基于人工神经网络的化学发光法及光度法在多组分同时测定中的应用研究
【摘要】:化学计量学作为化学测量的基础理论和方法学,在化学学科中占据重要地位,并且已经成为化学科学从事研究的重要手段和工具。在分析化学领域,多元分辨和多元校准是分析化学工作者最为关注的热点之一。在各种化学计量学方法中,以人工神经网络和小波分析的研究和应用最为多见。人工神经网络是以工程技术手段,模拟人脑神经元网络的结构与功能的系统。它由大量简单的非线性处理单元,以及单元间复杂的、灵活可变的联结关系所构成。神经网络能够实现任意的非线性映射,能够并行分布处理,并且具有很强的自学习能力,所以人工神经网络在信息工程和控制工程中有着广阔的应用前景。
神经网络按照信息传递的特点,可分为前馈和反馈网络。运用误差反向传播学习算法的前馈多层网络通常称为BP网络。由于这种网络具有很强的非线性映射能力,网络结构简单,工作状态稳定,且易于硬件实现,是目前应用最为广泛的一种人工神经网络。自从1985年Rumelhart等人提出了BP网络以来,神经网络理论发展迅速,并且由于隐节点的引入,使得一个三层的具有Sigmoid神经元的非线性网络可以以任意精度逼近任何连续函数。在标准BP网络中,其算法的主要思想是将学习过程分为两个阶段:信息的正向传递与误差的反向传播。在正向传播的过程中,输入信息经过隐含层逐层计算,每一层神经元的输出作用于下一层神经元的输入。如果在输出层没有得到期望的输出,则计算输出层的误差变化值,然后转向反向传播,通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值,直至达到期望目标。