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
171-175
,共5页
径向基函数神经网络%定量分析%同步荧光%优化%遗传算法
徑嚮基函數神經網絡%定量分析%同步熒光%優化%遺傳算法
경향기함수신경망락%정량분석%동보형광%우화%유전산법
radial basis function%quantitation%synchronous fluorescence%optimization%genetic algorithm
将基于遗传算法(Genetic algorithm,GA)用于优化径向基函数(Radial Basis Function,RBF)神经网络的输入变量,以提高RBF神经网络的定量分析重叠的同步荧光光谱的能力.本文提出的基于GA输入变量选择的RBF神经网络可作为一种消除光谱干扰的有效工具.光谱对应的有关数据可作为RBF神经网的输入变量,这些多元变量使得神经网络在训练过程中产生“过拟合”现象,降低了定量分析的准确度.用GA优化RBF神经网的输入变量,既简化了神经网络的结构又提高了神经网络的学习能力.通过分析模拟数据和实验数据的计算结果,该方法用于提高RBF人工神经网络网的学习能力可行,且有效.
將基于遺傳算法(Genetic algorithm,GA)用于優化徑嚮基函數(Radial Basis Function,RBF)神經網絡的輸入變量,以提高RBF神經網絡的定量分析重疊的同步熒光光譜的能力.本文提齣的基于GA輸入變量選擇的RBF神經網絡可作為一種消除光譜榦擾的有效工具.光譜對應的有關數據可作為RBF神經網的輸入變量,這些多元變量使得神經網絡在訓練過程中產生“過擬閤”現象,降低瞭定量分析的準確度.用GA優化RBF神經網的輸入變量,既簡化瞭神經網絡的結構又提高瞭神經網絡的學習能力.通過分析模擬數據和實驗數據的計算結果,該方法用于提高RBF人工神經網絡網的學習能力可行,且有效.
장기우유전산법(Genetic algorithm,GA)용우우화경향기함수(Radial Basis Function,RBF)신경망락적수입변량,이제고RBF신경망락적정량분석중첩적동보형광광보적능력.본문제출적기우GA수입변량선택적RBF신경망락가작위일충소제광보간우적유효공구.광보대응적유관수거가작위RBF신경망적수입변량,저사다원변량사득신경망락재훈련과정중산생“과의합”현상,강저료정량분석적준학도.용GA우화RBF신경망적수입변량,기간화료신경망락적결구우제고료신경망락적학습능력.통과분석모의수거화실험수거적계산결과,해방법용우제고RBF인공신경망락망적학습능력가행,차유효.
