PLSELM:一种轻量化建模方法,用于近红外光谱学中低数据校准
Xiaqiong Fan1, Lijin Shang1, Shuo Zhao1
1School of Artificial Intelligence and Big Data, Henan University of Technology, Zhengzhou, 450001, PR China.
一种名为PLSELM的新方法结合了部分最小方程 (PLS) 和集极学习机器 (ELM) 进行强大的近红外 (NIR) 光谱校准. 这种方法在低数据条件下以及在不同的仪器中脱而出,为分析应用提供了可扩展的解决方案.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 近红外 (NIR) 光谱是一种快速,非破坏性的分析技术,提供丰富的化学信息.
- 可靠的校准在NIR光谱学中是一个重大挑战,特别是在有限的数据或不同的仪器配置的情况下.
研究的目的:
- 开发一种轻量级,坚固且可转移的NIR光谱校准方法.
- 解决当前校准技术的局限性,特别是在低数据条件和仪器异质性下.
主要方法:
- 拟议的PLSELM (部分最小正方形组合极端学习机器) 方法.
- 结合了部分最小平方 (PLS) 得分矩阵和集成极端学习机器 (ELM).
- 模拟潜伏PLS特征与度值之间的关系.
主要成果:
- PLSELM表现出卓越的校准性能,优于传统的PLS,支持向量回归和深度学习模型.
- 展示了适合于低数据学习和校准转移分析在来自10个光谱仪的各种NIR光谱数据集的适合性.
- 展现出强度,对样本分割和隐藏层节点随机性不敏感,具有快速处理 (在玉米数据上为0.5秒).
结论:
- PLSELM是一种强大的NIR校准方法,在各种光谱范围,分辨率,长度和度水平上有效.
- 为NIR校准提供了一种实用且可扩展的解决方案,适用于有限数据或异质仪器的现实应用.
更多相关视频
10:22Split Point Analysis and Uncertainty Quantification of Thermal-Optical Organic/Elemental Carbon Measurements
Published on: September 7, 2019
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
相关概念视频
IR Spectroscopy: Hooke's Law Approximation of Molecular Vibration
According to Hooke's law, the vibrational frequency is directly proportional to...
Calibration Curves: Linear Least Squares
For data that follow a straight line, the standard method for fitting is the linear...
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
Instrument Calibration
Analytical Balance Calibration
An analytical balance measures mass and requires regular calibration to...
IR Spectrometers
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
