From Molecules to Clusters: Unsupervised Learning Insights into Perfume Composition
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_017
- زبان مقاله: انگلیسی
- تعداد مشاهده: 159
نویسندگان
Department of Statistics, Shiraz University, Shiraz, Iran
چکیده
This study presents a novel application of unsupervised machine learning techniques to analyze the molecular and evaporative characteristics of perfumery compounds. A dataset comprising molecular descriptors, structural notations, and physical properties of scent compounds has been prepared using three extensive SQL databases, and some well-known methodological approaches including Principal Component Analysis (PCA) and Factor Analysis (FA) for dimensionality reduction and Hierarchical Clustering (HC) are implemented to identify intrinsic olfactory families without relying on pre-existing classes.کلیدواژه ها
Perfumery; Molecular Structure; Machine Learning; Factor Analysis; Principal Component Analysis; Hierarchical Clusteringمقالات مرتبط جدید
- یادگیری بازنمایی بصری متضاد مبتنی بر رویکردهای تعاملی و تخاصمی
- هوشمندسازی مدارس
- هوش مصنوعی و تحلیل بقا برای پیش بینی طول عمر حرفهای بازیکنان بسکتبال NBA با استفاده از دادههای پزشکی و عملکردی
- هوش مصنوعی در سیستم های قدرت
- هوش مصنوعی در خدمت تاریخ: بازخوانی سنگ نبشته های تخت جمشید با بهره گیری از فناوریهای تشخیص نوشتار و تحلیل زبان
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.