Global Compositional Unmixing

RamanPFN框架增强了用于光谱分析的表格模型 · 跟踪2个来源

研究人员开发了RamanPFN，一个新颖的光谱表示框架，旨在增强TabPFN等表格基础模型在分析拉曼光谱数据时的性能。该框架通过采用全局成分分解和局部振动子空间编码，解决了标记光谱有限和波数数据高维度的挑战。在来自74个公共数据集的150项任务上的评估显示，与直接TabPFN推理相比，RamanPFN在回归任务上将均方根误差显著降低了19.6%，在分类任务上降低了9.0%。