Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaOptik, instrumentasi & mediaExcellence in Research: Machine Learning and Deep Learning Algorithms for Standoff Detection of Threat Chemicals by Active Infrared Backscatter Hyperspectral Imaging
Proyek riset & pengembangan

Excellence in Research: Machine Learning and Deep Learning Algorithms for Standoff Detection of Threat Chemicals by Active Infrared Backscatter Hyperspectral Imaging

Ringkasan tujuan riset

Deteksi kimia jarak jauh dari citra hiperspektral hamburan balik inframerah menggabungkan optimasi endmember dan segmentasi mendalam untuk memisahkan analit dari substrat.

Optik, instrumentasi & media1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2401880Periode tercatat 2024-09-01 sampai 2027-08-31.NSF 2401880MulaiAkhir tercatat202420282024-09-012027-08-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Praproses menargetkan kelas tidak seimbang serta data tanpa label, sementara particle swarm dan algoritme evolusi mencari endmember bundle dengan optimasi multiobjektif. Segmentasi semantik berbasis pembelajaran menangani speckle dan ekstraksi fitur. Riset menilai pengenalan zat berbahaya dari jarak aman berdasarkan pola optik, dengan sensitivitas trace dan diskriminasi latar masih perlu diuji. Penyinaran yang aman serta ketepatan klasifikasi tidak disimpulkan dari algoritme saja.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of the District of Columbia
Program
HBCU-EiR - HBCU-Excellence in
Periode pendanaan tercatat
2024-09-01 → 2027-08-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • CSE - Core Programs

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.