计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2013年
2期
199-202
,共4页
王锋%曾宇梅%沃棋棋%臧月%尹晓庆%唐佳玲%李大东
王鋒%曾宇梅%沃棋棋%臧月%尹曉慶%唐佳玲%李大東
왕봉%증우매%옥기기%장월%윤효경%당가령%리대동
人工神经网络%极限学习机%氨基酸%同时测定
人工神經網絡%極限學習機%氨基痠%同時測定
인공신경망락%겁한학습궤%안기산%동시측정
artificial neural network%extreme learning machine%amino acids%simultaneous determinations
蛋白质类食品中的氨基酸特别是必需氨基酸的含量是衡量蛋白质类食品营养价值高低的重要评价指标,而现在的一些检测方法存在费用高、检测方法费时繁琐以及不适合作氨基酸含量的快速分析等问题;为快速、准确地完成混合虾体肌肉水解液中氨基酸浓度的定量分析,本文试验分别采用极限学习机(EML)、BP神经网络和RBF神经网络对南美白对虾、水培虾、竹节虾的36份水解液稀释液的紫外光谱数据进行测试,以完成水解液中苯丙氨酸、酪氨酸和组氨酸的定量检测,并在三者的预测比较中考查了极限学习机的优越性;实验结果为ELM网络的均方误差为3.9667e-007,BP网络的均方误差为7.0938,RBF网络的均方误差为5.2379e-004,极限学习机更准确地完成了混合虾体肌肉水解液中氨基酸浓度的定量分析;10次随机预测运行结果的决定性系数R2分别为:EML9.42069、BP 8.76012、RBF 8,80471,极限学习机调节参数少,学习速度更快,预测准确率更高.实验为相关食品中氨基酸含量检测提供了有价值的参考.
蛋白質類食品中的氨基痠特彆是必需氨基痠的含量是衡量蛋白質類食品營養價值高低的重要評價指標,而現在的一些檢測方法存在費用高、檢測方法費時繁瑣以及不適閤作氨基痠含量的快速分析等問題;為快速、準確地完成混閤蝦體肌肉水解液中氨基痠濃度的定量分析,本文試驗分彆採用極限學習機(EML)、BP神經網絡和RBF神經網絡對南美白對蝦、水培蝦、竹節蝦的36份水解液稀釋液的紫外光譜數據進行測試,以完成水解液中苯丙氨痠、酪氨痠和組氨痠的定量檢測,併在三者的預測比較中攷查瞭極限學習機的優越性;實驗結果為ELM網絡的均方誤差為3.9667e-007,BP網絡的均方誤差為7.0938,RBF網絡的均方誤差為5.2379e-004,極限學習機更準確地完成瞭混閤蝦體肌肉水解液中氨基痠濃度的定量分析;10次隨機預測運行結果的決定性繫數R2分彆為:EML9.42069、BP 8.76012、RBF 8,80471,極限學習機調節參數少,學習速度更快,預測準確率更高.實驗為相關食品中氨基痠含量檢測提供瞭有價值的參攷.
단백질류식품중적안기산특별시필수안기산적함량시형량단백질류식품영양개치고저적중요평개지표,이현재적일사검측방법존재비용고、검측방법비시번쇄이급불괄합작안기산함량적쾌속분석등문제;위쾌속、준학지완성혼합하체기육수해액중안기산농도적정량분석,본문시험분별채용겁한학습궤(EML)、BP신경망락화RBF신경망락대남미백대하、수배하、죽절하적36빈수해액희석액적자외광보수거진행측시,이완성수해액중분병안산、락안산화조안산적정량검측,병재삼자적예측비교중고사료겁한학습궤적우월성;실험결과위ELM망락적균방오차위3.9667e-007,BP망락적균방오차위7.0938,RBF망락적균방오차위5.2379e-004,겁한학습궤경준학지완성료혼합하체기육수해액중안기산농도적정량분석;10차수궤예측운행결과적결정성계수R2분별위:EML9.42069、BP 8.76012、RBF 8,80471,겁한학습궤조절삼수소,학습속도경쾌,예측준학솔경고.실험위상관식품중안기산함량검측제공료유개치적삼고.
