分析化学
分析化學
분석화학
CHINESE JOURNAL OF ANALYTICAL CHEMISTRY
2003年
10期
1220-1223
,共4页
径向基神经网络%奥斯特杨方波伏安法%铬%锌
徑嚮基神經網絡%奧斯特楊方波伏安法%鉻%鋅
경향기신경망락%오사특양방파복안법%락%자
径向基函数神经网络(RBFN)和核心偏最小二乘法(KPLS)用于分析重叠的Cr(Ⅲ)和Zn(Ⅱ)的奥斯特杨(Osteryoung)方波伏安图,程序SPRBFN和SPKPLS被设计用于全部计算.在RBFN方法中,普通高斯函数可用作隐藏层非线性转移函数.由于其局部性质,RBFN能被快速训练,避免陷入局部最小.对两个方法预测能力的研究结果显示其所有组分的相对预测标准偏差(RSEP)分别为0.677%和13.0%.因此,RBFN方法较之KPLS方法可提供更为精确的结果,而且在解决局部最小,改进收敛速率方面也不失为一个重要的工具.
徑嚮基函數神經網絡(RBFN)和覈心偏最小二乘法(KPLS)用于分析重疊的Cr(Ⅲ)和Zn(Ⅱ)的奧斯特楊(Osteryoung)方波伏安圖,程序SPRBFN和SPKPLS被設計用于全部計算.在RBFN方法中,普通高斯函數可用作隱藏層非線性轉移函數.由于其跼部性質,RBFN能被快速訓練,避免陷入跼部最小.對兩箇方法預測能力的研究結果顯示其所有組分的相對預測標準偏差(RSEP)分彆為0.677%和13.0%.因此,RBFN方法較之KPLS方法可提供更為精確的結果,而且在解決跼部最小,改進收斂速率方麵也不失為一箇重要的工具.
경향기함수신경망락(RBFN)화핵심편최소이승법(KPLS)용우분석중첩적Cr(Ⅲ)화Zn(Ⅱ)적오사특양(Osteryoung)방파복안도,정서SPRBFN화SPKPLS피설계용우전부계산.재RBFN방법중,보통고사함수가용작은장층비선성전이함수.유우기국부성질,RBFN능피쾌속훈련,피면함입국부최소.대량개방법예측능력적연구결과현시기소유조분적상대예측표준편차(RSEP)분별위0.677%화13.0%.인차,RBFN방법교지KPLS방법가제공경위정학적결과,이차재해결국부최소,개진수렴속솔방면야불실위일개중요적공구.