10.3321/j.issn:1000-8713.2001.02.005
径向基函数神经网络用于重叠色谱峰解析
在高斯基径向基函数神经网络(RBFNN)学习算法中引入了鲁棒性和随机全局寻优的两阶段遗传算法:结构学习和参数优化。通过两阶段学习算法的交替使用,使网络具有结构自学习和参数优化的能力,而后将网络应用于组分数未知的重叠色谱峰解析。该方法具有不需人为干预,可自动确定网络结构即组分数的优点;并且解析精度较高,适用于多组分重叠色谱峰的解析;对完全重叠色谱峰也具有良好的解析能力。
径向基函数神经网络、色谱、重叠色谱峰、遗传算法
19
O658(分析化学)
辽宁省自然科学基金972147
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
112-115