The compression of IR spectra by using wavelet neural network

IR spectra play an important role in determining the structure of compounds qualitatively andquantitatively.In general a great number of data are required to exactly show the features ofthe compounds.Regarding various compounds,there are massive IR spectra.With the basicfeatures of IR spectra being reserved,it is important to compress IR spectra for improving thestorage,index and process of IR spectra.The wavelet neural network(WNN)is a newneural network model based on wavelet analysis.However,its introduction and applica-tion in chemistry have not been reported.In this note,WNN is applied to the compression ofthe IR spectra of polystyrene.The results show that the original spectra can be

基于小波神经网络的光谱数据压缩与分类研究

文中介绍了一种基于小波分析而构造的神经网络模型——小波神经网络．利用它并适当选取网络结构和小波基，实现了对化学物质红外光谱数据的压缩表达和分类．实验表明，网络在大幅度压缩数据的同时能很好地恢复原始光谱、较准确地反映吸收峰的位置和强度．在分类方面它比其它网络具有更高的分辨率和特征提取能力．通过与ＢＰ网络的训练结果对比，小波神经网络具有自适应性强、收敛速度快及可屏蔽随机噪声等优点，特别适用于非平稳、非线性信号的分析研究．因此，小波神经网络在光谱处理方面有着较好的应用前景和优越性．

基于小波神经网络的光谱数据表征与分类研究

介绍了一种新的神经网络模型——小波神经网络，利用它并适当选取网络结构和小波基，实现了对化学物质红外光谱的压缩表征和分类，取得了令人满意的效果，说明小波神经网络在光谱处理方面有着光明的应用前景和优越性。

子波神经网络在光谱数据压缩与分类中的应用

利用子波神经网络并适当选取网络结构和子波基，实现了对化学物质红外光谱数据的压缩表达和分类，取得了令人满意的效果。