Miniatura

Fitxers

ROSET TOMÀS MARC_4253527_assignsubmission_file_TFG-Roset-Tomas-Marc.pdf (327.89 KB)

Tipus de document

Treball de fi de grau

Data de publicació

2021-07

Llicència de publicació

cc-by-nc-nd (c) Roset, 2021
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/180920

Machine learning for iron oxide identification from oxygen K edge in EELS spectra

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

In this work we test machine learning tools such as the Support Vector Machine algorithm and neural network models on the task of Electron Energy-Loss Spectroscopy (EELS) spectra classification. Given many sample spectra of EELS applied on wüstite and magnetite nanocubes, we train both models to determine the oxidation state of iron. We show that SMV exhibits a good performance on classifying clean data, and we demonstrate the capability of neural networks of producing robust results given shifted data

Descripció

Treballs Finals de Grau de Física, Facultat de Física, Universitat de Barcelona, Curs: 2021, Tutors: Sònia Estradé, Daniel Del Pozo Bueno

Matèries

Aprenentatge automàtic, Espectroscòpia de pèrdua d'energia d'electrons, Treballs de fi de grau

Matèries (anglès)

Machine learning, Electron energy loss spectroscopy, Bachelor's theses

Citació

Col·leccions

Treballs Finals de Grau (TFG) - Física

Citació

ROSET TOMÀS, Marc. Machine learning for iron oxide identification from oxygen K edge in EELS spectra. [consulta: 30 de gener de 2026]. [Disponible a: https://hdl.handle.net/2445/180920]

Exportar metadades

JSON - METS

Compartir registre