Fugu-MT 論文翻訳(概要): A Pilot Study For Fragment Identification Using 2D NMR and Deep Learning

論文の概要: A Pilot Study For Fragment Identification Using 2D NMR and Deep Learning

arxiv url: http://arxiv.org/abs/2103.12169v1
Date: Thu, 18 Mar 2021 20:25:41 GMT
ステータス: 処理完了
システム内更新日: 2021-04-05 02:10:17.284497
Title: A Pilot Study For Fragment Identification Using 2D NMR and Deep Learning
Title（参考訳）: 2次元NMRとディープラーニングによるフラグメント同定の試み
Authors: Stefan Kuhn, Eda Tumer, Simon Colreavy-Donnelly, Ricardo Moreira Borges
Abstract要約: アプリケーションは単純なネットワークを用いて、純粋な化合物のサブ構造を確実に検出することができる。 HMBCデータおよびHMBCおよびHSQCの組合せはHSQCだけよりよい結果を示します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a method to identify substructures in NMR spectra of mixtures, specifically 2D spectra, using a bespoke image-based Convolutional Neural Network application. This is done using HSQC and HMBC spectra separately and in combination. The application can reliably detect substructures in pure compounds, using a simple network. It can work for mixtures when trained on pure compounds only. HMBC data and the combination of HMBC and HSQC show better results than HSQC alone.
Abstract（参考訳）: 本稿では, 画像に基づく畳み込みニューラルネットワークアプリケーションを用いて, NMRスペクトル, 特に2次元スペクトルのサブ構造を同定する手法を提案する。これはHSQCとHMBCのスペクトルを別々に組み合わせて行う。アプリケーションは単純なネットワークを用いて、純粋な化合物のサブ構造を確実に検出することができる。純粋な化合物でのみ訓練された場合、混合物に対して作用する。 HMBCデータとHMBCとHSQCの組み合わせは、HSQC単独よりも優れた結果を示す。

関連論文リスト

On the Equivalence of Graph Convolution and Mixup [70.0121263465133]
本稿では,グラフ畳み込みと混合手法の関係について検討する。 2つの穏やかな条件の下では、グラフの畳み込みはMixupの特別な形式と見なすことができる。グラフ畳み込みネットワーク(GCN)と単純化グラフ畳み込み(SGC)をミックスアップの形で表現できることを証明し、数学的にこの等価性を確立する。
論文参考訳（メタデータ） (2023-09-29T23:09:54Z)
Photonic Quantum Computing For Polymer Classification [62.997667081978825]
2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
論文参考訳（メタデータ） (2022-11-22T11:59:52Z)
Direct deduction of chemical class from NMR spectra [0.0]
本稿では,NMRデータから直接化合物を分類する概念実証法を提案する。分類に適した方法は畳み込みニューラルネットワーク(CNN)である
論文参考訳（メタデータ） (2022-11-06T16:37:47Z)
Spectral Unmixing of Hyperspectral Images Based on Block Sparse Structure [1.491109220586182]
本稿では,ブロックスパース構造とスパースベイズ学習戦略に基づくハイパースペクトル画像(HSI)のスペクトルアンミックス手法を提案する。
論文参考訳（メタデータ） (2022-04-10T09:37:41Z)
Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks [51.15952040322895]
ハイパースペクトル画像(HSI)処理の1つの重要な課題は、スペクトル空間的特徴の抽出である。 M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 HSI処理とスペクトル空間情報抽出におけるM-GSPの強度を実験的に検証した。
論文参考訳（メタデータ） (2021-11-29T23:28:18Z)
Raman spectral analysis of mixtures with one-dimensional convolutional neural network [0.0]
近年、ロバストな1次元畳み込みニューラルネットワーク (1-D CNN) とラマン分光法の組み合わせは、未知の物質を迅速に同定する大きな可能性を示している。この手法を未知の混合物中の純粋な化合物の分類にまで拡張しようとする研究もある。ここでは、多成分混合物中の化学成分のスペクトル認識と定量化における新しいアプローチを紹介する。
論文参考訳（メタデータ） (2021-06-01T16:23:30Z)
Hyperspectral Image Super-Resolution with Spectral Mixup and Heterogeneous Datasets [99.92564298432387]
ハイパースペクトル画像(HSI)超解像(SR)の研究 HSI SRは高次元データと限られたトレーニング例によって特徴づけられる。これにより、非分布サンプルに対する記憶や感度などのニューラルネットワークの望ましくない動作が悪化する。
論文参考訳（メタデータ） (2021-01-19T12:19:53Z)
Identification of complex mixtures for Raman spectroscopy using a novel scheme based on a new multi-label deep neural network [0.0]
本稿では,定数ウェーブレット変換(CWT)と複雑な混合物を分類するためのディープネットワークに基づく新しいスキームを提案する。次に、多ラベルディープニューラルネットワークモデル(MDNN)を材料分類に適用する。本モデルから得られた平均検出時間は5.31秒であり,従来提案したモデルよりもはるかに高速である。
論文参考訳（メタデータ） (2020-10-29T14:58:39Z)
Identification of 1H-NMR Spectra of Xyloglucan Oligosaccharides: A Comparative Study of Artificial Neural Networks and Bayesian Classification Using Nonparametric Density Estimation [0.2578242050187029]
キシログルカンオリゴ糖類(キシログルカンオリゴ糖類)として知られる複雑な炭水化物群に対する,最初の独立したコンピュータ支援自動識別システムについて報告する。このシステムは、Artificial Neural Networks(ANN)技術を使用し、1H-NMR分光における計測器と環境依存の変動に敏感である。
論文参考訳（メタデータ） (2020-07-30T16:29:04Z)
Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文参考訳（メタデータ） (2020-07-10T08:08:20Z)
Two-Dimensional Single- and Multiple-Quantum Correlation Spectroscopy in Zero-Field Nuclear Magnetic Resonance [55.41644538483948]
Rb気相セル磁気センサを用いてゼロ磁場で検出された1量子および複数量子相関$J$-spectroscopyを示す。ゼロフィールドでは、エタノールのスペクトルは炭素イソトポマーの混合物として現れ、相関スペクトルは2つの複合スペクトルを分離するのに有用である。
論文参考訳（メタデータ） (2020-04-09T10:02:45Z)

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。