通过深度学习在光谱学中检索气体浓度 田林波，孙佳晨，张军，夏金宝，张志峰，Alexandre A. Kolomenskii，汉斯·舒斯勒，张ler 该存储库提供补充材料，包括： 代码 load data.py-将数据从xlxs文件加载到pkl。 I / O例程 模型Implementation.py-在Keras中实现的深度神经网络（1D-CNN＆DMLP）。 Pre-training.py-预训练模型的说明 transfer-learning.py-为预训练的模型实施转移学习的说明。 数据集 目前，我们尚未决定如何提升大容量数据集的水平。与编辑协商后将确认。

我们利用重夸克（HQ）对称性对重介子的有效场论，并基于隐式规范对称性将轻向量介子纳入其中，将激发的引诱子和美丽介子的强衰变分析成轻向量介子。 HQ对称性使我们能够将自旋双峰中的重介子分类，并关联激发态的衰变。 我们建立了用于控制Hi→P（*）V模式的有效拉格朗日项，其中Hi受激的s，p，d和f波重轻夸克介子P，P *位于最低的JP =（0−， 1-）重轻介子，V为轻向量介子。 提供了与有效拉格朗日项中的强耦合无关的衰变宽度比的预测。 提出了新近观测到的重轻介子的分类。

我们计算相对q夸克模型中qq cc和sscc四夸克的光谱，其中q，s和c分别表示轻夸克（u，d），奇数夸克和魅力夸克。 胶子交换加上约束力。 在diquark模型中，qqcc（sscc）四夸克结构由重轻diquark qc（sc）和反diquarkq¯c（s¯c）组成。 根据我们的结果，在四夸克图片中，无论是隐藏魅力（qq¯cc）还是隐藏魅力隐藏奇异（sscc）扇区，都可以容纳13个类似charm的观测状态。

为了达到快速识别和检测油类污染物的目的,以激光诱导荧光技术为基础搭建了荧光光谱检测系统,得到0 #柴油、95 #汽油和普通煤油3种不同油种的荧光光谱,然后从荧光光谱信息中提取特征参量,将标准差、中心距和荧光峰的峰度系数作为敏感特征参量进行聚类分析,最后采用拟合曲线法求得待测样品的质量浓度。实验结果表明,LIF技术结合特征参量提取法和拟合曲线法可用于不同油类污染物的定性和定量检测,为快速识别和检测油类污染物提供了一种新思路。

利用拉曼光谱检测技术，对甲醇柴油的甲醇含量和黏度进行定量检测研究。93个甲醇柴油样品作为被检测的对象，划分校正集（72个）和预测集（21个）。分析比较了光谱的不同预处理方法的全交互验证偏最小二乘（PLS）模型效果；然后以最优预处理方法得到的光谱数据为输入，结合连续投影算法(SPA)建立不同的回归校正模型，并进行比较分析。结果表明，甲醇含量的多元散射校正偏最小二乘(MSC-PLS)模型预测效果最优，其校正集相关系数RC为0.9761，交互验证相关系数RCV为0.9551，校正集均方误差（RMSEC）为1.5089，交互验证均方误差（RMSECV）为2.0630；黏度的MSC-PLS模型预测效果也是最优的，RC为0.9794，RCV为0.9580，RMSEC为0.0907 mPa·s，RMSECV为0.1292 mPa·s。

画幅式多光谱成像技术能够同时获取多波段光谱图像数据，在材料分析及环境监控等领域有广泛应用。采用一种基于光场成像的画幅式多光谱成像方法，利用二次成像的方法将由光场成像系统获取的多光谱图像转接成像到探测器光敏面，不需微透镜阵列与探测器光敏面直接接触，避免了对探测器的损坏，同时降低了系统安装调节的难度。此外，研究了不同通道光谱信息混叠的影响因素，采用像素灰度匹配的方法获取各通道像点的矢量坐标，实现光谱通道信息的提取。在不同光强条件下对灰度进行平场校正，获取各光谱通道的归一化通光率，用以校正通道灰度误差。搭建了实验装置，对室内目标进行多光谱瞬时探测，获取了较为清晰的多光谱图像。

食源性致病菌的快速识别是一项重要的工作，与传统检测方法相比，拉曼光谱能在无损检测的同时加快鉴别速度。为了提高大肠杆菌O157∶H7以及布鲁氏菌S2株拉曼光谱识别的准确性和效率，提出一种基于主成分分析与Stacking算法的集成判别模型，使用网格搜索以及K折交叉验证来提高模型的稳健性。与逻辑回归、K近邻、支持向量机等单一模型进行对比，实验结果证明PCA-Stacking集成模型有最高的准确率，达99.73%，达到了预期效果。

SPC查看器 SPCViewer（fka。BluEPRint）可以从下面列出的光谱仪查看和分析光谱。 支持的光谱 布鲁克EMX EPR 布鲁克核磁共振 瓦里安紫外线/可见光 通用CSV 特征 查看和分析光谱 标记积分，峰，自定义点... 多种出口 二手图书馆 通过延Krumsieck（MIT许可证） 的Oxyplot（麻省理工学院许可） （MIT许可证） 通过延Krumsieck（MIT许可证） 通过延Krumsieck（MIT许可证）

为了探索利用激光诱导击穿光谱(LIBS)对水田污染区稻壳中铬(Cr)元素含量进行绿色、快速检测的可行性，采用LIBS结合联合区间偏最小二乘法(SiPLS)，对产自江西省某湖周边24个水田污染区稻壳样品中的Cr元素进行了定量分析。利用原子吸收光谱法(AAS)测得样品中Cr元素的真实浓度为32.51~510.33 μg/g，利用LIBS光谱获得的Cr元素三个特征谱线Cr I 425.43 nm、Cr I 427.48 nm和Cr I 428.97 nm清晰明显。对稻壳样品在422~446 nm波段的LIBS光谱数据进行九点平滑处理后，在采用SiPLS获得的最佳模型基础上，得出模型交叉验证均方根误差与预测均方根误差分别为26.1 μg/g和22.6 μg/g，训练集相关系数与预测集相关系数分别为0.9714和0.9840。对预测集样品进行相对误差及T检验分析，结果显示稻壳中Cr元素浓度的预测值与AAS法测量的真实值之间的平均相对误差为6.20%，且无显著性差异，表明模型具有较好的预测精度，可为自然条件下生长的农产品重金属安全绿色分析提供参考依据。

需要读入已经包络线消除的文本文件