一种用于分析化学计量学数据组成的深度学习方法
机器学习
2019-05-10 v1 机器学习
摘要
我们提出一种基于深度学习的新型化学计量学数据分析技术。我们端到端训练了 L2 正则化稀疏自编码器，以缩减特征向量维度，从而应对化学计量学数据分析中维度的诅咒这一经典问题。我们引入一种通过 Pareto 优化在自编码器隐藏层内自动选择节点的新技术。此外，在降维后的特征向量上应用高斯过程回归器进行回归。我们在橙汁与葡萄酒数据集上评估了我们的技术，并将结果与 3 种最先进的方法进行比较。定量结果以归一化均方误差（NMSE）给出，结果显示相较最先进水平有显著改进。
引用
@article{arxiv.1905.03420,
title = {A deep learning approach for analyzing the composition of chemometric data},
author = {Muhammad Bilal and Mohib Ullah},
journal= {arXiv preprint arXiv:1905.03420},
year = {2019}
}
备注
6 pages, 1 figure, 1 table