基于遗传算法和神经网络的色谱重叠峰解析

提出了一个新的色谱重叠峰解析方法———基于遗传算法(GA)和EMG模型的径向基函数神经网络(EMG-RBFNN)的色谱重叠峰解析。为了使EMG-RBFNN具有结构重组能力,用于色谱重叠峰解析的EMG-RBFNN采用了遗传算法。遗传算法具有鲁棒性和全局优化能力,若种群过小,则陷于局部极值点的概率将增高,而EMG模型是一个低效模型,选用过大的种群,必然使解析过程加长。为了提高算法效率,文中提出先用高效色谱峰近似模型———标准高斯模型进行繁衍,而后再用EMG模型的快速算法。     

柱效关系用于RBF神经网络色谱重叠峰解析

将径向基函数(RBF)神经网络引入色谱重叠峰解析领域·为了使RBF神经网络能适应于色谱重叠峰解析的需要,先在RBF神经网络学习算法中引入了基于可行域约束和共享小生境技术的遗传算法,而后又用两阶段遗传学习算法训练该神经网络以使其具有了结构自学习和参数优化的能力,适应于组分数未知的色谱重叠峰解析的需要,最后又将柱效关系引入至遗传算法的适应度函数中,极大地限制了解的空间,减少了病态解发生的概率·实验表明本方法解析精度较高,很适用于多组分色谱重叠峰解析,并且具有不需人为干预,自动确定网络结构即组分数的优点     

小波分析和人工神经网络方法用于重叠色谱峰的解析

将神经网络与小波分析相结合，提出一种利用小波变换提取重叠色谱峰信息，再用人工神经网络解析的方法，为色谱峰重叠难于分开物质的测定提供一种方法，提高了色谱分析的准确度，并将此方法应用于高效液相色谱中，建立了混合体系中3，4-二甲酚和2，5-二甲酚同时测定的新化学计量学方法．     

小波分析和人工神经网络方法用于重叠色谱峰的解析

将神经网络与小波分析相结合,提出一种利用小波变换提取重叠色谱峰信息,再用人工神经网络解析的方法,为色谱峰重叠难于分开物质的测定提供一种方法,提高了色谱分析的准确度,并将此方法应用于高效液相色谱中,建立了混合体系中3,4-二甲酚和2,5-二甲酚同时测定的新化学计量学方法.     

用聚类分析和人工神经网络解析漆器漆膜裂解色谱图

采用聚类分析法和变步长的误差反向传播人工神经网络方法，解析漆器漆膜的裂解色谱数据，获得了漆器漆膜隐含的年代信息。结果表明，本法为解析古代漆器漆膜年代信息提供了一条有效的新途径。     

线性回归法解析重叠色谱峰：Sm,Gd和Dy的同时测定

应用线性回归法对重叠色谱峰进行处理,确定了重叠峰中各组分的浓度,相关系数不小于0.960。方法简便、快速、准确度高。     

人工神经网络与计算机

探讨人工神经网络的计算机实现,从软件和硬件两方面阐述其实现过程,并从其数学算法中导出了计算机的实现算法.     

小波域色谱重叠峰分析的基函数选择

小波变换在色谱信号处理中有着广泛的应用。但是针对同一类型的信号,选择不同的小波基函数进行处理的效果是不同的。因此,小波变换在信号处理过程中表现出更强灵活性的同时,如何选择小波基一直是利用小波变换进行色谱信号处理的关键问题。本文从小波基函数的数学理论出发,提出了一种基于相似度准则和能量泄漏最小原理的色谱重叠峰分析小波基选择方法。该方法结合了色谱信号的特征,考虑了采样率对信号变换前后产生的能量变化;对色谱信号处理中优化小波基的选择具有重要意义。并且,可以通过能量变化关系在有效采样率范围内选择合适的采样率。仿真实验结果表明,本文提出的方法可以为色谱重叠峰分析小波基函数选择提供依据。     

光谱重叠峰的曲线拟合解析策略与实现

针对光谱分析中的重叠峰问题,提出了一种基于曲线拟合的光谱重叠峰解析算法,讨论了曲线拟合的参数调整和表达非唯一性等问题,提出了最小峰一峰间距（MRI）、可分离最小峰一峰间距（MSI）和拟合误差曲线的三个特征区间等概念;在峰位的确定中,引入由宽逐严的排除策略。含噪模拟光谱重叠峰解析结果表明,所提出的算法是有效的。     

基于小波变换和连续Hopfield神经网络的重叠峰解析策略

针对化学谱图分析中的重叠峰解析问题,提出了一种基于小波变换和连续Hopfield神经网络的谱图重叠峰解析策略.使用高斯函数作为曲线拟合的数学模型,将重叠峰分解为一系列高斯峰的叠加组合.首先,根据检测信号卷积型小波变换中奇异点特性分析原理,利用卷积型小波变换方法寻找信号的特征点,并根据特征点对信号做出初步解析;然后,构造解析峰参数与解析误差之间的函数关系,并以之作为连续Hopfield神经网络的能量函数;最后,根据该网络自我演化特性经过指定次数的迭代得到误差函数的极小值点,进而得到谱图重叠峰的最终解析参数.谱图重叠峰模拟解析表明,所提算法有效.     

