基于大黄的红外光谱的人工神经网络鉴别研究

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。

近红外光谱技术在中药鉴别及分析中的应用

中药鉴定在中药质量控制中具有重要的作用 .近年来多种现代仪器分析方法被用于中药鉴定和质量控制 .作为一种简单、快速 .无损的检测手段 ,近红外光谱 (NIRS)技术己成为中药材定性判别和定量分析的新兴方法 .本文叙述了近红外光谱技术的原理和特点 ,介绍了近红外光谱定量分析和定性分析的原理 ,介绍了近红外光谱定性分析技术和定量分析技术常用到的几种分析方法 .

红外光谱与高-木关野系统结合鉴别大黄的研究

高木-关野模糊系统是基于若干反向传播神经网络(BP ANN)组成的,它具有一些模糊逻辑特性。文章利用红外光谱与高木关野模糊系统相结合鉴别5 2种大黄样品。并对神经网络的隐含层个数和动量因子的影响作了讨论。结果表明,用高木 关野模糊系统得到的结果比通常用的BP网络要好。选用适当的网络训练参数,正确率可达到10 0 %。该方法比常规方法更准确,比民间传统方法更具科学性,因此是鉴别大黄的一种快速、简便的方法。

径向基函数网络红外光谱法用于中药大黄样品的真伪分类

将径向基函数网络与红外光谱分析技术相结合,对正品和非正品大黄样品进行分类判别。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4 9个变量,既保持了原来的特征谱峰又提高了网络的训练速度。对4 5种样品进行了测定和鉴别,正确率可以达到97 78%。并对影响分类结果的网络参数,目标误差和分布函数对样品分类的影响做了讨论。红外光谱法与神经网络相结合用于中草药的分类鉴定更加快速和方便。

近红外光谱技术在医药领域应用的新进展

近红外光谱技术是20世纪90年代以来发展最快、最近引入注目的光谱分析技术之一,该技术在许多领域有着广泛的应用,尤其在医药领域.本文简要介绍了近红外光谱技术的特点,综述了近几年该技术在药物和临床分析中新的应用,初步探讨了该技术在医药领域应用中存在的局限性和今后发展的方向,并对该技术在医药领域中的应用前景进行了展望.全文引用文献68篇.