【摘要】中提到的研究主要关注如何利用电子鼻和人工神经网络技术来鉴别沉香与沉香曲这两种物质。沉香和沉香曲是中药中的重要成分,它们在气味上有显著差异,而这些差异正是鉴别两者的关键。研究者通过单因素考察和正交试验建立了适合的电子鼻检测方法,对沉香和沉香曲的气味进行检测。
电子鼻是一种模拟人类嗅觉的设备,能够捕捉并分析各种物质的气味特征。在本研究中,电子鼻被用来收集沉香和沉香曲的气味数据。收集到的数据随后被分为训练集和验证集。训练集用于训练三种不同类型的神经网络模型:径向基函数(RBF)神经网络、广义回归神经网络(GRNN)和概率神经网络(PNN)。
在训练过程中,原始数据和归一化数据被用于训练这三种神经网络模型。通过对模型参数进行优化,研究者提高了鉴别准确率。经过优化后,这三种神经网络对验证集的沉香和沉香曲识别的正确率均达到了100%。特别是GRNN,在不同的数据预处理方式和参数条件下,对验证组的正确率始终保持在100%。
这项研究的结果表明,结合电子鼻的气味检测能力和人工神经网络的模式识别能力,可以有效地鉴别沉香和沉香曲。这种方法不仅提供了客观化的鉴定手段,而且对于中药的质量控制和标准化具有重要意义。
【关键词】中的“电子鼻”是指上述研究中使用的气味检测设备,它能捕捉和解析化学气体信号。“人工神经网络”是机器学习的一种模型,通过模拟人脑神经元的工作方式来学习和识别模式。“沉香”和“沉香曲”是研究的对象,是两种具有不同气味特征的中药材料。“径向基函数神经网络”(RBF)、“广义回归神经网络”(GRNN)和“概率神经网络”(PNN)是具体采用的三种神经网络模型,它们在鉴别任务中表现出色。
该研究揭示了电子鼻和人工神经网络在中药鉴别中的潜力,尤其是在实现传统经验的客观化方面。通过这种方法,可以提高中药质量评价的准确性,确保药品的安全性和有效性。同时,这也为未来其他类似物质的鉴别提供了新的研究方向和技术支持。