【儀表網(wǎng) 研發(fā)快訊】近日，中國科學院合肥物質(zhì)院智能所光譜智能感知團隊提出了一種新型基于神經(jīng)網(wǎng)絡的變量選擇算法VSNN，用于光譜檢測應用中非線性模型的變量選擇。相關研究成果已在分析化學領域期刊Analytica Chimica Acta上發(fā)表。
 

　　隨著光譜分析檢測技術和光譜儀器的發(fā)展，光譜技術已廣泛應用于諸多領域。在光譜建模的定性定量分析中，從復雜的高維光譜數(shù)據(jù)中提取特征信息可降低噪聲和無關變量的干擾，同時提高模型的可解釋性和預測能力?；谄钚《说淖兞窟x擇算法已有較多研究，然而，偏最小二乘算法在處理非線性數(shù)據(jù)時表現(xiàn)欠佳，而神經(jīng)網(wǎng)絡算法是建模非線性數(shù)據(jù)的理想選擇。
 

　　為實現(xiàn)神經(jīng)網(wǎng)絡的變量選擇，科研團隊基于神經(jīng)網(wǎng)絡可解釋性研究，設計了評估神經(jīng)網(wǎng)絡模型變量重要性的評價向量，包括敏感性向量、梯度向量和權重梯度向量，并基于群體分析提出了VSNN算法。該算法將神經(jīng)網(wǎng)絡視為黑盒模型，可應用于多種神經(jīng)網(wǎng)絡架構，有效提取光譜中的關鍵信息。研究團隊在玉米、藥片、肉類等公開數(shù)據(jù)集上，將VSNN與多種高性能變量選擇算法進行了性能對比。結果表明，VSNN算法能高效選擇變量并顯著提高模型的預測能力。
 

　　張鵬飛博士和徐琢頻博士為第一作者，王琦研究員為通訊作者。本工作得到國家自然科學基金、安徽省重大專項等項目的支持。
 

神經(jīng)網(wǎng)絡變量選擇算法(VSNN)