| کاربرد تکنیک های مختلف یادگیری ماشین و هوش مصنوعی جهت بهبود کارایی در اندازه گیری گونه های مختلف در اسپکتروسکوپی |
| کد مقاله : 1011-IACC (R2) |
| نویسندگان |
|
غلامرضا فخریان *1، حسن زوار موسوی2 1محقق 2دانشگاه گیلان |
| چکیده مقاله |
| بهبود کارآیی تکنیک ها همیشه از موارد چالش برانگیز در میان محققان بوده است. سیستم های پیچیده کار اندازه گیری را مشکل می کند. دامنه ی خطی پایین باعث میشد که فرد مجبور باشد بارها عملیات آماده سازی نمونه را انجام دهد. در اینجا استفاده از سیستمهای یادگیری ماشین و هوش مصنوعی می تواند کمک موثری کند. این مقاله بررسی می‌کند که چگونه تکنیک‌های یادگیری ماشین می‌توانند بهبود قابل توجهی در اندازه‌گیری گونه‌های مختلف در اسپکتروسکوپی داشته باشند. با تمرکز بر روش‌های یادگیری عمیق، شبکه‌های عصبی و الگوریتم‌های یادگیری ماشین، این پژوهش به بررسی نحوه استفاده از این تکنیک‌ها برای بهبود دقت و کارایی در تشخیص و شناسایی نمونه‌ها پرداخت. همچنین، اثرات استفاده از روش‌های یادگیری ماشین بر کاهش خطا، زمان صرف شده برای آماده سازی نمونه تاثیر مثبتی داشته است. نتایج حاصل از این تحقیق نشان داد که استفادە از تکنیک های یادگیری ماشین منجر به بهبود قابل توجە در عملکرد تکنیک های دستگاهی مبتنی بر اسپکتروسکوپی و دقت در شناسائى گونە های مختلف در مقالات گوناگون گردیده است. |
| کلیدواژه ها |
| Machine Learning - SVM - Dynamic Range - HPLC - FAAS |
| وضعیت: چکیده برای ارائه به صورت پوستر پذیرفته شده است |