論文の概要: A Review of 1D Convolutional Neural Networks toward Unknown Substance
Identification in Portable Raman Spectrometer
- arxiv url: http://arxiv.org/abs/2006.10575v1
- Date: Thu, 18 Jun 2020 14:28:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 13:43:14.741506
- Title: A Review of 1D Convolutional Neural Networks toward Unknown Substance
Identification in Portable Raman Spectrometer
- Title（参考訳）: 携帯型ラマン分光計における未知物質同定に向けた1次元畳み込みニューラルネットワークの検討
- Authors: M. Hamed Mozaffari and Li-Lin Tay
- Abstract要約: ラマン分光法は、品質管理から最先端の生物医学研究まで、強力な分析ツールである。
これらは、未知の物質のフィールド分析のために、最初の応答者や法執行機関によって広く採用されている。
ラマン分光法による未知物質の検出と同定は、手元にある装置のスペクトルマッチング能力に大きく依存している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Raman spectroscopy is a powerful analytical tool with applications ranging
from quality control to cutting edge biomedical research. One particular area
which has seen tremendous advances in the past decade is the development of
powerful handheld Raman spectrometers. They have been adopted widely by first
responders and law enforcement agencies for the field analysis of unknown
substances. Field detection and identification of unknown substances with Raman
spectroscopy rely heavily on the spectral matching capability of the devices on
hand. Conventional spectral matching algorithms (such as correlation, dot
product, etc.) have been used in identifying unknown Raman spectrum by
comparing the unknown to a large reference database. This is typically achieved
through brute-force summation of pixel-by-pixel differences between the
reference and the unknown spectrum. Conventional algorithms have noticeable
drawbacks. For example, they tend to work well with identifying pure compounds
but less so for mixture compounds. For instance, limited reference spectra
inaccessible databases with a large number of classes relative to the number of
samples have been a setback for the widespread usage of Raman spectroscopy for
field analysis applications. State-of-the-art deep learning methods
(specifically convolutional neural networks CNNs), as an alternative approach,
presents a number of advantages over conventional spectral comparison algorism.
With optimization, they are ideal to be deployed in handheld spectrometers for
field detection of unknown substances. In this study, we present a
comprehensive survey in the use of one-dimensional CNNs for Raman spectrum
identification. Specifically, we highlight the use of this powerful deep
learning technique for handheld Raman spectrometers taking into consideration
the potential limit in power consumption and computation ability of handheld
systems.
- Abstract（参考訳）: ラマン分光法(英: raman spectroscopy)は、品質管理から最先端の生物医学研究まで応用できる強力な分析ツールである。
過去10年間に大きな進歩を遂げた分野の1つは、強力なハンドヘルドラマン分光器の開発である。
これらは、未知の物質のフィールド分析のために、最初の応答者や法執行機関によって広く採用されている。
ラマン分光法による未知物質の検出と同定は、手元にあるデバイスのスペクトルマッチング能力に大きく依存している。
従来のスペクトルマッチングアルゴリズム(相関、ドット積など)は、未知のラマンスペクトルを大きな参照データベースと比較することにより、未知のラマンスペクトルの同定に用いられている。
これは典型的には、基準スペクトルと未知スペクトルの画素間差のブルートフォース和によって達成される。
従来のアルゴリズムには明らかな欠点がある。
例えば、純粋な化合物を同定するのにうまく機能するが、混合化合物には適さない。
