简介:单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.
简介:采用自动顶空结合气相色谱-质谱仪(GC-MS)对家装市场产品中有机挥发性化合物(VOC)进行定性分析,收集常用常见的挥发性有机化合物(VOC)种类,建立完善的被测物体系,再对家装涂料产品分类,采用气相色谱法检测,以内标标准曲线法定量。37种目标化合物的相关系数在0.999以上;方法检测低限为0.0004%;平均回收率在89.9%~106.2%之间;相对标准偏差小于3%。
矩阵输入的多层前向神经网络学习算法
家装涂料中有机挥发性化合物(VOC)含量检测