Self-supervised learning for inter-laboratory variation minimization in surface-enhanced Raman scattering spectroscopy

2023

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1039/d2an01569b
Достоверность данных 85 высокая
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

). The leave-one-lab-out cross-validation (LOLABO-CV) results indicate that the MVNet also minimizes the variance of completely unseen laboratory datasets while improving the reproducibility and linear fit of the regression model. The Python implementation of MVNet and the code for the analysis can be found on the GitHub page https://github.com/psychemistz/MVNet.