温度限制串联相关神经网络及其在细菌辨识中的应用

蛋白质在微生物研究中可用作生物标记物, 故在生物技术中其表征工作很重要. 各种质谱技术已被用于细菌的表征[1～3]. 1994年, Cain等[4]首先报道了将色谱和基体辅助激光解离/电离飞行时间质谱(MALDI-TOF-MS)用于细菌的辨识. Holland等[5]采用高质量离子MALDI-TOF-MS对细菌全细胞进行辨识. 最近, Lay[6]对该技术的细菌辨识做了综述. MALDI-TOF-MS是目前对细菌全细胞分析的最佳手段.

温度限制串联相关网络-近红外光谱法用于药物甲硝唑的质量控制

Temperature-constrained cascade correlation networks(TCCCNs) were applied to the identification of the powder pharmaceutical samples of metronidazole based on near infrared(NIR) diffuse reflectance spectra. This work focused on the comparison of performances of the uni-output TCCCN(Uni-TCCCN) to multi-output TCCCN(Multi-TCCCN) by using near infrared diffuse reflectance spectra of metronidazole. The TCCCN models were verified with independent prediction samples by using the "cross-validation" method. The networks were used to discriminate qualified, un-qualified and counterfeit metronidazole pharmaceutical powders. The results showed that multiple outputs network generally worked better than the single output networks. With proper network parameters the pharmaceutical powders can be classified at a rate of 100% in this work. Also, the effects of neural network parameters including number of candidate nodes, type of transfer functions(linear, sigmoid functions and temperature-constrained sigmoid function, respectively) on classification were discussed.

温度限制串联相关网络用于有机环境污染物紫外光谱的识别

本文将温度限制串联相关网络用于有机环境污染物紫外光谱的识别。紫外光谱的库检索比红外光谱检索更困难 ,因为紫外光谱的重叠更为严重。此外 ,光谱测量的漂移和噪声也会影响紫外光谱库检索的正确率。因此 ,采用具有模糊性质的神经网络是一个很好的选择。温度限制串联相关网络 (TCCCN)是一种与通常所用BP网络不同结构的网络模型 ,它采用串联相关的神经元连续方式 ,且引入温度参数 ,因而可以减少网络的过度训练和加快训练速度。本工作采用TCCCN进行紫外光谱的库检索 ,对有关参数进行了优化 ,并对光谱测量噪声的影响做了研究。结果表明 ,采用TCCCN方法明显优于在谱库检索中常用的相关系数法。

温度限制串联相关网络-红外光谱法用于中药大黄样品的鉴定分类

将温度限制串联相关网络与红外光谱分析技术相结合,对大黄样品的真伪进行分类。采用小波变换对原始数据进行压缩,将原来的775个数据点压缩到49个数据点,既提高了网络的训练速度又保持了原来的特征谱峰。对45种样品进行了测定和鉴别,正确率可以达到84．4％。对影响分类结果的网络参数,进行了讨论。红外光谱法作为中药鉴别的一种方法与神经网络相结合,使中药鉴别更加快速、方便。