@article{Sun P. 2022-09-27,
author = { Sun P. ,  Hao X. ,  Hao W. ,  Pan B. ,  Yang Y. ,  Liu Y. ,  Tian Y. ,  Jin H. },
title = {ИДЕНТИФИКАЦИЯ РАЗЛИЧНЫХ ТИПОВ БОКСИТОВ НА ОСНОВЕ ЛАЗЕРНО-ИСКРОВОЙ ЭМИССИОННОЙ СПЕКТРОСКОПИИ И СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ},
year = {2022},
publisher = {NP «NEICON»},
abstract = {Для идентификации различных типов бокситов предложена структура сверточной нейронной сети (CNN) в сочетании с лазерно-искровой эмиссионной спектроскопией методом анализа главных компонент. Полученные на спектрометре данные нормализуются для исключения влияния разных размерностей на интенсивности возбуждения каждой спектральной линии. Размерность признаков нормализованных выборок уменьшается с помощью анализа главных компонент. Входные данные получают с помощью операций свертки и объединения в CNN. Точность классификации при одной свертке и объединении 97.4%, при множественных свертках и объединениях 99.6%. Для оценки производительности предложенной модели построены модели, основанные на методах k-ближайших соседей, случайного леса, опорных векторов и входных характеристиках полного спектра. Показано, что CNN обладают большим потенциалом в области идентификации и классификации бокситов и обеспечивают надежный метод обработки данных, который позволяет классифицировать материалы со схожими химическими свойствами с использованием лазерно-искровой эмиссионной спектроскопии. },
URL = {https://www.academjournals.by/publication/15584},
eprint = {https://www.academjournals.by/files/15540},
journal = {Журнал прикладной спектроскопии},
}