通过深度学习原始核磁共振数据识别有机化合物的碎片结构
定量方法
2021-07-27 v1 机器学习
摘要
我们预处理原始NMR谱图，并使用两种不同的方法（称为等距采样和峰值采样）提取关键特征，用于后续的子结构模式识别；同时可能提供替代策略来解决统计建模数据集收集中经常遇到的NMR数据集不平衡问题，并建立两个传统的SVM和KNN模型来分别评估两种特征选择的能力。我们在这项研究中的结果表明，使用峰值采样所选特征的模型优于使用另一种特征的模型。然后，我们构建了由峰值采样收集的数据B训练的循环神经网络（RNN）模型。此外，我们通过与传统的机器学习SVM和KNN模型的详细比较，说明了RNN深度学习模型更易于超参数优化和更好的泛化能力。
引用
@article{arxiv.2107.11740,
title = {Identifying the fragment structure of the organic compounds by deeply learning the original NMR data},
author = {Chongcan Li and Yong Cong and Weihua Deng},
journal= {arXiv preprint arXiv:2107.11740},
year = {2021}
}
备注
12 pages, 8 figures