同步荧光结合神经网络同时测定3种抗生素

为了更快速、简便、准确地同时测定多种抗生素混合物,采用同步荧光光谱结合径向基神经网络的方法,对3种氟喹诺酮类抗生素（乳酸环丙沙星、乳酸左氧氟沙星、盐酸左氧氟沙星）的同步荧光光谱进行研究。选择3组分浓度均为1.67ng/mL的混合溶液,测量其3维同步荧光光谱;分别测量39种不同浓度的混合溶液样本的同步荧光光谱;选取其中35种作为训练组,其余4种作为预测组,将训练组样本对应的光谱数据作为输入,建立和训练径向基神经网络;在发射波长与激发波长的差Δλ=194nm条件下,利用训练好的神经网络对预测组中各组分的浓度进行预测,得到3种组分浓度预测的平均相对误差分别达到3.59%,3.47%,3.09%。结果表明,当Δλ设定为194nm时,3种抗生素的同步荧光峰差异最为明显、区分度高,该方法能实现对3种抗生素混合物中各组分的同时测定。这为多种抗生素混合物同时测定提供了一种快速、简便、准确的方法。     

3维荧光光谱测定白酒年份酒中乙酸的体积分数

为了快速测定白酒年份酒中乙酸的体积分数,采用3维荧光光谱结合交替拟合残差算法,首先将不同体积分数的乙酸乙醇水溶液的3维荧光光谱作为校正集,然后将白酒的3维荧光光谱作为预测集,利用交替拟合残差算法进行解析分辨,采用标准添加法来验证结果的准确性。结果表明,预测体积分数与真实体积分数的相关系数为0.9926,平均回收率为101.97%;3维荧光光谱结合交替拟合残差算法可以快速有效地测定白酒年份酒中乙酸的体积分数。这一结果对白酒年份酒中单体体积分数的检测是有帮助的。     

基于3维荧光光谱技术的含乳饮料分类研究

为了证明3维荧光光谱法对市面上的牛奶饮料进行快速分类的有效性,采集了市面上购买的12个不同品牌的牛奶饮料的3维荧光光谱,对光谱数据进行了预处理.采用主成分分析、因子分析结合聚类分析的方法对预处理后的光谱数据进行分类,通过因子分析提取出8个因子代表3维荧光光谱数据,对降维后的数据进行了聚类分析.结果表明,主成分分析保留前...     

液态纯牛奶的3维荧光光谱特性与成分分析

为了能够快速检测牛奶质量问题,采用3维荧光光谱和多峰拟合成分的方法,对纯牛奶的3维荧光光谱的特征及其主要成分进行了分析研究。结果表明,激发光谱在250nm～310nm范围,最佳激发波长在290nm附近;发射光谱主要在285nm～500nm,具有较强的荧光,荧光峰在330nm附近。液态纯牛奶的荧光光谱主要由5个谱峰（Ⅰ～Ⅴ）组成,其中峰Ⅰ是乳糖影响下部分蛋白质的荧光、峰Ⅱ为脂肪和VE共同产生的、峰Ⅲ为蛋白质直接所为、峰Ⅳ是其它成分影响下的蛋白质的荧光、峰V是VA,VB1和VB6等微量元素共同产生的。研究结果可为液态纯牛奶的荧光光谱检测技术研究提供实验和理论依据。     

基于3维荧光光谱测定白酒年份酒的年份

为了能够快速准确地检测白酒年份酒的年份,采用了平行因子算法和光谱相似度算法对白酒年份酒与基酒的3维荧光光谱进行分析,分别建立了高年份基酒体积分数的测定函数和年份酒年份测定函数。结果表明,高年份基酒体积分数测定误差不超过0.02,平均加标回收率为100.28%,年份测定误差小于1年;基于3维荧光光谱快速测定白酒年份酒年份的方法,解决了由于3种基酒配制年份酒的3维荧光光谱复杂性而导致的年份酒年份鉴别困难问题。该研究为多种基酒配制年份酒的年份检测问题和其中基酒体积分数的确定提供了参考。     

