典型文献
分组全连接的近红外光谱定量分析网络
文献摘要：
全连接网络作为深度学习中的一种典型结构,几乎在所有神经网络模型中均有出现.在近红外光谱定量分析中,光谱数据样本数量较少,但每个样本的维度高.导致了两个问题:将光谱直接输入网络,网络的参数量会十分庞大,训练模型需要更多的样本,否则模型容易进入过拟合状态;在输入网络前对光谱进行降维,虽解决了网络参数量过大的问题,但会丢失一部分信息,无法充分发挥网络的学习能力.针对近红外光谱的特性,提出了一种分组全连接的近红外光谱定量分析网络GFCN.该网络在传统的两层全连接网络的基础上,用若干个小的全连接层替代第一个全连接层,克服了直接输入光谱导致网络参数量过大的缺点.采用Tecator和IDRC2018数据集对该方法进行测试,同时与全连接网络FCN和偏最小二乘PLS两种方法进行对比.结果显示:在两个数据集上,GFCN预测效果均优于FCN和PLS.在只有少量样本参与建模的情况下,GFCN依然能够保持较高的预测效果.表明,GFCN可以用于近红外光谱的定量分析,并且适应样本较少的场景,具有重要的研究价值和广泛的应用场景.
文献关键词：
光谱分析;近红外光谱;全连接网络;定量分析
中图分类号：
作者姓名：
余志荣;洪明坚
作者机构：
重庆大学大数据与软件学院,重庆 401331
文献出处：
引用格式：
[1]余志荣;洪明坚-.分组全连接的近红外光谱定量分析网络)[J].光谱学与光谱分析,2022(06):1735-1740
A类：
GFCN,Tecator,IDRC2018
B类：
近红外光谱,全连接网络,有神,光谱数据,样本数量,入网,参数量,训练模型,否则,过拟合,网络参数,量过大,部分信息,两层,若干个,全连接层,偏最小二乘,PLS,少量样本,本参,光谱分析
AB值：
0.172573
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
