《基于深度学习的混合电化学指纹技术在中国茶叶鉴定中的应用》更正说明

《Analytical Chemistry》:Correction to “Deep Learning-Assisted Multiplexed Electrochemical Fingerprinting for Chinese Teas Identification”

【字体: 大 中 小 】 时间:2026年06月19日 来源:Analytical Chemistry 6.7

编辑推荐:

  在准备图4E,F时,作者无意中重复了图5G,H。这一错误并非故意所为,发生在校对阶段,因为两组数据图表外观极为相似,导致在整理最终图表时出现了复制错误。图4E,F现已得到修正,该错误不会影响本研究的结论。对于这一错误可能造成的困扰,我们深表歉意。图4图4. 六种不同茶树的电化学指

  

在准备图4E,F时,作者无意中重复了图5G,H。这一错误并非故意所为,发生在校对阶段,因为两组数据图表外观极为相似,导致在整理最终图表时出现了复制错误。图4E,F现已得到修正,该错误不会影响本研究的结论。对于这一错误可能造成的困扰,我们深表歉意。

图4

图4. 六种不同茶树的电化学指纹图的2D(A)和3D(B)t-SNE可视化图。(C) 用于识别六大类中国茶的分类混淆矩阵。(D) 经过五次迭代后,训练集和验证集的准确率及交叉熵损失值。(E) 基于不同类型中国茶电化学指纹图的1D-CNN模型的损失曲线与(F)准确率曲线。

作者信息


被引用情况

本文目前尚未被其他文献引用。

相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号