論文の概要: Metal Oxide-based Gas Sensor Array for the VOCs Analysis in Complex
Mixtures using Machine Learning
- arxiv url: http://arxiv.org/abs/2307.06556v2
- Date: Wed, 14 Feb 2024 16:25:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 19:45:51.504474
- Title: Metal Oxide-based Gas Sensor Array for the VOCs Analysis in Complex
Mixtures using Machine Learning
- Title（参考訳）: 機械学習を用いた複合混合物のvocs解析のための金属酸化物系ガスセンサアレイ
- Authors: Shivam Singh, Sajana S, Poornima, Gajje Sreelekha, Chandranath Adak,
Rajendra P. Shukla and Vinayak Kamble
- Abstract要約: 呼吸中の揮発性有機化合物(VOC)は、非侵襲的に疾患を早期に検出するための有効な経路になりつつある。
本稿では,3つの金属酸化物電極を持つセンサアレイについて,機械学習を用いて4つのVOCを混合して同定する。
- 参考スコア（独自算出の注目度）: 0.30154424854907624
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detection of Volatile Organic Compounds (VOCs) from the breath is becoming a
viable route for the early detection of diseases non-invasively. This paper
presents a sensor array with three metal oxide electrodes that can use machine
learning methods to identify four distinct VOCs in a mixture. The metal oxide
sensor array was subjected to various VOC concentrations, including ethanol,
acetone, toluene and chloroform. The dataset obtained from individual gases and
their mixtures were analyzed using multiple machine learning algorithms, such
as Random Forest (RF), K-Nearest Neighbor (KNN), Decision Tree, Linear
Regression, Logistic Regression, Naive Bayes, Linear Discriminant Analysis,
Artificial Neural Network, and Support Vector Machine. KNN and RF have shown
more than 99% accuracy in classifying different varying chemicals in the gas
mixtures. In regression analysis, KNN has delivered the best results with R2
value of more than 0.99 and LOD of 0.012, 0.015, 0.014 and 0.025 PPM for
predicting the concentrations of varying chemicals Acetone, Toluene, Ethanol,
and Chloroform, respectively in complex mixtures. Therefore, it is demonstrated
that the array utilizing the provided algorithms can classify and predict the
concentrations of the four gases simultaneously for disease diagnosis and
treatment monitoring.
- Abstract（参考訳）: 呼吸から揮発性有機化合物(voc)の検出は、非侵襲的に疾患を早期に発見するための有効な経路になりつつある。
本稿では, 混合液中の4つの異なるvocを機械学習により識別する3つの金属酸化物電極を用いたセンサアレイを提案する。
金属酸化物センサアレイはエタノール,アセトン,トルエン,クロロホルムなど様々なVOC濃度を呈していた。
個々のガスとその混合物から得られたデータセットをランダムフォレスト(rf)、k-ネアレスト近傍(knn)、決定木、線形回帰、ロジスティック回帰、ナイーブベイズ、線形判別分析、ニューラルネットワーク、サポートベクターマシンといった複数の機械学習アルゴリズムを用いて分析した。
KNNとRFはガス混合物中の様々な化学物質の分類において99%以上の精度を示した。
回帰分析において、knは、複素混合物中のアセトン、トルエン、エタノール、クロロホルムの濃度を予測するために、r2値が 0.99 以上、lodが 0.012, 0.015, 0.014, 0.025 ppm で最良の結果を得た。
そこで,本手法を応用したアレイは,疾患診断と治療監視のために4つのガスの濃度を同時に分類し,予測できることを実証した。
関連論文リスト
- Predicting the Temperature-Dependent CMC of Surfactant Mixtures with Graph Neural Networks [36.814181034608666]
界面活性剤は、様々な産業で発泡および浄化の鍵となる材料である。
実際には、界面活性剤の混合物は通常、性能、環境、コストの理由から使用される。
本研究では,CMCの温度依存性を予測するため,界面活性剤混合物のグラフニューラルネットワークフレームワークを開発した。
論文 参考訳（メタデータ） (2024-11-04T16:17:57Z) - Unifying Mixed Gas Adsorption in Molecular Sieve Membranes and MOFs using Machine Learning [0.0]
最近の機械学習モデルは、ポリマーまたは金属-有機フレームワーク(MOF)を別途重視している。
両方のタイプの吸着剤の傾向を予測する統一モデルを作成することの難しさは困難である。
本研究では, ガス混合物と吸着剤の物理的性質のみを含む特徴ベクトルを用いて, これらの問題に対処する。
論文 参考訳（メタデータ） (2024-06-19T09:30:11Z) - Determination of Trace Organic Contaminant Concentration via Machine
Classification of Surface-Enhanced Raman Spectra [0.7029155133139362]
機械学習を用いて,未処理のRamanデータから試料汚染物質の濃度を予測する手法を提案する。
標準的な機械学習モデルを用いて、サンプル汚染物質の濃度を、生のRamanデータから80%以上のクロスバリデーション精度で予測する。
論文 参考訳（メタデータ） (2024-01-31T21:49:40Z) - 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) - Simulating Spin-Orbit Coupling With Quasidegenerate N-Electron Valence
Perturbation Theory [77.34726150561087]
本稿では,SO-QDNEVPT2におけるスピン軌道結合効果の最初の実装について述べる。
これらの方法の精度は、14および16の水素化物、3dおよび4d遷移金属イオン、および2つのアクチニド二酸化物に対して試験される。
論文 参考訳（メタデータ） (2022-11-11T20:03:37Z) - Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based
Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。
本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
論文 参考訳（メタデータ） (2022-09-15T13:52:15Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - 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) - Metal-Oxide Sensor Array for Selective Gas Detection in Mixtures [0.0]
我々は機械学習アルゴリズムとともに,モノリシックでマイクロファブリケートな金属酸化物半導体(MOS)センサアレイを提案する。
異なる温度でピクセルを走らせることで得られる高次元データは、機械学習アルゴリズムのトレーニングに使用される。
その結果, 混合ガス中の個々のガス濃度の予測には, MOS元素の多量性と, 様々な温度で測定する能力が不可欠であることが示唆された。
論文 参考訳（メタデータ） (2021-02-25T16:43:54Z) - 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) - 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。
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。