
Unser Modell kann nicht nur 2D-NMR-Spektren genau vorhersagen, sondern auch die Peaks in experimentellen 2D-NMR-Spektren präzise zuordnen, indem es Multi-Tasking-Training und iteratives Selbsttraining nutzt.


coremsg

präzise-vorhersage-und-zuordnung-von-2d-nmr-spektren-durch-nutzung-von-multi-tasking-training-und-iterativem-selbsttraining


Präzise Vorhersage und Zuordnung von 2D-NMR-Spektren durch Nutzung von Multi-Tasking-Training und iterativem Selbsttraining


title_rewrite


Eine neue Methode zur Klassifizierung von Differenzmobilitätsspektrogrammen wird präsentiert, bei der diese als zeitliche Messreihen interpretiert werden. Dadurch kann ein Long-Short Term Memory (LSTM) Neuronales Netzwerk eingesetzt werden, das eine Klassifizierungsgenauigkeit von 89% erreicht.


klassifizierung-flüchtiger-organischer-verbindungen-mittels-differenzmobilitätsspektrometrie-basierend-auf-der-kontinuität-von-alpha-kurven


Klassifizierung flüchtiger organischer Verbindungen mittels Differenzmobilitätsspektrometrie basierend auf der Kontinuität von Alpha-Kurven
