基于RBFNN扑热息痛药品非破坏定量研究.docVIP

基于RBFNN扑热息痛药品非破坏定量研究摘要：将RBF神经网络应用于药品的近红外光谱非破坏定量分析，对扑热息痛粉末药品的两个组分进行同时测定，并与BP算法的结果进行了比较，结果表明，应用RBF神经网络进行药品的近红外光谱法无损定量分析是可行的。 关键词：神经网络；径向基函数；近红外光谱；非破坏定量分析 中图分类号：TP183文献标识码：A文章编号：1009-3044(2012)07-1590-02 Nondestructive Quantitative Analysis of Compound Paracetamol and Diphenhydramine Hydrochloride Powder Using RBF Networks LEI Wen-jie (Network Center, Changchun House Exchange Co., Ltd., Changchun 130041, China) Abstract:A method for simultaneous analysis of the two components of compound paracetamol and diphenhydramine hydrochloride powdered drugs on near-infrared (NIR) spectroscopy is developed by using a Radial Basis Function (RBF) network. Nearest neighbor-clustering algorithm is used as the learning algorithm of RBF network. Comparisons of the results obtained from the RBF models with those from BP models show that it is feasible to use the RBF network in nondestructive quantitative analysis of the components of drugs. Key words: neural network; radial basis function; near-infrared spectroscopy; nondestructive quantitative analysis 近年来，近红外光谱分析技术以其具有速度快，操作简单，所需样本少，非破坏性等特点，应用于药品的定量分析中。但由于近红外光谱图谱重叠多，结构复杂，需进行一定的处理才能得到可靠的分析结果。人工神经网络因其具有较强的非线性转换能力，已广泛应用于近红外光谱法定量分析中，目前使用最多的是BP网络[1]。RBF神经网络在结构上与BP网络相似，已有文献论证了RBF神经网络在逼近能力，分类能力和学习速度等方面均优于BP网络。本文应用RBF神经网络，对扑热息痛粉末药品的两个组分Paracetamol，Caffeine进行测定，并取得了较好的效果。 1 RBF神经网络的结构 RBF神经网络通常是一种两层的前馈型网络，包含有一个隐含层，对输入空间进行非线性变换，输出层提供从隐含层到输出层的线性变换。具体结构如图1所示。 隐含层的基函数常用高斯函数： 2最近邻聚类学习算法 RBF神经网络的学习算法主要有随机算法、自组织学习算法和最近邻聚类学习算法等。其中最近邻聚类学习算法是一种自适应聚类学习算法，不需要事先确定隐含层节点的个数，可以在训练的过程中自动调节，并且具有学习时间短、计算量小等特点。 最近邻聚类学习算法的详细描述参见文献[3]，算法的基本思想简单介绍如下。 选择一个适当的宽度r，对第一个输入输出数据对（x1，y1），产生一个隐节点，即形成一个聚类中心向量c1=x1，隐节点到输出层的权向量为y1；若第二个数据对（x2，y2）的输入向量x2与中心向量c1的距离||x2－c1||≤r，则c1为x2的最近邻聚类，将其归为一类，中心向量不变，权向量更新为输出向量的算术平均值，若||x2－c1||＞r，则产生一个新的聚类中心c2=x2，对应的权向量为y2；从第三个数据对起，对每个数据对（xk，yk），寻找xk与现存的聚类中心的最小距离|| xk－ci||，若|| xk－ci||≤r，则将其归为一类，中心向量不变，权向量更新为输出向量的算术平均值，若|| xk－ci||＞r，则参照以上方法增加一个隐节点，形成一个新的聚类中心。 在这种学习算法中，宽度r的大小对网络的影响较大，通常可以通过实验，综合考虑误差的