基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文章提出了一种利用遗传多层前馈神经网络建立数学模型的方法,建立起化学测定值与近红外光谱数据之间的定量关系.把得到的近红外光谱数据作为网络的输入,把用化学法测定的5种脂肪酸含量作为网络的输出,再利用遗传算法训练多层前馈神经网络的权值,建立大豆脂肪酸的神经网络检测模型,探索出一种能够准确、高效地完成近红外光谱检测的神经网络模型,文中设计了一种用遗传算法训练的多层前馈神经网络.通过试验证明,用遗传算法优化人工神经网络的权重,获得高于单纯用人工神经网络训练的结果.大豆5种脂肪酸的相关系数都可达到0.9左右,能够满足大豆育种的初步检测.
推荐文章
基于BP神经网络的木材近红外光谱树种识别
近红外光谱
木材树种识别
BP神经网络
遗传算法
粒子群算法
人工神经网络-近红外光谱法测定桉树中综纤维素的含量
广义回归神经网络
近红外光谱
桉树
综纤维素
近红外光谱技术测定油料种子脂肪酸的研究进展
近红外光谱技术
油料作物
脂肪酸检测
研究进展
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于遗传多层前馈神经网络的大豆脂肪酸含量近红外光谱检测
来源期刊 东北农业大学学报 学科 农学
关键词 近红外光谱 多层前馈神经网络 遗传算法 大豆 脂肪酸
年,卷(期) 2008,(7) 所属期刊栏目 农业工程与技术
研究方向 页码范围 112-117
页数 6页 分类号 TP3|S565.1
字数 4225字 语种 中文
DOI 10.3969/j.issn.1005-9369.2008.07.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张长利 东北农业大学工程学院 89 1124 17.0 29.0
2 柴玉华 东北农业大学工程学院 55 496 13.0 19.0
6 谭克竹 东北农业大学工程学院 11 109 6.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (209)
参考文献  (12)
节点文献
引证文献  (13)
同被引文献  (26)
二级引证文献  (27)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(4)
  • 参考文献(0)
  • 二级参考文献(4)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(5)
  • 参考文献(2)
  • 二级参考文献(3)
1999(8)
  • 参考文献(1)
  • 二级参考文献(7)
2000(6)
  • 参考文献(4)
  • 二级参考文献(2)
2001(4)
  • 参考文献(4)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(3)
  • 引证文献(2)
  • 二级引证文献(1)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(6)
  • 引证文献(4)
  • 二级引证文献(2)
2015(6)
  • 引证文献(2)
  • 二级引证文献(4)
2016(11)
  • 引证文献(1)
  • 二级引证文献(10)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
近红外光谱
多层前馈神经网络
遗传算法
大豆
脂肪酸
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东北农业大学学报
月刊
1005-9369
23-1391/S
大16开
哈尔滨市木材街59号
14-47
1957
chi
出版文献量(篇)
4521
总下载数(次)
9
相关基金
黑龙江省自然科学基金
英文译名:
官方网址:http://jj.dragon.cn/zr/index.asp
项目类型:
学科类型:
论文1v1指导