MétaCan
Menu
Retour à la cohorte
Enregistrement W2998344628 · doi:10.1155/2020/2134516

Multivariate Statistical Analysis on a SEM/EDS Phase Map of Rare Earth Minerals

2020· article· en· W2998344628 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueScanning · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlind Source Separation Techniques
Établissements canadiensMcGill University
Organismes subventionnairesHydro-QuébecMcGill University
Mots-clésPrincipal component analysisNon-negative matrix factorizationIndependent component analysisPreprocessorMultivariate statisticsPattern recognition (psychology)Phase (matter)Computer scienceArtificial intelligenceChemometricsIdentification (biology)Analytical Chemistry (journal)MathematicsChemistryStatisticsMatrix decompositionChromatographyPhysicsMachine learning

Résumé

récupéré en direct d'OpenAlex

The scanning electron microscope/X-ray energy dispersive spectrometer (SEM/EDS) system is widely applied to rare earth minerals (REMs) to qualitatively describe their mineralogy and quantitatively determine their composition. The performance of multivariate statistical analysis on the EDS raw dataset can enhance the efficiency and the accuracy of phase identification. In this work, the principal component analysis (PCA) and the blind source separation (BSS) algorithms were performed on an EDS map of a REM sample, assisting to achieve an efficient phase map analysis. The PCA significantly denoised the phase map and was used as a preprocessing step for the following BSS. The BSS separated the mixed EDS signals into a set of physically interpretable components, bringing convenience to the phase separation and identification. Through the comparison between the independent component analysis (ICA) and the nonnegative matrix factorization (NMF) algorithms, the NMF was confirmed to be more suitable for the EDS mapping analysis.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,334
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle