[发明专利]一种基于机器学习的高精度药物定量方法

权利要求书

1.一种基于机器学习的高精度药物定量方法，其特征在于，具体包括如下步骤：

1)获取定量设备单次落料量的历史数据；

2)将单次落料量的历史数据进行统计学分析，获取训练集，从训练集中抽取最优期望，并根据实际环境参数建立期望响应；

3)以单次落料量的训练集作为自适应神经网络的输入值，并以单次落料量的训练集对自适应神经网络进行学习，得到神经网络模型；

4)神经网络模型输出结果；

5)设期望响应与神经网络模型输出结果的误差信号ε⁽ⁱ⁾，预测结果θ^Tx⁽ⁱ⁾和真实结果y⁽ⁱ⁾满足下式：

y⁽ⁱ⁾＝θ^Tx⁽ⁱ⁾+ε⁽ⁱ⁾ (1)

误差满足平均值为0的高斯分布，则x和y的条件概率为：

该条件概率为最大似然估计，当最大似然估计最大时，确定θ，对最大似然估计公式进行求导，将求导结果作为误差信号，对期望响应和神经网络模型输出结果进行对比；所述的求导结果为：

6)判断累计落料量是否到达目标值，若未到达，将误差信号ε⁽ⁱ⁾返回到步骤3)作为网络输入数据，继续学习；若到达目标值，则本次定量完成。

2.根据权利要求1所述的一种基于机器学习的高精度药物定量方法，其特征在于，步骤3)中，所述的自适应神经网络分为四层，分别是源节点输入层、第一隐藏层、第二隐藏层和神经元输出层。