在NIR光谱学中转移学习和波长选择方法,以使用VIP-Boruta预测培养基中的葡萄糖和乳酸盐度
Hiromasa Kaneko1, Shunsuke Kono2, Akihiro Nojima2
1Department of Applied Chemistry School of Science and Technology Meiji University Kawasaki Japan.
Analytical science advances
|May 8, 2024
概括
这项研究介绍了VIP-Boruta,这是一种结合波长选择和转移学习的新方法,以改善葡萄糖和乳酸度的预测. 改进的方法显著减少了近红外光谱分析培养基的预测错误.
科学领域:
- 分析化学 分析化学
- 生物技术是生物技术.
- 化学测量 化学测量 化学测量
背景情况:
- 精确监测葡萄糖和乳酸盐度在生物过程中至关重要.
- 近红外 (NIR) 光谱为实时分析提供了一种非侵入性方法.
- 部分最小平方回归 (PLS) 是用于光谱数据分析的常用技术,但其预测能力可能有限.
研究的目的:
- 使用NIR光谱,提高PLS模型在培养基中的葡萄糖和乳酸盐的预测准确度.
- 开发和验证用于NIR光谱数据的新型变量选择方法 (VIP-Boruta).
- 调查使用伪文化媒体转移学习的有效性,以提高模型性能.
主要方法:
- 开发了VIP-Boruta变量选择方法,通过结合Boruta和预测中的变量重要性 (VIP).
- 转移学习的应用,通过将伪媒体上训练的模型调整为实际的文化媒体.
- 使用从文化和伪媒体获得的实验NIR光谱数据验证拟议的方法.
主要成果:
- VIP-Boruta方法有效地选择了相关的波长,显著提高了PLS模型的预测能力.
- 使用伪媒体转移学习提高了模型的预测性能.
- 与传统的PLS相比,综合方法减少了大约61%的葡萄糖和16%的乳酸的预测误差.
结论:
- 与转移学习相结合的VIP-Boruta方法在从NIR光谱中预测葡萄糖和乳酸盐度方面取得了显著的改进.
- 这种方法为生物过程监测提供了更准确,更有效的工具.
- 这些发现证明了先进的化学测量技术在优化生物技术应用方面的潜力.
