主成分分析により次元削減した加工データを学習データに用いたニューラルネットワークによるスペクトル解析

Spectral analysis by a neural network using processed data whose dimensions have been reduced by principal component analysis as learning data

大場 正規 

Oba, Masaki

GdO、TiO、ZrOのデータから加工で得た462種類の学習データをPCAにより次元削減を行った。学習後、実試料のデータ62種類をテストデータとして元素の含有比を解析した。前回同様、実試料の真値と解析値の校正曲線を作成し、含有比を解析する。今回用いたニューラルネットワークは、入力層-中間層(2層)-出力層という構成で、中間層は各100ノード2層用いた。学習データのPCAの結果、7944次元(ピクセル)の学習データを5次元に大幅に削減することができた。これを用いて学習させ、テストデータを解析した結果、真値との差およそ10%で、前回とほぼ同様な値であった。

Dimension reduction was performed using PCA on 462 types of training data obtained by processing GdO, TiO, ZrOdata. After learning, the content rates of elements were analyzed using 62 types of data from actual samples as test data. Similar to last time, create a calibration curve of the true value and analytical value of the actual sample and analyze the content ratio. The neural network used this time had a configuration of input layer, middle layer (2 layers), and output layer, and the middle layer used 2 layers with 100 nodes each. As a result of PCA on the training data, we were able to significantly reduce the 7944 dimensions (pixels) of the training data to 5 dimensions. As a result of training using this and analyzing test data, the difference from the true value was approximately 10%, which was almost the same as the previous value.