Recebido em 28/8/00; aceito em 13/3/01 NEURAL NETWORKS AND ITS APPLICATIONS IN MULTIVARIATE CALIBRATION. Neural Networks are a set of mathematical methods and computer programs designed to simulate the information process and the knowledge acquisition of the human brain. In last years its application in chemistry is increasing significantly, due the special characteristics for model complex systems. The basic principles of two types of neural networks, the multi-layer perceptrons and radial basis functions, are introduced, as well as, a pruning approach to architecture optimization. Two analytical applications based on near infrared spectroscopy are presented, the first one for determination of nitrogen content in wheat leaves using multi-layer perceptrons networks and second one for determination of BRIX in sugar cane juices using radial basis functions networks.Keywords: neural networks; backpropagation; radial basis functions; multivariate calibration. Quim. Nova, Vol. 24, No. 6, 864-873, 2001. Divulgação INTRODUÇÃOAtualmente, tem-se observado um grande aumento na disponibilidade de informação em nosso cotidiano. A informação circula entre nós a uma velocidade que seria inconcebível até alguns anos atrás e tende aumentar ainda mais. Hoje em dia o volume de informação dobra a cada quatro anos e num futuro próximo passará a dobrar a cada dois anos. Assim, realmente vivemos no que se pode chamar de sociedade da informação. Grande parte deste aumento no volume de informações se deve ao aparecimento e uso disseminados de microcomputadores equipados com softwares, como Windows TM , que tornam o seu uso extremamente simples, até mesmo para crianças em fase de alfabetização.Uma das atividades humanas que mais se beneficiou com o uso de computadores foi a própria ciência, em particular a química analítica. Até algumas décadas atrás o principal problema enfrentado no desenvolvimento de um método analítico era como se obter os dados. Gastava-se muito tempo, dinheiro e esforço para se obter um pequeno conjunto de dados.Graças a computadorização dos instrumentos o principal problema não é mais como obter os dados, mas como tratá-los de modo eficiente. Tipicamente tais instrumentos fornecem um grande conjunto de dados e para que tais dados sejam convertidos em informação útil deve-se usar métodos matemáticos e estatísticos modernos e eficientes. Dentre tais métodos destaca-se os métodos lineares e não lineares de calibração multivariada e mais recentemente as redes neurais 1 . Para uma melhor compreensão da álgebra envolvida nos modelos de tratamento de dados, foi utilizada a seguinte notação:n Vetores -letras minúsculas em negrito (ex: x); n Matrizes -letras maiúsculas em negrito (ex: X); n Escalares -letras minúsculas sem negrito (ex: l); n Matrizes diagonais -letras maiúsculas sem negrito (ex: S). Redes NeuraisRecentes avanços em neurofisiologia têm desvendado vários mecanismos sobre o fluxo e o processamento de informações que ocorrem no cérebro humano. Alguns destes mecanismos foram modelados matematicamente permitind...
Recebido em 29/7/99; aceito em 22/3/00 UTILIZATION OF FOURIER TRANSFORM FILTER FOR NOISE MINIMIZATION IN ANALYTICAL SIGNALS.Instrumental data always present some noise. The analytical data information and instrumental noise generally has different frequencies. Thus is possible to remove the noise using a digital filter based on Fourier transform and inverse Fourier transform. This procedure enhance the signal/noise ratio and consecutively increase the detection limits on instrumental analysis. The basic principle of Fourier transform filter with modifications implemented to improve its performance is presented. A numerical example, as well as a real voltammetric example are showed to demonstrate the Fourier transform filter implementation. The programs to perform the Fourier transform filter, in Matlab and Visual Basic languages, are included as appendices Keywords: Fourier transform; digital filter, analytical data. DIVULGAÇÃO INTRODUÇÃOGeralmente os sinais analíticos representam a variação de uma propriedade físico-química, de uma amostra de interesse, em função do tempo e/ou espaço. Em química analítica, os sinais mais freqüentemente encontrados são: espectros, voltamogramas, registros de um pH-metro em função do tempo, etc. Infelizmente, a maioria dos sinais provenientes de instrumentos analíticos apresentam-se contaminados (digamos, sobrepostos) com ruído, dificultando a interpretação e modelagem das propriedades associadas à estes sinais. Tipicamente o ruído instrumental afeta os limites de detecção, de decisão e de determinação, os quais são figuras de mérito extremamente importantes na avaliação do desempenho de instrumentos e métodos analíticos 1 . CLASSIFICAÇÃO DOS TIPOS DE RUÍDOSOs tipos de ruídos podem ser classificados pelo seu espectro de freqüência (freqüência em que ocorrem), por sua distribuição de amplitude e pelo fenômeno que o origina. Vejamos alguns deles:Ruído Jonson: Todo componente eletrônico alocado em qualquer circuito gera um ruído entre seus terminais devido à vibração térmica dos átomos. O valor desse ruído (em volts) é dado pela Equação 1.Onde k é a constante de Boltzman, T é a temperatura absoluta (K), R é a resistência do componente e B é a largura de banda (em Hz) em que o componente é capaz de monitorar. Quanto maior a faixa dinâmica de freqüências do componente, por exemplo a faixa de comprimentos de onda que um sensor espectroscópico é capaz de monitorar, maior o ruído Jonson. Esse ruído independe da freqüência monitorada, mas sim da largura de banda da faixa monitorada, ou seja, se distribui uniformemente em todo o espectro, e é assim chamado ruído branco. Este tipo de ruído torna-se particularmente crítico em detectores de radiação eletromagnética, de modo que em alguns casos resfria-se o detector, na tentativa de minimizar esse efeito.Ruído "Shot": Devido ao fato de que a eletricidade é formada por um fluxo de elétrons, e que os mesmos, por sua vez, possuem carga discreta, a passagem dos elétrons gera uma flutuação do campo elétrico e consequentemente uma flutuação da corre...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.