[基于鱼算法优化后传神经网络的传统中医药安慰剂溶液颜色模拟处方的预测]

科学领域:

• 药理学 药理学是指药理学的学科.
• 计算化学计算化学
• 传统中国医药 传统中国医药

背景情况:

• 颜色模拟在传统中医药 (TCM) 的安慰剂开发中至关重要但具有挑战性.
• 处方查的传统方法是耗时和劳动密集的.
• 准确预测颜色模拟处方对于高效的TCM安慰剂开发至关重要.

研究的目的:

• 开发一种高效和精确的方法来预测TCM安慰剂色彩模拟处方.
• 为了实现这一预测,利用基于图像的方法与计算建模相结合.
• 改进现有的TCM安慰剂开发预测方法.

主要方法:

• 使用Photoshop捕捉了TCM安慰剂溶液的图像,并提取了13个色彩空间值 (L*a*b*,RGB,HSV,CMYK).
• 使用相关性分析和规范化构建了一个反向传播 (BP) 神经网络模型.
• 使用鱼优化算法 (WOA) 优化了BP神经网络,以提高预测准确度.

主要成果:

• 与标准BP网络相比,WOA-BP神经网络在预测安慰剂颜料比率方面表现优越.
• 获得高相关系数 (0.95用于培训/测试/总体,0.87用于验证).
• 显著降低误差值 (高达99.83%) 和颜色差异 (ΔE < 3),证实了准确性和实用性.

结论:

• 基于图像的WOA-BP神经网络方法为TCM安慰剂色彩模拟提供了准确有效的解决方案.
• 这种方法显著提高了色素比率的预测,简化了TCM的安慰剂开发.
• 经过验证的方法在TCM配方中的现实应用中被证明是实用的.