想通过神经网络分析化学实验图谱，求建议

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？

y =sigmoid( Wx+b)这类感知机模型，能学到的特性有限，难以学习复杂特性。通常是和其他网络搭配使用的。 学习到曲线规律性的变化，色谱图这种的，我比较推荐LSTM（RNN神经网络的一种） 如果是一些医学图片，我推荐CNN神经网络（UNet结构常用于医学图片的处理） 训练好神经网络，是需要有大量的数据的。 关于自学这方面，Python的话，目前PyTorch框架还是值得考虑的，PyTorch官网也提供了很好的全套的中文教程。机器学习和神经网络相关的，比较推荐吴恩达老师的课（B站搜索就行）

您好，我是有问必答小助手，您的问题已经有小伙伴解答了，您看下是否解决，可以追评进行沟通哦~

如果有您比较满意的答案 / 帮您提供解决思路的答案，可以点击【采纳】按钮，给回答的小伙伴一些鼓励哦～～

ps:问答VIP仅需29元，即可享受5次/月 有问必答服务，了解详情>>>https://vip.csdn.net/askvip?utm_source=1146287632

我师兄是做这个方向的。如果你想单纯通过图像来解决，基本上是不能成功的。如果想出效果的话，我可以帮你向我师兄请教一下