用于拉曼光谱识别的深度卷积神经网络：一种统一解决方案
机器学习
2018-02-07 v1 机器学习
摘要
机器学习方法已在拉曼光谱中找到许多应用，特别是用于化学物种的识别。然而，几乎所有这些方法都需要非平凡的预处理，例如基线校正和/或PCA作为必要步骤。在此，我们描述了用于化学物种识别的统一解决方案，其中训练卷积神经网络根据其拉曼光谱自动识别物质，而无需临时预处理步骤。我们使用包含矿物样本数据的RRUFF光谱数据库评估了我们的方法。相较于其他常用机器学习算法（包括流行的支持向量机）展示了优越的分类性能。
引用
@article{arxiv.1708.09022,
title = {Deep Convolutional Neural Networks for Raman Spectrum Recognition: A Unified Solution},
author = {Jinchao Liu and Margarita Osadchy and Lorna Ashton and Michael Foster and Christopher J. Solomon and Stuart J. Gibson},
journal= {arXiv preprint arXiv:1708.09022},
year = {2018}
}