基于大黄的红外光谱的人工神经网络鉴别研究

将傅里叶变换红外光谱法和人工神经网络用于鉴别正品和非正品大黄样品。在对神经网络训练前用小波变换对测量的红外光谱进行压缩,将原700个数据点的光谱压缩到44个变量,因此加速了神经网络的训练速度。52个大黄样品被用于网络模型的建立,其中包括25个正品大黄和27个非正品大黄的样品。文章还对隐含层神经元数目和动量参数的影响做了考察。结果表明,在优化的条件下用该方法对大黄样品的鉴别正确率达到98％。这种方法可被用于含大黄中药生产的质量控制。     

红外光谱与高木-关野系统结合鉴别大黄的研究

高木-关野模糊系统是基于若干反向传播神经网络(BP-ANN)组成的,它具有一些模糊逻辑特性。章利用红外光谱与高木-关野模糊系统相结合鉴别52种大黄样品。并对神经网络的隐含层个数和动量因子的影响作了讨论。结果表明,用高木-关野模糊系统得到的结果比通常用的BP网络要好。选用适当的网络训练参数,正确率可达到100％。该方法比常规方法更准确,比民间传统方法更具科学性,因此是鉴别大黄的一种快速、简便的方法。     

中草药大黄的近红外光谱和人工神经网络鉴别研究

大黄是我国最常用的中草药之一。对正品和非正品大黄的快速、准确鉴别对于大黄及其中草药产品的质量控制具有重要的意义。将近红外漫反射光谱分析技术与人工神经网络方法相结合，对52种大黄样品进行了测定和鉴别，正确率可达96％。并对神经网络的隐含层个数和动量因子的影响做了讨论。由于近红外光谱法具有样品前处理少，测定快速和非破坏性等特点，因而特别适合于中草药的鉴别。