Neuer Preprint über Unsupervised Machine Learning auf diversen Messdaten

Bereits seit einigen Jahren beschäftigen wir uns in unserer Forschungsgruppe mit Ansätzen, um experimentelle Daten automatisiert und vor allem unvoreingenommen auswerten zu können. In der Vergangenheit waren Anton Vladyka und Maria El Abbassi hier treibende Kräfte.

Mein Kollege Mickael Perrin hat diese Bemühungen zum Anlass genommen einen generalisierten Ansatz für verschiedenste Typen von Messdaten zu entwickeln und einen umfangreichen Benchmark verschiedener Algorithmen vorzunehmen. Gemeinsam haben wir diesen insbesondere auch auf Datensätze aus der Ramanspektroskopie angewendet.

Unsere Diskussion der verschiedenen Methoden zur Dimensionalitätsreduktion, zum Clustern und Validieren können im folgenden Preprint nachgelesen werden: https://arxiv.org/abs/2004.14271
Wir freuen uns über feedback!