径向基函数网络在近红外人体无创伤血糖浓度检测基础研究中的应用

在近红外无创伤血糖浓度检测的基础研究中，对于多组分的混合物的分析，常因光谱与样品浓度之间呈现非线性响应，使得基于线性模型的校正方法失效。本文讨论了非线性校正方法径向基函数神经网络( RBFN )的有效性，并与线性校正方法中的主成分分析和偏最小二乘法作了对比研究。验证实验所用样品为①葡萄糖水溶液②包含牛血红蛋白和白蛋白的葡萄糖水溶液，结果表明：在①实验中PLS模型和RBFN预测标准偏差分别为8．2、8．9；在②实验中分别为15．6、8．8。可见在样品组分增多时，RBFN算法较线性PLS方法建立的模型预测能力强。     

遗传算法在近红外无创伤人体血糖浓度测量基础研究中的应用

遗传算法（GA）应用在偏最小二乘法（PLS）校正模型的波长优化选择中具有显著的效果。将遗传算法作为模块循环运行，能更快达到最优解，有效提高测量精度，减少建模所用波长数。本文将该方法应用于无创伤人体血糖浓度光学检测的基础研究中，验证实验所用样品为：①葡萄糖水溶液；②包含牛血红蛋白和白蛋白的葡萄糖水溶液；③人血中的血浆（含葡萄糖）。结果表明：建模的波长个数可分别减少88%、86%、85%；预测标准偏差（RMSEP）分别减少56%、64%。这对无阶伤人体血糖浓度光学检测理论的进一步研究具有指导意义。     

用小波网络辨识离散非线性系统

本文用具紧支集的尺度函数之张量乘积构成人工神经网络的基函数,再由这个小波神经网络辨识静态与动态的离散线性系统,并且证明了依所给的方法产生的模型是收敛的.最后,用一个仿真例子,说明如何实现算法及算法的效果.