3维卷积递归神经网络的高光谱图像分类方法

为了针对高光谱图像中空间信息与光谱信息的不同特性进行特征提取,提出一种3维卷积递归神经网络(3-D-CRNN)的高光谱图像分类方法。首先采用3维卷积神经网络提取目标像元的局部空间特征信息,然后利用双向循环神经网络对融合了局部空间信息的光谱数据进行训练,提取空谱联合特征,最后使用Softmax损失函数训练分类器实现分类。3-D-CRNN模型无需对高光谱图像进行复杂的预处理和后处理,可以实现端到端的训练,并且能够充分提取空间与光谱数据中的语义信息。结果表明,与其它基于深度学习的分类方法相比,本文中的方法在Pavia University与Indian Pines数据集上分别取得了99.94%和98.81%的总体分类精度,有效地提高了高光谱图像的分类精度与分类效果。该方法对高光谱图像的特征提取具有一定的启发意义。     

奶粉-三聚氰胺的荧光光谱特性研究

为了研究奶粉、三聚氰胺、奶粉-三聚氰胺混合水溶液的稳态荧光光谱和同步荧光光谱特征,采用280nm的激励光照射奶粉-水溶液时,能发射峰值位于330nm的荧光。利用恒波长同步荧光分析技术研究了该混合溶液的光谱特性,分别改变不同的波长差Δλ,当Δλ=60nm时,同步荧光强度达到最大;混合溶液中奶粉的浓度改变时,其同步荧光强度和浓度间满足线性关系。同时得到了奶粉和三聚氰胺混合溶液的同步荧光光谱,当Δλ=38nm时,奶粉同步荧光峰位位于283nm,三聚氰胺位于319nm,奶粉-三聚氰胺混合溶液中两个峰位均存在。结果表明,利用同步荧光分析技术可以较好地检验出奶粉中是否含有三聚氰胺。该研究能为三聚氰胺及其衍生物的物质特性研究提供参考,并为三聚氰胺的含量检测提供帮助。     

基于三维荧光光谱技术的多组分分析浓度校准方法研究

水体中污染物质在受到光激发时,不仅发出荧光,而且对荧光具有吸收作用,因此在应用荧光光谱定量分析水体多种污染成分时,导致分析结果不够准确.结合三维荧光光谱技术和PARAFAC算法,提出了一种用于多组分分析的非线性浓度校准模型,通过标样数据估计物质之间对荧光的吸收校准参数,应用于浓度反演中.实验结果表明,运用这种非线性的浓度校准模型可以改善多组分分析的性能,提高分析精度.     

三维同步荧光结合平行因子算法研究丹参粉的荧光特征

具有几十余种化学成分的丹参粉是典型的多组分物质,应用传统二维荧光光谱难以对其作定量分析。为了研究多组分共存的丹参粉水溶液的荧光特征,利用三维同步荧光光谱法结合平行因子分析法(PARAFAC)、分半信度法(split half method)、残差平方和(sum of squared error),解析光谱重叠严重的丹参粉水溶液荧光光谱。经上述方法分析确定丹参粉水溶液的平行因子模型组分数为4,其相应组分荧光特征为:第1组分荧光特征λ_Ex=470~480 nm,λ_Em=520~530 nm;第2组分荧光特征λ_Ex=400~410 nm,λ_Em=490~500 nm;第3组分荧光特征λ_Ex=370~380 nm,λ_Em=460~470 nm;第4组分荧光特征λ_Ex=560~570 nm,λ_Em=620~630 nm。其中第2组分的荧光特征可能是丹酚酸B的荧光特征。实验结果表明,在多组分共存且有较多干扰物质时,三维同步荧光结合平行因子算法可以简化光谱分析,较好地表征丹参的整体荧光特性。本研究为多组分共存的中药材分析提供了建议与帮助。     

基于RBF神经网络的二相码旁瓣抑制

研究了RBF神经网络在二相码雷达旁瓣抑制中的应用,对神经网络的学习算法进行了改进,采用Levenberg-Marquardt（LM）算法优化隐层神经元的中心值和扩展常数,而用最小二乘（LS）法优化隐层至输出层的连接权值。对13位巴克码进行了仿真。仿真结果表明,改进的算法具有极快的收敛速度,可获得60dB以上的输出峰均值比,提高了雷达的探测性能。     

基于RBF神经网络的空袭目标威胁评估模型研究

为了辅助作战指挥员对空袭目标威胁程度做出正确判断,对作战提供正确决策,将径向基函数（RBF）神经网络应用于防空指挥控制系统中,给出了涉及空袭目标威胁评估的因素及其数学模型,建立了基于RBF神经网络的空袭目标威胁评估算法。同时,通过专家给出的训练样本在Matlab环境下对该模型进行了仿真计算,结果表明该模型方法评估结果准确、快速。     

