基于人工神经网络的荧光光谱识别

目的利用人工神经网络的方法对杂质气体的荧光光谱进行识别。方法选用三层前馈型单输出的神经网络结构,学习算法选用自适应的RLS（Recursive Least Square）算法,在对基于RLS算法的三层前馈单输出的神经网络学习训练完成后,引入互联权重删剪算法对网络的输入层进行删剪。网络的结构不但得到了优化,而且计算复杂度也大大降低。提高网络的泛化能力;最后利用优化后的网络对测试样本进行识别。结果仿真实验表明,与删剪前的网络结构相比,在降低了网络的计算复杂度的同时,删剪优化后的正确识别率能够达到100%。结论利用RLS算法能够提高网络的运算速度,在此基础上的删剪算法能够降低计算的复杂度,并且能够对冗余信息进行了剔除,进而提高整个网络的识别能力。