本小白非计算机专业,目前自学python和机器学习,想通过神经网络分析化学方面的实验分析图谱,比如色谱图(下图)。这个曲线有一些凸起(峰),一些自然过程会导致这些凸起的高度发生变化,因此可以通过这个图的形态分析这些自然过程。但是这些变化不是线性的,而且经常有多种过程、因素叠加在一起,总之就是比较复杂。
打个比方:假如这个图分析自人体血液,而已知人的年龄、肥胖程度、健康状况会对某些凸起(峰)造成规律性改变,因此可以通过曲线的形态反推这些信息。
我手上有许多图谱和已知的结果,想让神经网络学习这些信息,最后实现自动分析。目前我自己学会了单隐藏层的BP神经网络,并通过识别曲线像素点竖向坐标的方式可以把这个曲线转换成一个一维数组。但问题在于,在保证图片精度的情况下(分辨率不能太低),转换得到的一维数组经常多达一两千个数(就是输入层有一两千个节点,输出层是单个节点),在我目前的代码下学习效果非常差(可以说就没效果),运行时间也很长。
求大佬们给些建议和方向,BP神经网络能否实现我这个需求?还是换用别的方法?