近日，中國科學院合肥物質院智能所光譜智能感知團隊提出了一種新型基于神經網絡的變量選擇算法VSNN，用于光譜檢測應用中非線性模型的變量選擇。相關研究成果已在分析化學領域期刊Analytica Chimica Acta上發表。

隨著光譜分析檢測技術和光譜儀器的發展，光譜技術已廣泛應用于諸多領域。在光譜建模的定性定量分析中，從復雜的高維光譜數據中提取特征信息可降低噪聲和無關變量的干擾，同時提高模型的可解釋性和預測能力。基于偏最小二乘的變量選擇算法已有較多研究，然而，偏最小二乘算法在處理非線性數據時表現欠佳，而神經網絡算法是建模非線性數據的理想選擇。

為實現神經網絡的變量選擇，科研團隊基于神經網絡可解釋性研究，設計了評估神經網絡模型變量重要性的評價向量，包括敏感性向量、梯度向量和權重梯度向量，并基于群體分析提出了VSNN算法。該算法將神經網絡視為黑盒模型，可應用于多種神經網絡架構，有效提取光譜中的關鍵信息。研究團隊在玉米、藥片、肉類等公開數據集上，將VSNN與多種高性能變量選擇算法進行了性能對比。結果表明，VSNN算法能高效選擇變量并顯著提高模型的預測能力。

張鵬飛博士和徐琢頻博士為第一作者，王琦研究員為通訊作者。本工作得到國家自然科學基金、安徽省重大專項等項目的支持。

原文鏈接:https://doi.org/10.1016/j.aca.2024.343291

神經網絡變量選擇算法（VSNN）