在烤羊羔中分析多环芳的机器学习:从光谱和化学数据的新见解
Jie Hao1, Jiarui Cui2, Sijia Liu3
1College of Food Science and Engineering, Ningxia University, Yinchuan 750021, China; College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi 712100, China.
Food chemistry
|July 31, 2025
概括
在烤羊羔中预测多环芳 (PAH) 是一个挑战. 使用权衡和生成对抗网络的新方法提高了预测准确度,提高了食品安全.
科学领域:
- 食品化学 食品化学
- 分析化学 分析化学
- 计算化学计算化学
背景情况:
- 多环芳 (PAH) 是烤羊羔的健康风险.
- 由于低度和数据稀缺,很难预测PAHs.
- 目前的模型对于低度PAH分析缺乏准确性.
研究的目的:
- 开发一种可靠的方法来预测烤肉中的PAHs.
- 为了克服数据稀缺和低度预测准确性的局限性.
- 通过改进PAH水平预测来提高食品安全.
主要方法:
- 使用权方法 (EWM) 开发了一个全面的PAHs指数 (CPI).
- 集成的EWM与自动编码器和生成对抗网络 (AE-GAN) 进行数据增强.
- 使用部分最小平方回归 (PLSR),卷积神经网络 (CNN) 和贝叶斯回声状态网络 (Bayes-ESN) 构建了预测模型.
主要成果:
- 贝叶斯回声状态网络 (Bayes-ESN) 模型以3000个时代和750个合成数据点实现了最佳性能 (Rp2 = 0.8238).
- 证明了AE-GAN在缓解数据稀缺问题的有效性.
- 展示了用于PAH预测的生成模型和回归技术之间的协同作用.
结论:
- EWM,AE-GAN和Bayes-ESN的综合方法为预测烤肉中的PAH提供了可靠的解决方案.
- 这一进步通过提高预测能力,有助于更好地控制食品安全.
- 该研究强调了复杂化学分析中生成回归协同作用的潜力.
更多相关视频
10:14Chromatographic Fingerprinting by Template Matching for Data Collected by Comprehensive Two-Dimensional Gas Chromatography
Published on: September 2, 2020
5.1K
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.7K
