神经计算与X-射线光谱分析研究

深入开展了神经网络研究，通过最佳参数的选择，提高了收敛速度。利用简洁性原则，采用每次只针对一个特定组分的训练算法，减少了模型训练所需标样数。探索提出了新的神经群结构，根据多元体系中各变量间内在规律，由相互间具有紧密联系的神经元的集合形成群结构。这种结构减少了连接权重，剔除了噪音，加强了选择性和专一性，增强了模型稳定性，显著提高了预测准确度和外推预测能力。实现了基本参数与神经网络的联用，显著减少了对实际标样的依赖。提高了分析准确度。首先在X荧光领域作了研究报道，具有独创性，发现了使偏最小二乘出现病态的参数范围，避免了错误预测出现。本成果对于解决体系复杂、标样缺乏情况下的分析问题具有实际应用价值。