マルチスペクトルデータからの鉱物認識のための機械学習【JST・京大機械翻訳】

Jahoda Pavel; Drozdovskiy Igor; Sauro Francesco; Turchi Leonardo; Payler Samuel; Bessone Loredana

プレプリント

J-GLOBAL ID：202202220621468230 整理番号：21P0033536

マルチスペクトルデータからの鉱物認識のための機械学習【JST・京大機械翻訳】

Machine Learning for recognition of minerals from multispectral data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年05月28日プレプリントサーバーでの情報更新日： 2020年05月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

機械学習(ML)は,鉱物を認識し,元素組成を推定するのに使用される分光法でいくつかの応用を見出している。本研究では,異なる分光学的方法からのデータの組み合わせに基づく自動鉱物同定のための新しい方法を示した。振動Raman散乱,反射可視-近赤外(VNIR),およびレーザ誘起破壊分光法(LIBS)の3つの分光学的方法からの結合データを評価した。これらの方法を,Raman+VNIR,Raman+LIBSおよびVNIR+LIBSに対し,鉱物を分類するために各対に適用したデータ融合の種々の方法を検討した。ここで提示した方法は,重要なマージンによる単一データソースの使用より優れていることを示した。さらに,以前の最先端の方法より性能が優れているRamanスペクトルからの鉱物分類のための深い学習アルゴリズムを提案した。本アプローチは,合成LIBS NISTスペクトルライブラリーと同様に,種々のオープンアクセス実験Raman(RRUFF)とVNIR(USGS,Relab,ECOSTRESS)で試験した。著者らの交差検証試験は,MLと対にしたマルチ法分光法が岩石と鉱物の迅速で正確な特性化への道を開いたことを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

分光分析 , 惑星

, ,

前のページに戻る