| dc.description.abstract | Στη σημερινή εποχή, η μηχανική μάθηση είναι ζωτικής σημασίας για την ανάλυση
και την ερμηνεία πολύπλοκων συνόλων δεδομένων, έχοντας σημαντική επίπτωση
σε πεδία όπως αυτά της Αναλυτικής Χημείας και της Χημειομετρίας. Με την
ενσωμάτωση της μηχανικής μάθησης σε αυτούς τους κλάδους, επιτυγχάνουμε πιο ακριβή
προγνωστικά μοντέλα και γνώσεις βασιζόμενες σε δεδομένα, βελτιώνοντας την ανάλυση
των φασματοσκοπικών δεδομένων και βελτιστοποιώντας τις χημικές διεργασίες. Αυτή η
διπλωματική εργασία συνδυάζει διάφορες χημειομετρικές μεθόδους και μεθόδους μηχανικής
μάθησης, αξιολογώντας τες επάνω σε φασματικά δεδομένα Μεσογειακών μελιών. Η
παρούσα έρευνα αποσκοπεί στη συγκριτική ανάλυση αυτών των τεχνικών, βελτιώνοντας
τις προβλέψεις σχετικά με τη νοθεία και την προέλευση του μελιού. Η προτεινόμενη
μεθοδολογία μπορεί να εφαρμοστεί σε διαφορετικούς τύπους φασματοσκοπικών δεδομένων
για τον προσδιορισμό του βέλτιστου συνδυασμού τεχνικών ανάλυσης. | en_US |
