論文の概要: Benchmarking Deep Learning Models for Raman Spectroscopy Across Open-Source Datasets

• arxiv url: http://arxiv.org/abs/2601.16107v1
• Date: Thu, 22 Jan 2026 16:54:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.65826
• Title: Benchmarking Deep Learning Models for Raman Spectroscopy Across Open-Source Datasets
• Title（参考訳）: オープンソースデータセット間のラマン分光のためのディープラーニングモデルのベンチマーク
• Authors: Adithya Sineesh, Akshita Kamsali,
• Abstract要約: 本研究では、3つ以上のRaman固有のディープラーニング分類器を複数のオープンソースのRamanデータセットで比較した最初の体系的ベンチマークの1つを示す。 分類精度とマクロ平均F1スコアを報告し,Ramanスペクトルに基づく分類のための深層学習モデルの公平かつ再現可能な比較結果を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning classifiers for Raman spectroscopy are increasingly reported to outperform classical chemometric approaches. However their evaluations are often conducted in isolation or compared against traditional machine learning methods or trivially adapted vision-based architectures that were not originally proposed for Raman spectroscopy. As a result, direct comparisons between existing deep learning models developed specifically for Raman spectral analysis on shared open-source datasets remain scarce. To the best of our knowledge, this study presents one of the first systematic benchmarks comparing three or more published Raman-specific deep learning classifiers across multiple open-source Raman datasets. We evaluate five representative deep learning architectures under a unified training and hyperparameter tuning protocol across three open-source Raman datasets selected to support standard evaluation, fine-tuning, and explicit distribution-shift testing. We report classification accuracies and macro-averaged F1 scores to provide a fair and reproducible comparison of deep learning models for Raman spectra based classification.
• Abstract（参考訳）: ラマン分光法のための深層学習分類器は、古典化学の手法より優れていると報告されている。 しかしながら、それらの評価はしばしば、従来の機械学習手法や、元々ラマン分光法のために提案されなかった、自明に適応した視覚ベースのアーキテクチャと比較される。 その結果、オープンソースのデータセットを共有するRamanスペクトル分析のために開発された既存のディープラーニングモデルとの直接比較は少ないままである。 我々の知る限り、この研究では、複数のオープンソースのRamanデータセットにまたがる3つ以上のRaman固有のディープラーニング分類器を比較した最初の体系的なベンチマークの1つを提示する。 我々は、標準評価、微調整、明示的な分散シフトテストをサポートするために選択された3つのオープンソースのRamanデータセットに対して、統一的なトレーニングおよびハイパーパラメータチューニングプロトコルの下で、5つの代表的なディープラーニングアーキテクチャを評価した。 分類精度とマクロ平均F1スコアを報告し,Ramanスペクトルに基づく分類のための深層学習モデルの公平かつ再現可能な比較結果を提供する。

関連論文リスト

• Pulse Shape Discrimination Algorithms: Survey and Benchmark [7.302101804475471]
  本稿では,放射線検出のためのパルス形状判別(PSD)アルゴリズムの総合的な調査とベンチマークについて述べる。 本研究では,F1スコア,ROC-AUC,メソッド間相関などの指標を用いて,標準化された2つのデータセットを実装・評価する。 ディープラーニングモデル、特にMLP(Multi-Layer Perceptrons)と、統計的特徴とニューラル回帰を組み合わせたハイブリッドアプローチは、従来の手法よりも優れていることが多い。
  論文  参考訳（メタデータ） (2025-08-03T04:41:32Z)
• High-Performance Few-Shot Segmentation with Foundation Models: An Empirical Study [64.06777376676513]
  基礎モデルに基づく数ショットセグメンテーション(FSS)フレームワークを開発した。 具体的には、基礎モデルから暗黙的な知識を抽出し、粗い対応を構築するための簡単なアプローチを提案する。 2つの広く使われているデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2024-09-10T08:04:11Z)
• A Graph-Theoretic Framework for Understanding Open-World Semi-Supervised Learning [33.05104609131764]
  オープンワールド半教師あり学習は、未知のデータに既知のクラスと新しいクラスの両方を推定することを目的としている。 本稿では,オープンワールド設定に適したグラフ理論フレームワークを定式化する。 我々のグラフ理論フレームワークは実用的なアルゴリズムを照らし、保証を提供する。
  論文  参考訳（メタデータ） (2023-11-06T21:15:09Z)
• Tackling Computational Heterogeneity in FL: A Few Theoretical Insights [68.8204255655161]
  我々は、計算異種データの形式化と処理を可能にする新しい集約フレームワークを導入し、分析する。 提案するアグリゲーションアルゴリズムは理論的および実験的予測から広範囲に解析される。
  論文  参考訳（メタデータ） (2023-07-12T16:28:21Z)
• EmbedDistill: A Geometric Knowledge Distillation for Information Retrieval [83.79667141681418]
  大規模なニューラルモデル(トランスフォーマーなど)は、情報検索(IR)のための最先端のパフォーマンスを達成する 本研究では,大規模教師モデルで学習したクエリとドキュメント間の相対的幾何を利用した新しい蒸留手法を提案する。 提案手法は, 両エンコーダ (DE) とクロスエンコーダ (CE) の2種類の教師モデルから, 95～97%の教師性能を維持できる1/10の非対称な学生への蒸留に成功した。
  論文  参考訳（メタデータ） (2023-01-27T22:04:37Z)
• Aligning Logits Generatively for Principled Black-Box Knowledge Distillation [49.43567344782207]
  Black-Box Knowledge Distillation (B2KD)は、クラウドからエッジへのモデル圧縮において、サーバ上にホストされる見えないデータとモデルによって定式化された問題である。 民営化と蒸留による2段階のワークフローを形式化する。 そこで本研究では,ブラックボックスの煩雑なモデルを軽量に蒸留するKD (MEKD) を新たに提案する。
  論文  参考訳（メタデータ） (2022-05-21T02:38:16Z)
• Model-Based Deep Learning: On the Intersection of Deep Learning and Optimization [101.32332941117271]
  決定アルゴリズムは様々なアプリケーションで使われている。 数理モデルに頼らずにデータから調整された高度パラメトリックアーキテクチャを使用するディープラーニングアプローチが、ますます人気が高まっている。 モデルに基づく最適化とデータ中心のディープラーニングは、しばしば異なる規律とみなされる。
  論文  参考訳（メタデータ） (2022-05-05T13:40:08Z)
• Raman Spectrum Matching with Contrastive Representation Learning [7.070018798821577]
  コントラスト表現学習に基づくラマンスペクトルマッチングのための新しい機械学習手法を提案する。 提案手法は, 予測精度において, 技術水準を著しく向上させるか, あるいは同等である。
  論文  参考訳（メタデータ） (2022-02-25T08:32:27Z)
• 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)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)

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。