[发明专利]一种基于机器学习的高精度药物定量方法

摘要

本发明公开了一种基于机器学习的高精度药物定量方法，通过获取定量系统单次落料量的历史数据；将单次落料量的历史数据进行统计学分析，获取训练集；以单次落料量的训练集作为自适应神经网络的输入值，并对自适应神经网络进行学习，得到神经网络模型；输出模型结果；将模型输出响应和期望响应进行对比，输出误差信号；判断累计落料量是否达到目标值；若达到目标值，则完成药物的定量。该方法效率高，对环境适应能力强，定量精度高，操作简单，定量误差小。

主权项

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结果输出响应的误差为差ε(i)，预测结果θTx(i)和真实结果y(i)满足下式：y(i)＝θTx(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：P(y(i)|x(i);θ)=12πσexp(-(y(i)-θTx(i))22σ2)---(2)]]>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，对最大似然估计公司进行求导，将求导结果作为误差信号，对期望响应和模型结果输出响应进行对比；所述的求导结果为：12Σi=1m(y(i)-θTx(i))2---(3)]]>6)判断累计落料量是否到达目标值，若未到达，将误差信号返回到步骤3)，继续学习；若到达目标值，则本次定量完成。