@article{Sahu S. K.2024-05-31,
author = { Sahu S. K.,  Shrivastav A. ,  Swamy N. K.,  Dubey V. ,  Halwar D. K.,  Kumar M. T.,  Rao M. C.},
title = {Прогнозирование длины волны возбуждения люминофоров на основе машинного обучения},
year = {2024},
publisher = {NP «NEICON»},
abstract = {Разработан алгоритм машинного обучения на основе простых люминесцентных материалов для прогнозирования длин волн возбуждения с максимально возможной точностью с использованием легкодоступных основных алгоритмов регрессора CatBoost, множественной линейной регрессии (MLR) и искусственной нейронной сети (ANN). Алгоритмы ANN и MLR имеют более высокие средние значения абсолютной ошибки как в обучающих, так и в тестовых наборах данных. Алгоритм CatBoost превосходит другие алгоритмы с точки зрения среднего значения абсолютной процентной разницы 0.302136 % в наборе обучающих данных. Алгоритм CatBoost демонстрирует наименьшую среднеквадратическую ошибку 1.680768 нм в наборе обучающих данных и его прогнозы имеют меньшее среднее отклонение от фактических значений.},
URL = {https://www.academjournals.by/publication/15136},
eprint = {https://www.academjournals.by/files/15095},
journal = {Журнал прикладной спектроскопии},
}