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: 132
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
- بررسی جامع پتانسیلها و اثرات هوش مصنوعی و ChatGPT در پیشبرد و شکل دهی به فرآیندهای آموزشی مدرن
- بررسی کاربرد هوش مصنوعی در تعاملی سازی محیط یادگیری الکترونیکی
- تحلیلی از نقاط قوت و ضعف هوش مصنوعی در حل مسئله ریاضی
- استفاده از ChatGPT برای بهبود فعالیتهای آزمایشگاهی شیمی
- شخصی سازی آموزش و طراحی آموزشی به واسطه هوش مصنوعی در آموزش عالی
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.