机器学习

  • 静态顶空-气相色谱-离子迁移谱(SHS-GC-IMS)结合机器学习技术对长相思葡萄酒的质量等级预测

    该研究将静态顶空-气相色谱-离子迁移谱(SHS-GC-IMS)技术首次应用于葡萄酒香气分析,通过预测模型将香气化学与葡萄酒感官质量分级联系起来。对6种机器学习模型进行了比较,结果表明人工神经网络(ANN)的预测精度最高,达到95.4%。

    2021年12月17日 0 2.1K 0
  • 机器学习技术在食物摄入量评估中的应用

    天给大家介绍一篇由Larissa Oliveira Chaves等人,于2021年7月29日上发表在Food Science and Nutrition(IF=11.171)的一篇综述性文章。该综述使用5个计算机数据库进行文献搜索,旨在确定使用ML算法评估不同人群食物摄入量的研究。

    2021年11月11日 0 1.7K 0
  • 如何科学地挑选西洋参 / 机器学习预测西洋参生长年限

    疫情反复,想买点西洋参提高下免疫力,又怕买到假货?今天这篇发表在Chinese Medicine (IF=5.4)的文章教你如何科学地剁手鉴定西洋参生长年限。这篇文章由中国食品药品检定研究院胡笑文、严华等人于2021年10月发表,通讯是魏锋和马双成研究员。这项研究基于106批西洋参样本和4种机器学习算法,建立了西洋参年限预测模型。为了进一步适应不同来源的西洋参样本,又基于相似性构建了模型的应用域,最终实现了对西洋参生长年限的准确预测。该方法为西洋参年限造假的鉴别提供了技术支持,论文也提供了完整的模型代码。

    2021年11月2日 0 1.9K 0
  • 使用机器学习方法对葡萄酒真实性进行预测建模

    今天介绍一篇不久前由巴西戈亚斯联邦大学的Nattane Luíza da Costa发表于Artificial Intelligence in Agriculture的一篇文章。文中使用支持向量机(SVM)结合两种特征选择方法对南美洲4种葡萄酒进行分类,根据挥发物、半挥发物和酚类化合物的组成对收集的 83 个样品进行了分析。识别出九种化学品定义的变量子集对葡萄酒样品进行分类的性能最优,其准确率达93.97%。

    2021年10月10日 0 2.3K 0
  • 人工智能和机器学习在食品行业的机遇

    今天介绍一篇近期由印度Graphic Era Hill University的Indrajeet Kumar等人发表于Journal of Food Quality的文章。文中通过文献对智慧农业、食品加工业中的人工智能、数据分析在食品行业中的作用、餐厅业务中的机器学习、食品安全中的人工智能进行了研究,并分析了人工智能和机器学习在食品行业的未来发展情况。

    2021年9月12日 0 5.2K 0
  • 在食物蛋白质衍生肽数据库中对胆汁酸结合肽进行机器学习筛选

    今天介绍一篇近期由日本名古屋大学生物分子工程系的Kento Imai等人发表于Nature scientific reports的文章。文中使用BIOPEP-UWM和机器学习开发了一种新的生物活性肽筛选方法,有助于识别胆汁酸结合肽以及其他生物活性肽。

    2021年9月5日 0 2.9K 0
  • 肠道菌群分析和机器学习算法揭示精准营养在干预代谢综合征中的作用

    2021年7月30日,介绍一篇由中国科学院上海营养与健康研究所陈雁研究组和林旭研究组在国际学术期刊Molecular Nutrition & Food Research发表的研究论文。该文揭示了肠道菌群在指导精准营养干预改善代谢综合征中的重要作用。

    2021年8月17日 0 2.7K 0
  • VirtualTaste:用于预测化合物感官特性的网络服务器

    今天介绍一篇来自德国柏林生理学研究所的Franziska Fritz和Priyanka Banerjee、生理和科学IT研究所的Robert Preissner于2021年4月27日发表的文章。该文章实现了用机器学习模型来预测三种不同的味道终点——甜味、苦味和酸味。开发了名为VirtualTaste的 Web服务器平台,用于预测三种不同口味的化合物。

    2021年8月16日 0 1.9K 0
  • 结合光谱学和机器学习改进食品分类

    今天介绍一篇最近由布鲁塞尔自由大学的I. Magnus等人前段时间发表在Food Control上的一篇文章。旨在用于无损产品鉴定的传统数据分析处理技术基础上进行新型算法开发,通过结合紫外线、可见光、近红外反射光谱和荧光光谱的信息和产品流中的食品安全和质量评价,实现识别外来物体。

    AI食品 2021年7月24日 0 2.1K 0
  • 当今的机器学习策略可以减少人们对食物中纳米粒子的担忧

    在《环境科学与技术》杂志在线发表的一项新研究中,德克萨斯 A&M 大学的研究人员使用机器学习来评估金属纳米粒子的显着特性,这些特性使它们更容易被植物吸收。研究人员表示,他们的算法可以表明植物在根和芽中积累了多少纳米颗粒。

    2021年7月14日 0 1.6K 0