《食品科学》：北京工商大学王立教授等：基于生成对抗网络和深度森林结合的粮食加工过程污染物小样本数据扩充及预测

本文由北京工商大学王立教授等研究团队提出，针对粮食加工过程中污染物数据量小的问题，提出了一种基于生成对抗网络（GAN）和深度森林（DF）结合的方法，用于小样本数据的扩充及预测。研究首先采用时间生成对抗网络（TimeGAN）模型对粮食加工过程中的污染物数据进行扩充，保留了数据的时间相关性。随后，结合GAN和DF模型进行污染物预测，通过结合生成器和判别器的竞争学习机制，提高了预测的准确性。实验结果表明，TimeGAN方法能够有效扩充数据，而LSTM-DFGAN模型在污染物预测中表现最为理想，显著提高了预测精度。本研究在食品安全的智能预测方向具有理论和应用创新，有助于提高粮食加工过程污染物预测的准确性和有效性。