数据科学学院洪绍勇老师作为通讯作者于2021年1月1日在sci-e期刊（中科院分区2区）《infrared physics & technology》发表学术论文1篇，论文题目为《quantitative analysis of organic acids in pomelo fruit using ft-nir spectroscopy coupled with network kernel pls regression》。
主要内容：采用傅里叶变换近红外光谱( ft- nir )加核偏最小二乘法( kernel pls )对柚子果实样品中oa浓度进行定量分析。有机酸浓度与近红外数据之间是非线性关系，应当采用非线性方法。基于经典线性方法pls的简单性，我们采用的非线性方法是通过嵌入核函数来改进pls算法。本文设计了一种以机器学习方式提取光谱特征数据的神经网络结构内核。结合pls潜变量的优化选择，对网络隐节点数进行了调谐。采用误差反馈迭代机制对网络链接权值进行自适应训练。模型标定结果表明，用130个隐节点和20个输出节点识别出最适合的网络结构。最优核改进了8个特征潜变量的pls模型。模型训练结果均方根误差为0.834g / kg，相关系数为0.936。与普通核函数相比，网络核函数在模型训练部分和测试部分表现更好。模型预测结果表明，本文提出的网络体系结构核的自动训练方法是可行的，可以提高柚果有机酸ft- nir快速分析的pls建模效果。
数据科学学院何晓兰供稿