塑料型号的化学计量学鉴别方法

    公开(公告)号:CN100472200C

    公开(公告)日:2009-03-25

    申请号:CN200510044724.7

    申请日:2005-09-16

    IPC分类号: G01N21/27 G01J3/28

    摘要: 一种塑料型号的化学计量学鉴别方法,是利用塑料红外光谱中特征区的光谱信息,采用非线性迭代偏最小二乘变量选择技术选取特征区红外光谱作为竞争性反向传播人工神经网络的变量输入;该竞争性反向传播神经网络由前端反向传播神经网络层与后端竞争函数层构成,以已知塑料树脂样品的数目为秩的单位矩阵为网络训练目标,用已知型号的塑料样品输入矩阵及模拟含噪声输入矩阵对网络连接权值进行训练,建立网络连接;输入变量经反向传播网络层及竞争函数层的转换后,最显著的神经元胜出并作为结果表示出来,从而建立塑料型号识别系统。利用本方法已对18类、1000多种塑料建立了对应的人工神经网络识别系统,能快速、准确、可靠的鉴别塑料型号。

    塑料型号的化学计量学鉴别方法

    公开(公告)号:CN1769867A

    公开(公告)日:2006-05-10

    申请号:CN200510044724.7

    申请日:2005-09-16

    IPC分类号: G01N21/27 G01J3/28

    摘要: 一种塑料型号的化学计量学鉴别方法,是利用塑料红外光谱中特征区的光谱信息,采用非线性迭代偏最小二乘变量选择技术选取特征区红外光谱作为竞争性反向传播人工神经网络的变量输入;该竞争性反向传播神经网络由前端反向传播神经网络层与后端竞争函数层构成,以已知塑料树脂样品的数目为秩的单位矩阵为网络训练目标,用已知型号的塑料样品输入矩阵及模拟含噪声输入矩阵对网络连接权值进行训练,建立网络连接;输入变量经反向传播网络层及竞争函数层的转换后,最显著的神经元胜出并作为结果表示出来,从而建立塑料型号识别系统。利用本方法已对18类、1000多种塑料建立了对应的人工神经网络识别系统,能快速、准确、可靠的鉴别塑料型号。