【儀表網(wǎng) 研發(fā)快訊】近日，中國科學(xué)院合肥物質(zhì)院智能所光譜智能感知團隊提出了一種新型基于神經(jīng)網(wǎng)絡(luò)的變量選擇算法VSNN，用于光譜檢測應(yīng)用中非線性模型的變量選擇。相關(guān)研究成果已在分析化學(xué)領(lǐng)域期刊Analytica Chimica Acta上發(fā)表。
隨著光譜分析檢測技術(shù)和光譜儀器的發(fā)展，光譜技術(shù)已廣泛應(yīng)用于諸多領(lǐng)域。在光譜建模的定性定量分析中，從復(fù)雜的高維光譜數(shù)據(jù)中提取特征信息可降低噪聲和無關(guān)變量的干擾，同時提高模型的可解釋性和預(yù)測能力。基于偏最小二乘的變量選擇算法已有較多研究，然而，偏最小二乘算法在處理非線性數(shù)據(jù)時表現(xiàn)欠佳，而神經(jīng)網(wǎng)絡(luò)算法是建模非線性數(shù)據(jù)的理想選擇。
為實現(xiàn)神經(jīng)網(wǎng)絡(luò)的變量選擇，科研團隊基于神經(jīng)網(wǎng)絡(luò)可解釋性研究，設(shè)計了評估神經(jīng)網(wǎng)絡(luò)模型變量重要性的評價向量，包括敏感性向量、梯度向量和權(quán)重梯度向量，并基于群體分析提出了VSNN算法。該算法將神經(jīng)網(wǎng)絡(luò)視為黑盒模型，可應(yīng)用于多種神經(jīng)網(wǎng)絡(luò)架構(gòu)，有效提取光譜中的關(guān)鍵信息。研究團隊在玉米、藥片、肉類等公開數(shù)據(jù)集上，將VSNN與多種高性能變量選擇算法進行了性能對比。結(jié)果表明，VSNN算法能高效選擇變量并顯著提高模型的預(yù)測能力。
張鵬飛博士和徐琢頻博士為第一作者，王琦研究員為通訊作者。本工作得到國家自然科學(xué)基金、安徽省重大專項等項目的支持。
神經(jīng)網(wǎng)絡(luò)變量選擇算法(VSNN)
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。