoder [58.720142291102135]
本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
論文 参考訳（メタデータ） (2021-11-17T12:54:48Z) - Blind Source Separation for NMR Spectra with Negative Intensity [0.0]
我々は、負の強度を含むNMRスペクトル分析のためのブラインド音源分離手法をベンチマークした。
FastICA、SIMPLISMA、NNMFは最高のパフォーマンス技術である。
FastICAとSIMPLISMAの精度は、過剰な(非現実的な)純粋なコンポーネントが予測されると急速に低下する。
論文 参考訳（メタデータ） (2020-02-07T20:57:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。