优化RBF神经网络在压力传感器中的应用

针对压力传感器在应用中出现温度误差大这一缺点,提出了通过采用径向基函数(RBF)神经网络较强的非线性逼近能力,实现其非线性校正和温度补偿的网络方法,并对该法进行改进。通过仿真可看出,改进方法校正的系统能自动补偿非线性误差,具有误差小,精度高等优点。因此,提出的改进的RBF神经网络法对压力传感器的非线性补偿是可行的。     

降维训练神经网络的圆阵列二维角估计

在信号二维达波方向估计中,神经网络训练集往往较大,一定程度上影响了神经网络在二维角估计中的应用,为此,提出一种降维训练方法,构造两个输入量,并各自形成独立训练集,在两个网络中分别训练俯仰角和方位角,极大地缩简了训练集。论文对降维训练方法进行了仿真,结果表明,所提方法十分有效。     

基于模糊匹配和神经网络的雷达辐射源识别技术

目前常用的雷达辐射源识别方法是数据库比较查询法．该方法实现简单,易于工程实践,但其识别效率取决于数据库的容量和质量．即对先验知识的依赖性强,缺少推理．灵活性差,特别是对于许多新体制雷达信号无法很好地识别。将利用模糊匹配和RBF神经网络两种算法,设计一种识别系统,该识别系统能够较好地识别复杂体制雷达信号,能应对目前雷达辐射源数据库不完善的实际情况。实验仿真表明,该识别系统具有较高的识别率,是一种可行的雷达辐射源识别方法。     

基于RBF神经网络的相关干涉仪测向方法

提出了一种新的基于径向基(RBF)神经网络的相关干涉仪测向方法,实现了自组织学习选取中心、正交最小二乘法及基于遗传算法的进化优选算法等训练方法,经训练后的RBF神经网络可用于多源信号波达角(DOA)估计。仿真结果表明,在一定范围内,该方法对信道噪声不敏感,测向精度与传统相关干涉仪相当,且测向处理时间和测向设备的存储量大大降低。     

基于神经网络的GaAs HBT器件模型研究

建立精确的模型是使用砷化镓异质结双极晶体管器件（GaAs HBT）设计集成电路的必要基础,传统经验模型建立过程复杂,在输出功率、增益、功率附加效率等功率特性方面的模拟精度不太高,给电路设计带来了一定的难度。本文利用径向基函数(RBF)神经网络算法和反向传播(BP)神经网络算法分别建立GaAs异质结双极晶体管器件的大信号模型。这些模型的训练和测试数据分别来自于测试的双端口散射参数,以及测试的直流特性和功率特性数据。然后将模型数据与实测结果进行对比,结果发现,基于神经网络的器件模型能够精确地模拟器件特性,而且RBF神经网络模型相比BP神经网络模型,误差更小,预测更精确。     

RBF模糊神经网络用于NIR鉴别羊绒和羊毛的可行性研究

为了实现羊绒、羊毛纤维的快速、无损检测,建立了羊绒、羊毛近红外光谱数据库,包括228组各地羊绒、羊毛数据,并应用于羊绒、羊毛的定性检测上。首先介绍了羊绒、羊毛近红外光谱检测的数据库建立过程;然后,在对羊绒、羊毛原始近红外光谱进行预处理的基础上,对数据进行主成分分析,选出12种主成分,并结合改进的RBF模糊神经网络,建立羊绒、羊毛检测模型。通过与主成分分析-马氏距离建模方法的对比分析实验表明,建立近红外光谱数据库,并结合主成分分析和改进的RBF模糊神经网络的方法是一种有效的无损检测羊绒、羊毛的方法,可快速建立高精度的羊绒、羊毛纤维检测模型。     

一种新型径向基函数神经网络的非线性系统逼近

讨论了一种新的、正弦型径向基函数(SRBF)神经网络，并用来逼近n堆连续函数。该SRBF所采用的n堆正弦型的基函数是光滑的,并且是致密的。该SRBF网络的权因子是输入的低阶多项式函数。本文给出的一种简单计算程序，显著地降低了网络训练和计算时间。并且由于SRBF的基函数可以非均匀的量化格点为中心。因而降低了网络所需存储的样本数，网络的输出及其一阶导数都是连续的。对于非线性系统。该SRBF网络在系统定义城内的逼近是精确的。并且在存储参数的个数上是最优的。通过实例仿真，证明该方法步骤简单,训练速度快，精度也很理想。