非负矩阵因子分解用于中药GC/MS重叠峰解析

非负矩阵因子分解是对非负数据处理的一种多元统计分析方法.NMF分解结果没有“负值”,易于理解和解释,具有比较明确的物理化学意义.由于其多解的特征,文献介绍的NMF算法并不能直接用于化学混合信号解析.作者根据化学波谱的基本特征（化学波谱的平滑性、色谱的单峰性以及质谱的稀疏性）对NMF算法进行了改进,缩小了其多解范围.应用改进的NMF进行模拟HPLC-DAD型两维数据和苍术GC/MS实验数据解析,得到了比较理想的结果.     

人工神经网络预测纯金属的表面张力

建立了以纯金属原子半径、熔点、沸点和原子化焓预测表面张力的人工神经网络模型。训练后的神经网络能较好的拟合实验数据。对４０种金属的表面张力进行回想和预测结果与实验值的偏差在可接受范围内，表明人工神经网络在纯金属表面张力预测方面有一定的前景。     

人工神经网络用于气相色谱保留指数的预测

利用Levenberg-Marquardt算法改进的BP神经网络,通过分子结构参数,同时对烷基吡啶在非极性固定液SE-30和极性固定液PEG-1500柱上的保留指数进行预测,取得令人满意的结果.     

用人工神经网络和多元线性回归预测毛细管气相色谱保留指数

对石脑油各组分在毛细管气相色谱上的保留指数的理论预测,可作为色谱分离过程中识别各组分的一种参考方法,选择了6个分子结构信息描述符,即分子量、三级分子连接性指数、环烷烃的立体异构体参数及密度,作为输入参数以提高BP网络的预测能力,对指数的同一数据集用多元线性回归和BP神经网络同时进行了预测,平均相对误差分别为1．21％和1．29％。     

基于BP神经网络的大型水轮发电机定子铁心的温度预测

阐述了神经网络ＢＰ模型和算法,构造了大型水轮发电机定子铁心背部温度预测的神经网络模型,并将计算结果与实测结果作了比较,结果令人满意。     

基于BP神经网络的汽车横摆角速度估计

为估计汽车横摆角速度并提高估计器精度, 采用BP(Back Propagation)神经网络的方法对汽车转向过程的横摆角速度进行估计。现实情况通常存在4 种路面: 干燥路面、沥青路面、积水路面和冰雪路面, 若单纯训练一个网络难以涵盖4 种不同的路面情况。为解决上述问题, 提高网络估计器的精度, 分别在4 种路面工况下训练4 个网络, 构成一个网络组, 再加入网络选择机制, 根据路面情况选择对应的网络的输出值作为横摆角速度的估计值。通过AMESim 与Matlab 联合仿真, 获得网络估计器残差并对估计情况进行分析和评价。该基于数据的方法与基于解析模型的估计方法相比, 不依赖精确的模型, 就能准确估计汽车横摆角速度。仿真结果表明, 基于BP 神经网络的方法对横摆角速度估计是可行的且偏差小, 成本低, 精度高。     

一种基于改进神经网络的入侵容忍系统模型

该文通过对资源和控制两个属性的分析,将入侵容忍系统的运行状态进行了抽象分类,给出了系统不同运行状态下的相应安全机制;利用改进的反向传播（BP）神经网络对入侵容忍系统建模,给出了BP网络的输入和输出节点以及基于该BP网络的系统工作原理,用实例描述了该系统的一个典型的入侵容忍过程;实验结果表明,该系统对入侵具有较好的检测和容忍能力。     

Colorant Formulation Using 3 - layer Artificial Neural Networks

The colorant formulation using artificial neural networks (ANN) was investigated in this study. A simple 3 -layer, input - hidden - output system was constructed for the recipe formulation of one - , two - , and three -dye mixtures. Comprehensive tests were carried out to explore the properties of a 3 - layer simple ANN systematically . These properties include number of neurons in the hidden layer, learning rate of the network, momentum factor of the network, as well as the number of epochs for the learning process. The tests show accurate results for one - and two - dye mixtures while less accurate but comparable results to conventional colorant formulation systems for three - dye mixtures. It is also found that the optimum values of the neural network parameters are important towards the accuracy of the colorant formulation.     

人工神经网络在色谱中的应用

综述了近几年来人工神经网络用于色谱研究中的进展。主要体现在用人工神经网络方法预测色谱保留值、优化色谱分离条件、自动监控色谱仪运行以及揭示色谱数据的隐含信息方面,并展望了人工神经网络在色谱中的应用前景。