神经网络模型研究及其在红外光谱解析中的应用

提出了新型BP算法，通过选择子集方式输入样本、变步长算法、应用模拟退火与网络滤波技术，改善了收敛速度、收敛平稳性以及局部最优问题。探讨了未知化合物结构碎片的红外光谱自动识别，建立了专用软件包。给出了网络输出数据的统计计算模式和衡量识别效果的定量指数。研究表明，新算法在碎片识别方面速度快、准确度高且具有一定智能性，对千余种实际红外谱图的训练及预测取得了较为理想的结果。在神经网络模型研究中，提出了改良模拟退火法，全局寻优能力明显提高；采用遗传算法提取红外光谱特征波长，结合主成分分析减少了光谱与结构信息的损失。基于神经网络与模式识别技术，实现了系列金属元素光谱及其它理化性质与周期表的定量映射关系。