样本弛豫谱组分分析中NMR测量参数的实时智能优化

样本弛豫谱组分分析中NMR测量参数的实时智能优化.pdf
优化核磁共振测量参数对于提高NMR实验的速度非常重要.在核磁共振时域谱分析中,针对多组分样品的测量参数进行实时智能优化却少有研究.受到蒙特卡洛优化算法的启发,本文提出基于贝叶斯推断理论的实时反馈学习优化算法,该算法在优化多组分样品的测量参数方面具有较高的效率.
作者：杨磊徐征
作者单位：重庆大学,电气工程学院,输配电装备及系统安全与新技术国家重点实验室,重庆400044
母体文献：2021第二十一届全国波谱学学术会议论文集
会议名称：2021第二十一届全国波谱学学术会议  
会议时间：2021年11月11日
会议地点：浙江温州
主办单位：中国物理学会
语种：chi
分类号：TN3TE3
关键词：组分分析  核磁共振  时域谱分析  贝叶斯推断理论
在线出版日期：2022年5月27日
基金项目：
相似文献
相关博文

2024-12-1 21:16 上传 样本弛豫谱组分分析中NMR测量参数的实时智能优化.pdf

文件大小:

413.74 KB

下载次数:

60

高速下载