公开(公告)号：CN109992861B

公开(公告)日：2022-12-27

申请号：CN201910219745.X

申请日：2019-03-21

申请人： 温州大学

发明人： 陈孝敬 ,  徐玲杰 ,  黄光造 ,  李理民 ,  袁雷明 ,  朱德华

IPC分类号： G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G01N21/359 ,  G01N21/3577

摘要： 本发明公开了一种近红外光谱建模方法，通过创建若干相同的一维卷积神经网络作为负相关学习中的子网络，在每个子网络的误差函数后加上一个负相关性惩罚项，使用该复合误差函数反向传播这些子网络以进行每个子网络的参数迭代优化调整，通过对每个子网络的参数迭代优化调整实现每个子网络的收敛，最终优化收敛后的子网络即为构建得到的近红外光谱；优点是使用一维卷积神经网络作为基础模型，将一维卷积神经网络与负相关学习方法相结合，采用负相关学习方法对模型进行训练收敛，使模型具有较高的精度，且训练收敛更快，所需的建模时间和计算机资源少。

公开(公告)号：CN109992861A

公开(公告)日：2019-07-09

申请号：CN201910219745.X

申请日：2019-03-21

申请人： 温州大学

发明人： 陈孝敬 ,  徐玲杰 ,  黄光造 ,  李理民 ,  袁雷明 ,  朱德华

IPC分类号： G06F17/50 ,  G06N3/04 ,  G06N3/08 ,  G01N21/359 ,  G01N21/3577

摘要： 本发明公开了一种近红外光谱建模方法，通过创建若干相同的一维卷积神经网络作为负相关学习中的子网络，在每个子网络的误差函数后加上一个负相关性惩罚项，使用该复合误差函数反向传播这些子网络以进行每个子网络的参数迭代优化调整，通过对每个子网络的参数迭代优化调整实现每个子网络的收敛，最终优化收敛后的子网络即为构建得到的近红外光谱；优点是使用一维卷积神经网络作为基础模型，将一维卷积神经网络与负相关学习方法相结合，采用负相关学习方法对模型进行训练收敛，使模型具有较高的精度，且训练收敛更快，所需的建模时间和计算机资源少。