文献

J-GLOBAL ID：202202237487063277   整理番号：22A0554507

矩形波ボルタンメトリー,次元縮小および機械学習を用いたAs,PbおよびCd重金属イオンの分類【JST・京大機械翻訳】

Classification of As, Pb and Cd Heavy Metal Ions Using Square Wave Voltammetry, Dimensionality Reduction and Machine Learning

著者 (5件)： Leon-Medina Jersson X. (Departamento de Ingenieri ́a Meca ́nica y Mecatro ́nica, Universidad Nacional de Colombia, Bogota ́, Colombia) ,  Tibaduiza Diego A. (Departamento de Ingenieri ́a Ele ́ctrica y Electro ́nica, Universidad Nacional de Colombia, Bogota ́, Colombia) ,  Burgos Juan C. (Programa de Ingenieria Quimica, Universidad de Cartagena, Cartagena de Indias, Colombia) ,  Cuenca Martha (Programa de Ingenieria Quimica, Universidad de Cartagena, Cartagena de Indias, Colombia) ,  Vasquez Dreidy (Escuela de Ingenieria Quimica, Pontificia Universidad Cato ́lica de Valparai ́so, Valparai ́so, Chile)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 7684-7694  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 重金属の検出と分類は,異なる産業におけるプロセス水の品質を保証するための成長要求である。しかし,これらの汚染物質の存在を評価する公式方法論は,試料前処理を必要とし,時間がかかり,高価である。これらの要素はオンラインモニタリングを可能にしない。この理由で,オンラインモニタリングと評価には新しい技術が必要である。本研究では,As,PbおよびCdのような異なる重金属イオンの検出および分類のための新しい方法論を提示した。方形波ボルタンメトリーの電気分析技術を適用して,2D Hubbardで修飾した市販のグラファイトセンサを用いた。続いて,パターン認識と機械学習法に基づく信号処理を行った。この分類方法論は次のステップを含む:データ表示と配置,t分布確率近傍埋込み(t-SNE)法による次元縮小,特徴抽出として役立ち,分類器としてサポートベクトルマシン(SVM)法。検証は118の水試料のデータセットで行った。リーブワンアウト交差検証法(LOOCV)を用いて分類精度を得た。結果は,このデータセットによる実験的検証の2つの誤差だけで,98.31%の分類精度を示した。この方法論は,MoS_2-2Dの水性試料中のこれらのイオンの存在を検出する有用なツールであると結論した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *イオン ,  パターン認識 ,  *カドミウム ,  実験 ,  特徴抽出 ,  グラファイト ,  *重金属 ,  *ボルタンメトリー ,  二次元 ,  t分布 ,  *次元縮小 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： *重金属イオン ,  オンライン監視 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 矩形波ボルタンメトリー ,  次元縮小 ,  機械学習 ,  Pb ,  Cd ,  重金属イオン ,  分類