17 Sun P. Hao X. Hao W. Pan B. Yang Y. Liu Y. Tian Y. Jin H. лазерно-искровая эмиссионная спектроскопия сверточная нейронная сеть анализ главных компонент боксит 2022 2022-09-27 Журнал прикладной спектроскопии 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.  https://www.academjournals.by/publication/15584 https://www.academjournals.by/files/15540