PT - JOURNAL ARTICLE
AU - Sahu S. K., 
AU - Shrivastav A. , 
AU - Swamy N. K., 
AU - Dubey V. , 
AU - Halwar D. K., 
AU - Kumar M. T., 
AU - Rao M. C., 
TI - Прогнозирование длины волны возбуждения люминофоров на основе машинного обучения
DP - 2024-05-31
TA - Журнал прикладной спектроскопии
SO - https://www.academjournals.by/publication/15136
AB - 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.