RT - article
SR - Electronic
T1 - Прогнозирование длины волны возбуждения люминофоров на основе машинного обучения
JF - Журнал прикладной спектроскопии
SP - 2024-05-31
A1 - Sahu S. K., 
A1 - Shrivastav A. , 
A1 - Swamy N. K., 
A1 - Dubey V. , 
A1 - Halwar D. K., 
A1 - Kumar M. T., 
A1 - Rao M. C., 
YR - 2024
UL - 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.