Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-519008
Machine learning based quantification of synchrotron radiation-induced X-ray fluorescence measurements - a case study
- In this work, we describe the use of artificial neural networks for the quantification of X-ray fluorescence measurements. The training data were generated using Monte Carlo simulation, which avoided the use of adapted reference materials. The extension of the available data set by means of an ANN to generate additional data was demonstrated. Particular emphasis was put on the comparability of simulated and experimental data and how the influence of deviations can be reduced. The search for the optimal hyperparameter, manual and automatic, is also described. For the presented case, we were able to train a network with a mean absolute error of 0.1 weight percent for the synthetic data and 0.7 weight percent for a set of experimental data obtained with certified reference materials.
Autor*innen: | Martin RadtkeORCiD, A. Rakotondrajoa |
---|---|
Dokumenttyp: | Zeitschriftenartikel |
Veröffentlichungsform: | Verlagsliteratur |
Sprache: | Englisch |
Titel des übergeordneten Werkes (Englisch): | Machine Learning: Science and Technology |
Jahr der Erstveröffentlichung: | 2020 |
Organisationseinheit der BAM: | 6 Materialchemie |
6 Materialchemie / 6.3 Strukturanalytik | |
Veröffentlichende Institution: | Bundesanstalt für Materialforschung und -prüfung (BAM) |
Verlag: | IOP Publishing |
Erste Seite: | 1 |
Letzte Seite: | 16 |
DDC-Klassifikation: | Naturwissenschaften und Mathematik / Chemie / Analytische Chemie |
Freie Schlagwörter: | BAMline; Machine learning; Neural network; Synchrotron; XRF |
Themenfelder/Aktivitätsfelder der BAM: | Chemie und Prozesstechnik |
Chemie und Prozesstechnik / Chemische Charakterisierung und Spurenanalytik | |
DOI: | 10.1088/2632-2153/abc9fb |
URN: | urn:nbn:de:kobv:b43-519008 |
Verfügbarkeit des Dokuments: | Datei für die Öffentlichkeit verfügbar ("Open Access") |
Lizenz (Deutsch): | Creative Commons - CC BY - Namensnennung 4.0 International |
Datum der Freischaltung: | 28.12.2020 |
Referierte Publikation: | Nein |
Schriftenreihen ohne Nummerierung: | Wissenschaftliche Artikel der BAM |