红外技术
紅外技術
홍외기술
INFRARED TECHNOLOGY
2008年
1期
58-60
,共3页
近红外(NIR)%啤酒%酒精度%人工神经网络(ANN)%偏最小二乘(PLS)
近紅外(NIR)%啤酒%酒精度%人工神經網絡(ANN)%偏最小二乘(PLS)
근홍외(NIR)%비주%주정도%인공신경망락(ANN)%편최소이승(PLS)
以啤酒酒精度的快速测定为研究对象,采用误差反向传播算法(Back-Propagation,BP),结合主成分分析(PCA),构造了三层的神经网络结构,建立了PCA-BP神经网络模型,达到满意的预测精度,结果表明:使用BP神经网络方法后,验证集预测均方差、平均相对误差和回收率范围分别为0.114、1.131%和97.91%-104.59%,其效果优于PLS模型.
以啤酒酒精度的快速測定為研究對象,採用誤差反嚮傳播算法(Back-Propagation,BP),結閤主成分分析(PCA),構造瞭三層的神經網絡結構,建立瞭PCA-BP神經網絡模型,達到滿意的預測精度,結果錶明:使用BP神經網絡方法後,驗證集預測均方差、平均相對誤差和迴收率範圍分彆為0.114、1.131%和97.91%-104.59%,其效果優于PLS模型.
이비주주정도적쾌속측정위연구대상,채용오차반향전파산법(Back-Propagation,BP),결합주성분분석(PCA),구조료삼층적신경망락결구,건립료PCA-BP신경망락모형,체도만의적예측정도,결과표명:사용BP신경망락방법후,험증집예측균방차、평균상대오차화회수솔범위분별위0.114、1.131%화97.91%-104.59%,기효과우우PLS모형.
