Normal view
MARC view
Super-resolution reconstruction of noisy gas-mixture absorption spectra using deep learning (Record no. 927577)
[ view plain ]
| 000 -Маркер записи | |
|---|---|
| Контрольное поле постоянной длины | 03350nab a2200397 c 4500 |
| 001 - Контрольный номер | |
| Контрольное поле | koha000927577 |
| 005 - Дата корректировки | |
| Контрольное поле | 20240124180754.0 |
| 007 - Кодируемые данные (физ. описан.) | |
| Контрольное поле постоянной длины | cr | |
| 008 - Кодируемые данные | |
| Контрольное поле постоянной длины | 230125|2022 enk s a eng d |
| 024 7# - Прочие стандартные номера | |
| Стандартный номер | 10.1016/j.jqsrt.2022.108278 |
| Источник номера | doi |
| 035 ## - Системный контрольный номер | |
| Системный контрольный номер | koha000927577 |
| 040 ## - Источник каталогиз. | |
| Служба первич. каталог. | RU-ToGU |
| Код языка каталог. | rus |
| Служба, преобразующая запись | RU-ToGU |
| 245 10 - Заглавие | |
| Заглавие | Super-resolution reconstruction of noisy gas-mixture absorption spectra using deep learning |
| Ответственность | Yu. V. Kistenev, V. E. Skiba, V. V. Prischepa [et al.] |
| 336 ## - Тип содержимого | |
| Тип содержимого | Текст |
| 337 ## - Средство доступа | |
| Средство доступа | электронный |
| 504 ## - Библиография | |
| Библиография | Библиогр.: 58 назв. |
| 520 3# - Аннотация | |
| Аннотация | The laser sources used in absorption spectroscopy of gas media are a compromise between spectral turn- ability and line width. For example, optical parametric oscillators have a very wide tuning range, but also have a rather wide laser radiation linewidth. To mitigate the disadvantages of the latter, an approach to absorption spectroscopy gas-analysis spec- tral resolution improving using super-resolution (SR) reconstruction is proposed. It was implemented us- ing several machine learning models based on different artificial neural network (ANN) architectures, including an original sequential ensemble ANN approach. The problem of random noise influence on SR reconstruction quality was resolved in two ways: (i) by learning convolutional neural networks with noisy spectra, (ii) by high-frequency noise preliminary decreasing, using Gaussian or Fast Fourier Transform fil- tering. The following ANN architecture models were designed and tested: convolutional neural network (CNN) and multilayer perceptron (MLP). The former performed at a lower accuracy compared to the lat- ter. ANNs’ sequential combination was implemented when each subsequent ANN used the results of pre- vious ANN data processing. This architecture pursues a paradigm of ensemble algorithms. Sequential models consisting of two or five MLP ANNs were designed and tested. In general, at low noise, the se- quential models provided better SR reconstruction quality compared to the single-stage MLP ANN. When the noise amplitude was 4% and more, the sequential models demonstrated 3–8% worse accuracy than the single-stage MLP ANN, even using filtering. Therefore, the sequential models are quite accurate and effective in combination with effective filtering in cases of moderate noise level. |
| 653 ## - Ключевые слова | |
| Ключевые слова | спектры поглощения |
| 653 ## - Ключевые слова | |
| Ключевые слова | машинное обучение |
| 653 ## - Ключевые слова | |
| Ключевые слова | реконструкция сверхвысокого разрешения |
| 653 ## - Ключевые слова | |
| Ключевые слова | глубокое обучение |
| 653 ## - Ключевые слова | |
| Ключевые слова | многослойные персептроны |
| 653 ## - Ключевые слова | |
| Ключевые слова | сверточные нейронные сети |
| 653 ## - Ключевые слова | |
| Ключевые слова | ансамблевое обучение |
| 655 #4 - Термин индексирования — жанр/форма | |
| Жанр/форма | статьи в журналах |
| 9 (RLIN) | 879358 |
| 700 1# - Другие авторы | |
| Другие авторы | Kistenev, Yury V. |
| 9 (RLIN) | 99223 |
| 700 1# - Другие авторы | |
| Другие авторы | Skiba, V. E. |
| 9 (RLIN) | 799617 |
| 700 1# - Другие авторы | |
| Другие авторы | Prischepa, Vladimir V. |
| 9 (RLIN) | 808872 |
| 700 1# - Другие авторы | |
| Другие авторы | Vrazhnov, Denis A. |
| 9 (RLIN) | 106039 |
| 700 1# - Другие авторы | |
| Другие авторы | Borisov, Alexey V. |
| Дата | 1980- |
| 9 (RLIN) | 81640 |
| 773 0# - Источник информации | |
| Название источника | Journal of Quantitative Spectroscopy and Radiative Transfer |
| Место и дата издания | 2022 |
| Прочая информация | Vol. 289. P. 108278 (1-18) |
| ISSN | 0022-4073 |
| 852 4# - Местонахождение единицы хранения | |
| Код организации-хранителя | RU-ToGU |
| 856 4# - Электронный адрес документа | |
| URL | <a href="http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:000927577">http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:000927577</a> |
| 908 ## - Параметр входа данных | |
| Параметр входа данных | статья |
| 999 ## - Системные контрольные номера (Koha) | |
| biblionumber (Koha) | 927577 |
No items available.