Реферат: Быстрое развитие экспериментальных методов в каталитических исследованиях в последнее время позволяет получать большие объемы данных. Использование новых статистических и расчетных методов обработки, включающих в себя извлечение информации из экспериментальных данных и их непредвзятую интерпретацию, важно для ускорения развития и внедрения каталитических технологий. Извлечение информации может быть достигнуто с применением статистических подходов: PCA, MCR, ALS. В то же время алгоритмы машинного обучения начинают активно использоваться для интерпретации и построения описательных моделей. В настоящей статье рассматриваются основные методы машинного обучения и примеры их успешного применения для анализа данных инфракрасной и рентгеновской абсорбционной спектроскопии.

Библиографическая ссылка: Филиппов В.Г. , Михайлов Я.А. , Елышев А.В.
Машинное обучение и анализ больших данных в области катализа
Кинетика и катализ. 2023. Т.64. №2. С.139-152. DOI: 10.31857/S0453881123020028 РИНЦ OpenAlex

Переводная версия: Filippov V.G. , Mikhailov Y.A. , Elyshev A.V.
Machine Learning and Big Data Analysis in the Field of Catalysis (A Review)
Kinetics and Catalysis. 2023. V.64. N2. P.122-134. DOI: 10.1134/s0023158423020027 WOS Scopus РИНЦ CAPlus OpenAlex

Даты:

Поступила в редакцию:	11 июн. 2022 г.
Принята к публикации:	19 окт. 2022 г.

Идентификаторы БД:

РИНЦ:	50502257
OpenAlex:	W4394915502

Идентификаторы БД переводной версии:

Web of science:	WOS:001011416800002
Scopus:	2-s2.0-85162030500
РИНЦ:	61898445
Chemical Abstracts:	2023:1256891
OpenAlex:	W4380760381

Альметрики: