亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于卷積神經(jīng)網(wǎng)絡(luò)的近紅外光譜多組分定量分析模型研究

        2024-09-02 00:00:00于水宦克為王磊劉小溪韓雪艷
        分析化學(xué) 2024年5期
        關(guān)鍵詞:近紅外光譜定量分析卷積神經(jīng)網(wǎng)絡(luò)

        摘要 近紅外光譜分析技術(shù)已成為食品、農(nóng)業(yè)和醫(yī)藥等領(lǐng)域中質(zhì)量監(jiān)控的重要分析手段。本研究提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的近紅外光譜多組分定量分析模型(MulCoSpecNet),此模型由1 個(gè)編碼解碼模塊、1 個(gè)專家模塊、1 個(gè)門控模塊、1 個(gè)多組分定量預(yù)測模塊和1 個(gè)超參數(shù)優(yōu)化器組成。編碼解碼模塊通過上采樣和下采樣方式降低光譜噪聲以及隨機(jī)誤差,提高光譜信噪比;專家模塊和門控模塊利用不同權(quán)重構(gòu)建不同子光譜;多組分定量預(yù)測模塊采用卷積和池化等操作提高模型的預(yù)測精度和泛化能力;超參數(shù)優(yōu)化器在超參數(shù)空間中同步優(yōu)化超參數(shù)。本研究以公共的谷物和玉米近紅外光譜數(shù)據(jù)為例,將MulCoSpecNet 預(yù)測結(jié)果與偏最小二乘法(PLS)、極限學(xué)習(xí)機(jī)(ELM)、支持向量回歸法(SVM)和神經(jīng)網(wǎng)絡(luò)(BP)結(jié)果進(jìn)行比較。結(jié)果表明,與PLS 相比, MulCoSpecNet 在谷物和玉米數(shù)據(jù)集上預(yù)測精度分別提高了25.5%~45.2%和10.0%~35.7%;與ELM 相比, MulCoSpecNet 預(yù)測精度分別提高了17.8%~38.6%和18.2%~37.2%;與SVM相比, MulCoSpecNet 預(yù)測精度分別提高了33.6%~47.0%和31.3%~50.7%;與BP 相比, MulCoSpecNet 預(yù)測精度分別提高了2.0%~58.5%和29.6%~48.6%?;诰矸e神經(jīng)網(wǎng)絡(luò)的MulCoSpecNet 近紅外光譜多組分預(yù)測模型有效地解決了預(yù)測精度低以及泛化能力差等問題,為建立無損高精度的近紅外光譜多組分定量分析模型提供了理論基礎(chǔ)。

        關(guān)鍵詞 近紅外光譜;深度學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò);多組分;定量分析

        隨著化學(xué)計(jì)量學(xué)的不斷發(fā)展,近紅外光譜分析技術(shù)(Near infrared spectroscopy, NIRS)在農(nóng)業(yè)[1]、石化[2-3]、醫(yī)藥[4]、食品[5]和飼料[6]等領(lǐng)域得到了廣泛應(yīng)用。NIRS 作為一種過程分析技術(shù),具有快速、無損等特點(diǎn),被廣泛用于樣品的在線分析檢測[7]。建立具有預(yù)測精度高和泛化能力強(qiáng)的定量分析模型是近紅外光譜分析技術(shù)的關(guān)鍵。目前,常用的近紅外光譜建模方法有偏最小二乘法(Partial least squares,PLS)[8]、極限學(xué)習(xí)機(jī)(Extreme learning machine, ELM)[9]、支持向量回歸法(Support vector machine,SVM)[10]和BP 神經(jīng)網(wǎng)絡(luò)(Back propagation neural network, BP)[11]等。然而,隨著NIRS 的不斷發(fā)展,常用的近紅外光譜建模方法面臨預(yù)測精度低、非線性特征處理差以及過擬合風(fēng)險(xiǎn)高等難題,導(dǎo)致模型無法有效地表征近紅外光譜與物質(zhì)化學(xué)值之間的內(nèi)在關(guān)聯(lián)。深度學(xué)習(xí)能夠有效地處理近紅外光譜中的線性和非線性特征信息[12]。在各種深度學(xué)習(xí)模型中,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network, CNN)被廣泛用于近紅外光譜的定性和定量分析[13]。例如, Liu 等[14]利用一維CNN 對葵花籽霉變進(jìn)行了定性分析;Zhang 等[15]利用一維CNN 對玉米蛋白質(zhì)、小麥蛋白質(zhì)、土壤有機(jī)碳等進(jìn)行了近紅外光譜定量分析;王磊等[16]建立了一維CNN 模型,并對玉米油、柴油十六烷值、啤酒酵母等多種樣品化學(xué)值進(jìn)行了定量分析;Yu 等[17]將一維CNN 與多種預(yù)處理方法相結(jié)合對啤酒酵母、牛奶蛋白質(zhì)、谷物水分進(jìn)行了近紅外光譜定量分析;Ma 等[18]將時(shí)間頻率分析與一維CNN 相結(jié)合對煙草樣品中的總糖、還原糖和尼古丁等化學(xué)成分進(jìn)行了定量分析。然而,上述的一維CNN 近紅外光譜預(yù)測模型多針對某個(gè)樣本中單一組分進(jìn)行預(yù)測,對多組分預(yù)測仍有較大局限性。因此,建立一種基于CNN 的近紅外光譜多組分定量分析模型尤為重要。

        本研究提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的近紅外光譜多組分定量分析模型(Multicomponent spectral"network, MulCoSpecNet),引入了多任務(wù)多專家(Multi-gate mixture-of-experts, MMoE)[19]思想,實(shí)現(xiàn)了多門控與多專家相結(jié)合,提高了模型的預(yù)測性能。編碼解碼模塊通過上采樣和下采樣,能夠有效降低噪聲,提高光譜信噪比。門控模塊通過不同的門控網(wǎng)絡(luò)得到權(quán)重并融合專家模塊輸出的特征光譜,使模型能夠捕捉不同任務(wù)之間的差異性。多組分定量預(yù)測模塊通過提取多個(gè)卷積層、池化層和全連接層的線性和非線性特征,學(xué)習(xí)多維特征信息,避免模型過擬合,提高模型預(yù)測精度。在公共的谷物和玉米近紅外光譜數(shù)據(jù)集中,與PLS、ELM、SVM和BP神經(jīng)網(wǎng)絡(luò)模型相比, MulCoSpecNet模型具有更好的預(yù)測精度和泛化能力。

        猜你喜歡
        近紅外光譜定量分析卷積神經(jīng)網(wǎng)絡(luò)
        基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
        大規(guī)模古籍文本在中國史定量研究中的應(yīng)用探索
        FTA在工業(yè)氣體探測報(bào)警系統(tǒng)中的應(yīng)用
        基于近紅外光譜法的藜麥脂肪含量快速檢測
        商務(wù)英語詞匯量與商務(wù)英語閱讀能力相關(guān)性研究
        國外藝術(shù)體操科研現(xiàn)狀
        深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
        基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
        軟件工程(2016年8期)2016-10-25 15:47:34
        中國當(dāng)代醫(yī)藥(2016年19期)2016-09-30 20:42:57
        基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識別的算法的研究
        日本亚洲成人中文字幕| 亚洲av电影天堂男人的天堂| 久久精品国产99国产精2020丨| 日本韩国三级aⅴ在线观看| 亚洲av综合av国一区二区三区| 狠狠cao日日橹夜夜十橹| 99精品一区二区三区无码吞精| 国产成人av综合亚洲色欲| 日本一区二区精品色超碰| 日本高清一级二级三级| 免费人成视频xvideos入口| 欧美性福利| 日本久久一级二级三级| 中国一级黄色片久久久| 曰韩无码二三区中文字幕| 亚洲熟妇色xxxxx欧美老妇| 国产大片在线观看三级| 中文字幕亚洲精品久久| 色多多a级毛片免费看| 99在线视频精品费观看视| 国产主播一区二区三区在线观看| 色欲av永久无码精品无码蜜桃| av香港经典三级级 在线| 一区二区久久不射av| 精品少妇一区二区三区入口| 比较有韵味的熟妇无码| 日本精品一区二区三区在线视频| 久久高潮少妇视频免费| av影片在线免费观看| 少妇无码太爽了不卡视频在线看 | 亚洲精品乱码8久久久久久日本| 亚洲欧美日韩中文天堂| 日本一区二区三区在线视频观看 | 成人国产精品一区二区网站公司 | 伊人久久大香线蕉在观看| 亚洲一区二区三区自拍麻豆| 人妻丰满熟av无码区hd| 亚洲人成无码网www| 日本中文字幕一区二区在线观看| av高清在线不卡直播| 人妻 日韩精品 中文字幕|