例えば、サンプル数に対して多数のクラスを持つ限定された参照スペクトルがアクセス不能なデータベースは、フィールド分析の用途にラマン分光法を広く使用するための欠点となっている。
最先端のディープラーニング手法(特に畳み込みニューラルネットワークCNN)は、代替アプローチとして、従来のスペクトル比較アルゴリズムよりも多くの利点を示す。
最適化では、未知の物質のフィールド検出のためのハンドヘルド分光計に配備するのが理想的である。
本研究では,ラマンスペクトル同定における一次元CNNの利用に関する包括的調査を行う。
具体的には、ハンドヘルドラマン分光計におけるこの強力な深層学習技術の利用を、ハンドヘルドシステムの消費電力と計算能力の潜在的な限界を考慮して強調する。
関連論文リスト
- Deep Spectral Methods for Unsupervised Ultrasound Image Interpretation [53.37499744840018]
本稿では, 超音波を応用した非教師型深層学習手法を提案する。
我々は、スペクトルグラフ理論と深層学習法を組み合わせた教師なしディープスペクトル法から重要な概念を統合する。
スペクトルクラスタリングの自己教師型トランスフォーマー機能を利用して、超音波特有のメトリクスと形状と位置の先行値に基づいて意味のあるセグメントを生成し、データセット間のセマンティック一貫性を確保する。
論文 参考訳（メタデータ） (2024-08-04T14:30:14Z) - Fast remote spectral discrimination through ghost spectrometry [3.3911785884111483]
ゴーストスペクトロメトリは, 化学, 生物, 放射線, 核の脅威の有無を評価するのに有効であることを示す。
多くの場合、対象の完全なスペクトル線形状を再構成する必要がなく、スペクトル吸収対象が存在するか否かを識別する関心がある。
異なるサンプルを用いて得られた実験結果を考察し,それらをシミュレーションで補完し,最も一般的なシナリオを探索する。
論文 参考訳（メタデータ） (2023-03-27T11:46:48Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - RamanNet: A generalized neural network architecture for Raman Spectrum
Analysis [4.670045009583903]
ラマン分光法は分子の振動プロファイルを提供し、異なる種類の物質を識別するために用いられる。
近年のRaman Spectraデータ量の増加にもかかわらず、Raman Spectra分析のための一般化された機械学習手法の開発には大きな努力が払われていない。
既存の手法を検証、実験、評価し、現在の逐次モデルも従来の機械学習モデルも、Ramanスペクトルの分析に十分満足できないと推測する。
論文 参考訳（メタデータ） (2022-01-20T23:15:25Z) - 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) - Non-Photorealistic Rendering of Layered Materials: A Multispectral
Approach [0.0]
生体試料中の層状物質を可視化するためのマルチスペクトルレンダリング技術を提案する。
非フォトリアリスティックレンダリング(NPR)において近赤外および紫外スペクトルから取得したデータを最初に利用する。
論文 参考訳（メタデータ） (2021-09-02T08:40:05Z) - Spectral Analysis Network for Deep Representation Learning and Image
Clustering [53.415803942270685]
本稿ではスペクトル分析に基づく教師なし深層表現学習のための新しいネットワーク構造を提案する。
パッチレベルで画像間の局所的な類似性を識別できるため、閉塞に対してより堅牢である。
クラスタリングに親しみやすい表現を学習し、データサンプル間の深い相関を明らかにすることができる。
論文 参考訳（メタデータ） (2020-09-11T05:07:15Z) - Cross-Spectral Periocular Recognition with Conditional Adversarial
Networks [59.17685450892182]
本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。
EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
論文 参考訳（メタデータ） (2020-08-26T15:02:04Z) - A Comparative study of Artificial Neural Networks Using Reinforcement
learning and Multidimensional Bayesian Classification Using Parzen Density
Estimation for Identification of GC-EIMS Spectra of Partially Methylated
Alditol Acetates [0.304585143845864]
本研究では, 部分的にメチル化アルジトール酢酸塩 (PMAA) のガスクロマトグラフィー-電子衝突質量スペクトル (GC-EIMS) データベース用パターン認識検索エンジンの開発について報告する。
開発システムはワールドワイドウェブ上に実装されており、GC-EIMS機器に記録されたこれらの分子のスペクトルを用いてPMAAを識別することを目的としている。
論文 参考訳（メタデータ） (2020-07-31T17:54:51Z) - Feature visualization of Raman spectrum analysis with deep convolutional
neural network [0.0]
本稿では,Ramanスペクトル解析にディープ畳み込みニューラルネットワークを用いた認識・特徴可視化手法を示す。
この方法は、まず単純なローレンツスペクトルに対して検討され、その後、医薬品化合物および数値混合アミノ酸のスペクトルに適用された。
論文 参考訳（メタデータ） (2020-07-27T08:15:38Z) - Spectrum Translation for Cross-Spectral Ocular Matching [59.17685450892182]
バイオメトリックスでは、特に眼領域において、クロススペクトル検証が大きな問題となっている。
近赤外画像と視覚光画像のスペクトル変換におけるコンディショナル・ディバイサル・ネットワークの利用について検討した。
論文 参考訳（メタデータ） (2020-02-14T19:30:31Z)
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。