期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于近红外光谱数据的一维卷积神经网络模型研究
1
作者
唐杰
罗彦波
+6 位作者
李翔宇
陈云璨
王鹏
卢天
纪晓波
庞永强
朱立军
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2024年第3期731-736,共6页
近红外光谱技术已被广泛应用于各种检测行业,但传统方法难以汇集光谱关键信息,导致模型预测误差较大。为减少误差,基于452个茄科植物,以化学成分为目标,探索了一维卷积神经网络(1DCNN)在近红外数据上的回归模型研究。经参数优化,总结了...
近红外光谱技术已被广泛应用于各种检测行业,但传统方法难以汇集光谱关键信息,导致模型预测误差较大。为减少误差,基于452个茄科植物,以化学成分为目标,探索了一维卷积神经网络(1DCNN)在近红外数据上的回归模型研究。经参数优化,总结了一套兼顾精度与训练效率的1DCNN模型参数,为后续模型研究提供参考。模型测试集的均方根误差为0.02~0.49,平均相对误差为0.8%~1.7%,远小于历史文献。相比传统方法,1DCNN可充分利用全部近红外谱图数据,且建模简单,模型预测能力强。该工作能为近红外光谱相关研究提供新的数据处理思路,也能促进该技术的应用与发展。
展开更多
关键词
一维卷积神经网络
近红外光谱
深度学习
下载PDF
职称材料
基于机器学习的材料设计
2
作者
陆文聪
吴炎淼
+3 位作者
刘太昂
卢天
纪晓波
邢雷凯
《河南师范大学学报(自然科学版)》
CAS
北大核心
2024年第4期120-131,F0002,共13页
材料创新一直是推动人类文明进步的重要引擎,随着现代科技对高性能材料日益增长的需求,材料科学的重要性也逐渐凸显.传统的“试错法”和第一性原理应用于复杂的材料设计还有较大的局限性.机器学习已发展成为材料科学研究的新范式,通过...
材料创新一直是推动人类文明进步的重要引擎,随着现代科技对高性能材料日益增长的需求,材料科学的重要性也逐渐凸显.传统的“试错法”和第一性原理应用于复杂的材料设计还有较大的局限性.机器学习已发展成为材料科学研究的新范式,通过分析大量数据,可实现高通量筛选、性能预测、晶体结构预测和材料配方优化等方面的功能.机器学习结合第一性原理方法的材料设计,为材料研究带来了崭新的思路.回顾了机器学习在材料设计领域的应用,探讨了其加速材料创新、降低试错成本、定制化材料设计等方面的应用潜力,展望了其对材料科学领域带来的机遇和挑战.
展开更多
关键词
机器学习
材料设计
配方优化
下载PDF
职称材料
题名
基于近红外光谱数据的一维卷积神经网络模型研究
1
作者
唐杰
罗彦波
李翔宇
陈云璨
王鹏
卢天
纪晓波
庞永强
朱立军
机构
烟叶资源科学利用重庆市重点实验室
国家烟草质量监督检验中心
上海数之微信息科技有限公司
上海
大学化学系
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2024年第3期731-736,共6页
基金
国家自然科学基金项目(52102140)
重庆中烟工业有限责任公司科技项目(HX202009)资助。
文摘
近红外光谱技术已被广泛应用于各种检测行业,但传统方法难以汇集光谱关键信息,导致模型预测误差较大。为减少误差,基于452个茄科植物,以化学成分为目标,探索了一维卷积神经网络(1DCNN)在近红外数据上的回归模型研究。经参数优化,总结了一套兼顾精度与训练效率的1DCNN模型参数,为后续模型研究提供参考。模型测试集的均方根误差为0.02~0.49,平均相对误差为0.8%~1.7%,远小于历史文献。相比传统方法,1DCNN可充分利用全部近红外谱图数据,且建模简单,模型预测能力强。该工作能为近红外光谱相关研究提供新的数据处理思路,也能促进该技术的应用与发展。
关键词
一维卷积神经网络
近红外光谱
深度学习
Keywords
One-dimensional convolutional neural network
Near-infrared spectroscopy
Deep learning
分类号
O657.3 [理学—分析化学]
下载PDF
职称材料
题名
基于机器学习的材料设计
2
作者
陆文聪
吴炎淼
刘太昂
卢天
纪晓波
邢雷凯
机构
上海
大学理学院化学系
上海数之微信息科技有限公司
出处
《河南师范大学学报(自然科学版)》
CAS
北大核心
2024年第4期120-131,F0002,共13页
基金
国家自然科学基金(52102140)
云南贵金属实验室重大科技专项(YPML-2023050205,YPML-2023050208).
文摘
材料创新一直是推动人类文明进步的重要引擎,随着现代科技对高性能材料日益增长的需求,材料科学的重要性也逐渐凸显.传统的“试错法”和第一性原理应用于复杂的材料设计还有较大的局限性.机器学习已发展成为材料科学研究的新范式,通过分析大量数据,可实现高通量筛选、性能预测、晶体结构预测和材料配方优化等方面的功能.机器学习结合第一性原理方法的材料设计,为材料研究带来了崭新的思路.回顾了机器学习在材料设计领域的应用,探讨了其加速材料创新、降低试错成本、定制化材料设计等方面的应用潜力,展望了其对材料科学领域带来的机遇和挑战.
关键词
机器学习
材料设计
配方优化
Keywords
machine learning
materials design
recipe optimization
分类号
O69 [理学—化学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于近红外光谱数据的一维卷积神经网络模型研究
唐杰
罗彦波
李翔宇
陈云璨
王鹏
卢天
纪晓波
庞永强
朱立军
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于机器学习的材料设计
陆文聪
吴炎淼
刘太昂
卢天
纪晓波
邢雷凯
《河南师范大学学报(自然科学版)》
CAS
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部