[发明专利]基于径向基神经网络的光谱分析模型转移技术

摘要

本发明公开了一种基于径向基神经网络的光谱分析模型转移技术，主要涉及了径向基神经网络在光谱分析模型转移技术上的应用，这种引入径向基神经网络来实现光谱转移的技术能够消除量测光谱间的非线性差异和光谱分段直接校正中出现的奇异锐峰，简化光谱模型转移的参数选择，整个操作过程精确、可靠。

主权项

一种基于径向基神经网络的光谱分析模型转移技术，其包括如下步骤：步骤一、通过径向基神经网络的训练创建两部分训练集，一部分为校正集，预测误差反向传输，用于调节权重；另一部分为监控集，不参与训练，预测误差平方和用于控制网络的训练；设定一个终止阈值时，网络停止训练；步骤二、利用径向基神经网络进行光谱模型间的转移，从结构上看，径向基神经网络属于多层前向神经网络，包括输入层、隐含层和输出层，其基本思想是：用径向基函数作为隐含层的“基”，构成隐含空间，隐含层对输入矢量进行变换，将低维的模式输入数据变换到高维空间，使得在低维空间内的线性不可分问题在高维空间内可分；步骤三、根据程序默认的参数进行径向基神经网络的训练，选取平方和误差参数为0.02，展开常量为1，以输入层向量的数目作为隐含层基函数的个数；以标样数和窗口宽度与训练集的预测标准差作图，来确定合适的标样数和径向基神经网络的窗口宽度；步骤四、通过检验来比较光谱模型转移前后的预测能力。