四、还原糖、葡萄糖和果糖人工神经网络模型
人工神经网络(ANN) 的最大优点是具有抗干扰、抗噪声和强大的非线性转换能力,是比较理想的非线性定标分析方法。人工神经网络方法非线性逼近能力强,广泛用于近红外定性或定量分析。ANN也存在局限性,如训练速度慢,易陷入局部极小,导致过拟合[10],及当输入变量间存在共线性时预测能力较差。因此,一般都对原始光谱数据进行分解,以相互独立的向量作为ANN输入层,常用的数据分解方法有PCR和PLS[11]。
本节采用ANN建立还原糖、葡萄糖和果糖的定量模型,分别考察PCR和PLS两种数据分解方式下的参数优化,模型以RMSEC、RMSEP和RPD来评价。隐含层转化函数选择“tansig”,输出层转化函数选择“purelin ...... (共3281字) [阅读本文]>>