論文の概要: Identifying Chemicals Through Dimensionality Reduction

• arxiv url: http://arxiv.org/abs/2211.14708v1
• Date: Sun, 27 Nov 2022 03:34:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 22:57:04.190895
• Title: Identifying Chemicals Through Dimensionality Reduction
• Title（参考訳）: 次元化による化学物質の同定
• Authors: Emile Anand, Charles Steinhardt, Martin Hansen
• Abstract要約: 本稿では,Jaanus Liigandらの業績に基づくアプローチを提案する。この手法は,試料中のすべての物質の名前を予測するために,非標的分析を用いている。 本研究は, 欧州マスバンクメタボローム図書館のデータを用いて, 次元減少と線形分解の手法を用いて, より正確なモデルを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Civilizations have tried to make drinking water safe to consume for thousands of years. The process of determining water contaminants has evolved with the complexity of the contaminants due to pesticides and heavy metals. The routine procedure to determine water safety is to use targeted analysis which searches for specific substances from some known list; however, we do not explicitly know which substances should be on this list. Before experimentally determining which substances are contaminants, how do we answer the sampling problem of identifying all the substances in the water? Here, we present an approach that builds on the work of Jaanus Liigand et al., which used non-targeted analysis that conducts a broader search on the sample to develop a random-forest regression model, to predict the names of all the substances in a sample, as well as their respective concentrations[1]. This work utilizes techniques from dimensionality reduction and linear decompositions to present a more accurate model using data from the European Massbank Metabolome Library to produce a global list of chemicals that researchers can then identify and test for when purifying water.
• Abstract（参考訳）: 文明は何千年もの間、飲料水を安全に消費しようとしてきた。 水汚染物質を決定するプロセスは、農薬や重金属による汚染物質の複雑さによって進化してきた。 水安全を判断するための日常的な手順は、既知のリストから特定の物質を探索するターゲット分析を使用することであるが、どの物質がリストに載るべきかは明確には分かっていない。 どの物質が汚染物質であるかを実験的に決定する前に、水中のすべての物質を同定するサンプリング問題にどう答えるか? 本稿では,非標的分析を用いて標本を探索し,ランダム林回帰モデルを構築し,試料中のすべての物質の名前とその濃度を予測したjaanus liigandらの研究に基づくアプローチについて述べる。 この研究は、次元の縮小と線形分解の手法を利用して、欧州質量銀行メタボロームライブラリーのデータを使ってより正確なモデルを示し、研究者たちが水浄化時に識別しテストできる化学のグローバルなリストを作成する。

関連論文リスト

• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• Artificial Intelligence for reverse engineering: application to detergents using Raman spectroscopy [0.0]
  デジタルツールや分析技術の開発は、潜在的に有毒な分子の同定を可能にする。 各種デジタルツール(スペクトルデータベース,混合データベース,実験設計,ケモメトリックス/機械学習アルゴリズム)と異なるサンプル作成方法の組み合わせにより,混合成分の同定が可能となった。 この戦略は、製品や原料の制御、品質管理の目的でも適用できる。
  論文  参考訳（メタデータ） (2023-10-31T08:16:22Z)
• Exploring Model Dynamics for Accumulative Poisoning Discovery [62.08553134316483]
  そこで我々は,モデルレベルの情報を通して,防衛を探索するための新しい情報尺度,すなわち,記憶の離散性(Memorization Discrepancy)を提案する。 暗黙的にデータ操作の変更をモデル出力に転送することで、メモリ識別は許容できない毒のサンプルを発見することができる。 我々は、その性質を徹底的に探求し、累積中毒に対する防御のために、離散型サンプル補正(DSC)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T14:45:24Z)
• Diffusion Theory as a Scalpel: Detecting and Purifying Poisonous Dimensions in Pre-trained Language Models Caused by Backdoor or Bias [64.81358555107788]
  事前訓練された言語モデル(PLM)は、微調整プロセス中に疑わしい攻撃者が注入したバックドアやバイアスによって有毒である可能性がある。 本研究では, 拡散理論を応用し, 微調整の動的過程を解明し, 潜在的有毒な次元を見つけるための微細浄化法を提案する。 我々の知識を最大限に活用するために、我々は安全・防衛目的の拡散理論によって導かれる力学を初めて研究する。
  論文  参考訳（メタデータ） (2023-05-08T08:40:30Z)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• SOLIS: Autonomous Solubility Screening using Deep Neural Networks [0.36700088931938835]
  サンプル準備は手作業で行うのが一般的である。 結晶化実験は多くの化学分野において、精製とポリモルフィックスクリーニング実験の両方で一般的である。 本研究では, 人間の化学者が試料を視覚的に評価し, 溶液中に固形物が完全に溶解したかどうかを判断する手法に着想を得た, 新規なカスケード深部モデルを提案する。
  論文  参考訳（メタデータ） (2022-03-18T09:38:23Z)
• Water and Sediment Analyse Using Predictive Models [2.3226893628361682]
  水質評価には、遠隔地における水と堆積物の連続的なモニタリングが必要である。 機械学習を用いて予測モデルを定式化する自動フレームワークを提案する。 本モデルでは,データ不足の57%を考慮し,75%の精度でアーカイブした。
  論文  参考訳（メタデータ） (2022-03-04T02:28:01Z)
• Automated fragment identification for electron ionisation mass spectrometry: application to atmospheric measurements of halocarbons [0.0]
  非標的スクリーニングは、疑いまたは未知のすべての現在の物質のサンプルを検索することである。 このアプローチは10年以上前に水分析の分野で導入されたが、室内および大気中の微量ガスの測定には依然として不十分である。 GC-EI-HRMSによる未知化合物の自動同定を可能にするデータ解析ツールを提案する。
  論文  参考訳（メタデータ） (2021-03-23T09:35:10Z)
• Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
  本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。 その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
  論文  参考訳（メタデータ） (2021-02-02T09:34:34Z)
• Detection of Anomalies and Faults in Industrial IoT Systems by Data Mining: Study of CHRIST Osmotron Water Purification System [15.06694204377327]
  本稿では, 工業用医薬品システム, 特に水質浄化システムについて述べる。 ほぼ全ての製薬会社は、その相互依存システムの一部として水質浄化ユニットを持っている。 エッジの欠陥の早期検出は、メンテナンスコストを大幅に削減し、安全性と出力品質を向上させる。
  論文  参考訳（メタデータ） (2020-09-08T11:31:43Z)

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。