論文の概要: Electron energy loss spectroscopy database synthesis and automation of
core-loss edge recognition by deep-learning neural networks
- arxiv url: http://arxiv.org/abs/2209.13026v1
- Date: Mon, 26 Sep 2022 20:57:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 16:44:42.307803
- Title: Electron energy loss spectroscopy database synthesis and automation of
core-loss edge recognition by deep-learning neural networks
- Title（参考訳）: ディープラーニングニューラルネットワークによる電子エネルギー損失分光法データベース合成とコア損失エッジ認識の自動化
- Authors: Lingli Kong, Zhengran Ji, Huolin L. Xin
- Abstract要約: 原スペクトルからコアロスエッジの検出と要素同定を自動化するために,畳み込み型双方向長短期記憶ニューラルネットワーク(CNN-BiLSTM)を提案する。
94.9%の精度で、提案したCNN-BiLSTMネットワークは、生スペクトルの複雑な前処理がなければ、高い精度でEELSスペクトルのコアロスエッジ認識を自動化できることを証明している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ionization edges encoded in the electron energy loss spectroscopy (EELS)
spectra enable advanced material analysis including composition analyses and
elemental quantifications. The development of the parallel EELS instrument and
fast, sensitive detectors have greatly improved the acquisition speed of EELS
spectra. However, the traditional way of core-loss edge recognition is
experience based and human labor dependent, which limits the processing speed.
So far, the low signal-noise ratio and the low jump ratio of the core-loss
edges on the raw EELS spectra have been challenging for the automation of edge
recognition. In this work, a convolutional-bidirectional long short-term memory
neural network (CNN-BiLSTM) is proposed to automate the detection and elemental
identification of core-loss edges from raw spectra. An EELS spectral database
is synthesized by using our forward model to assist in the training and
validation of the neural network. To make the synthesized spectra resemble the
real spectra, we collected a large library of experimentally acquired EELS core
edges. In synthesize the training library, the edges are modeled by fitting the
multi-gaussian model to the real edges from experiments, and the noise and
instrumental imperfectness are simulated and added. The well-trained CNN-BiLSTM
network is tested against both the simulated spectra and real spectra collected
from experiments. The high accuracy of the network, 94.9 %, proves that,
without complicated preprocessing of the raw spectra, the proposed CNN-BiLSTM
network achieves the automation of core-loss edge recognition for EELS spectra
with high accuracy.
- Abstract（参考訳）: 電子エネルギー損失分光(EELS)スペクトルに符号化されたイオン化エッジは、組成分析や元素定量化を含む高度な物質分析を可能にする。
並列EELS計器と高速感度検出器の開発により、EELSスペクトルの取得速度が大幅に向上した。
しかし、コア損失エッジ認識の伝統的な方法は経験ベースであり、人間の労働力に依存しており、処理速度を制限している。
これまでのところ、生のEELSスペクトルにおける低信号ノイズ比とコアロスエッジの低ジャンプ比は、エッジ認識の自動化に困難である。
本研究では,コアロスエッジの検出と同定を自動化するために,畳み込み型双方向長短期記憶ニューラルネットワーク(CNN-BiLSTM)を提案する。
eelsスペクトルデータベースは、ニューラルネットワークのトレーニングと検証を支援するために、フォワードモデルを用いて合成されます。
合成スペクトルを実スペクトルに類似させるため,実験により得られたEELSコアエッジの大規模なライブラリを収集した。
学習ライブラリを合成する場合、実験の実際のエッジにマルチガウシアンモデルを適用してエッジをモデル化し、ノイズやインストゥルメンタル不完全性をシミュレートして付加する。
十分に訓練されたCNN-BiLSTMネットワークは、実験から収集した模擬スペクトルと実スペクトルの両方に対して試験される。
94.9%の精度で、提案したCNN-BiLSTMネットワークは、生スペクトルの複雑な前処理がなければ、EELSスペクトルのコアロスエッジ認識を高精度に自動化することを証明する。
関連論文リスト
- Point-Calibrated Spectral Neural Operators [54.13671100638092]
点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
点平衡スペクトル演算子は点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
論文 参考訳（メタデータ） (2024-10-15T08:19:39Z) - Efficient representation learning of scintillation signal characteristics with spectrum-inspired temporal neural networks [1.124958340749622]
シンチレータを用いた核放射線検出器は、粒子・高エネルギー物理実験、核医学イメージング、産業・環境検出等に広く利用されている。
本稿では,従来の時系列解析に基づくシンチレーション信号のキャラクタリゼーションに適したネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-10-09T02:44:53Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Digital noise spectroscopy with a quantum sensor [57.53000001488777]
本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。
ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。
ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
論文 参考訳（メタデータ） (2022-12-19T02:19:35Z) - A Novel Approach For Analysis of Distributed Acoustic Sensing System
Based on Deep Transfer Learning [0.0]
畳み込みニューラルネットワークは、空間情報を抽出するための非常に有能なツールである。
LSTM(Long-Short term memory)は、シーケンシャルデータを処理するための有効な機器である。
我々のフレームワークのVGG-16アーキテクチャは、50のトレーニングで100%の分類精度が得られる。
論文 参考訳（メタデータ） (2022-06-24T19:56:01Z) - MST++: Multi-stage Spectral-wise Transformer for Efficient Spectral
Reconstruction [148.26195175240923]
効率的なスペクトル再構成のためのマルチステージスペクトル変換器(MST++)を提案する。
NTIRE 2022 Spectral Reconstruction Challengeでは、私たちのアプローチが優勝しました。
論文 参考訳（メタデータ） (2022-04-17T02:39:32Z) - Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image
Reconstruction [127.20208645280438]
ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。
スペクトル間相互作用のモデル化は、HSI再構成に有用である。
Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-11-15T16:59:48Z) - NeRF in detail: Learning to sample for view synthesis [104.75126790300735]
ニューラルレイディアンス場(NeRF)法は目覚ましい新しいビュー合成を実証している。
この作業では、バニラ粗大なアプローチの明確な制限に対処します -- パフォーマンスに基づいており、手元にあるタスクのエンドツーエンドをトレーニングしていません。
我々は、サンプルの提案と、そのネットワークにおける重要性を学習し、そのニューラルネットワークアーキテクチャに対する複数の代替案を検討し比較する、微分可能なモジュールを導入する。
論文 参考訳（メタデータ） (2021-06-09T17:59:10Z) - Deep Spectral CNN for Laser Induced Breakdown Spectroscopy [11.978306421559587]
本研究では,レーザー誘起分解分光法(LIBS)信号を用いたスペクトル畳み込みニューラルネットワーク(CNN)を提案する。
提案手法は,火星探査機「キュリオシティ」からのリモートセンシング観測のための前処理と校正のために,火星科学研究所が行った既存手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-12-03T02:23:48Z) - Neural network-based on-chip spectroscopy using a scalable plasmonic
encoder [0.4397520291340694]
従来の分光計は、サイズ、コスト、信号対雑音比(SNR)、スペクトル分解能によって設定されるトレードオフによって制限される。
本稿では,小型で低コストなオンチップセンシング方式を用いて,深層学習に基づくスペクトル再構成フレームワークを実証する。
論文 参考訳（メタデータ） (2020-12-01T22:50:06Z) - 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)
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。