论文部分内容阅读
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.