%0 article
%A Sahu S. K., 
%A Shrivastav A. , 
%A Swamy N. K., 
%A Dubey V. , 
%A Halwar D. K., 
%A Kumar M. T., 
%A Rao M. C., 
%T Прогнозирование длины волны возбуждения люминофоров на основе машинного обучения
%D 2024
%J Журнал прикладной спектроскопии
%X 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.
%U https://www.academjournals.by/publication/15136