公开(公告)号：CN115440315A

公开(公告)日：2022-12-06

申请号：CN202211086843.9

申请日：2022-09-07

Applicant: 北京工业大学

Inventor： 杨新武 ,  李亦铭

IPC: G16C20/30 ,  G16C20/70 ,  G06N20/20

Abstract: 本发明提出了基于DWT‑CARS‑MC‑PLS的药品API预测方法。该方法大致分为三个阶段：1.双波段变换(包括四种方式，差分系数DI、比值系数RI、归一化差分系数NDI和综合二维相关谱i2DCOS)可以解决模型在一维光谱上的信息少、不利于建模的问题。2.采用竞争性加权自适应采样策略根据偏最小二乘回归模型(PLS)的拟合情况提取重要波长特征，减少了人为特征选择的主观性误差。3.使用集成学习的思想，使用T次蒙特卡洛迭代建立T个PLS子模型，将这些子模型的预测结果的均值作为整个模型的预测结果。通过在公开的tablet数据集上进行5次不同划分的重复实验并与药品定量分析中常用的机器学习方法相比，证明了本发明方法的有效性。

公开(公告)号：CN113627554A

公开(公告)日：2021-11-09

申请号：CN202110947526.0

申请日：2021-08-18

Applicant: 北京工业大学

Inventor： 杨新武 ,  李亦铭 ,  王碧瑾

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明针对药品的近红外光谱数据的分类问题，提出了一种基于自编码网络与极限学习机的双波段光谱鉴别方法(DWAE‑ELM)，此方法结合了AE和ELM两种方法的优点，使用AE提取药品的近红外光谱数据的二维特征，根据此特征使用ELM进行分类。DWAE‑ELM网络在结构上分为两个独立的阶段：第一阶段，采用一个三层的AE网络来提取双波段变换后的二维输入数据的稀疏特征进行非监督多层次特征表示；第二阶段，用原始的ELM做最后的药品分类任务。本方法结合了自编码网络特征提取能力强和ELM训练速度快的优点，提高了药品分类的准确度及稳定性，并和其他方法相比，模型的训练时间大幅降低，且对训练集大小不敏感，鲁棒性更强。

公开(公告)号：CN113627554B

公开(公告)日：2024-07-12

申请号：CN202110947526.0

申请日：2021-08-18

Applicant: 北京工业大学

Inventor： 杨新武 ,  李亦铭 ,  王碧瑾

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明针对药品的近红外光谱数据的分类问题，提出了一种基于自编码网络与极限学习机的双波段光谱鉴别方法(DWAE‑ELM)，此方法结合了AE和ELM两种方法的优点，使用AE提取药品的近红外光谱数据的二维特征，根据此特征使用ELM进行分类。DWAE‑ELM网络在结构上分为两个独立的阶段：第一阶段，采用一个三层的AE网络来提取双波段变换后的二维输入数据的稀疏特征进行非监督多层次特征表示；第二阶段，用原始的ELM做最后的药品分类任务。本方法结合了自编码网络特征提取能力强和ELM训练速度快的优点，提高了药品分类的准确度及稳定性，并和其他方法相比，模型的训练时间大幅降低，且对训练集大小不敏感，鲁棒性更强。

公开(公告)号：CN113959973A

公开(公告)日：2022-01-21

申请号：CN202110951926.9

申请日：2021-08-18

Applicant: 北京工业大学

Inventor： 杨新武 ,  李亦铭 ,  王碧瑾

IPC: G01N21/359 ,  G06N20/20

Abstract: 本发明提出一种基于DWI‑BPLS的药品API预测方法，用于解决药品活性物质含量预测过程中，由于一维光谱数据所含信息量少，导致预测不够准确的问题。本发明是一种通过从双波段变量空间建立子模型的boosting策略，即双波段变量空间boosting偏最小二乘法DWI‑BPLS。本方法在第一个周期，将训练集中药品不同波长的吸光度值(药品特征)赋予相同的采样权重，然后根据采样权重选择一定数量的特征建立PLS子模型。确定损失函数用来计算训练集中样本的采样权重。最后通过计算所有子模型结果的平均值来做模型的最后预测。同时，本发明设计了一种新的损失函数，为boosting进行更好的惩罚训练。