لإجراء تتبع مصدر عرق السوس، تم اقتراح نموذج شبكة CTGAN+1D-CNN+Encoder-Decoder (CCEN). أولاً، من خلال شبكة توليد تنافسية شرائطية مشروطة (CTGAN)، تم تعزيز بيانات الطيف القريب للأشعة تحت الحمراء لعرق السوس لحل مشكلة قلة البيانات. ثم من خلال إضافة هيكل التشفير-فك التشفير (Encoder-Decoder) إلى شبكة العصبونات الالتفافية أحادية البعد (1D-CNN)، يمكن للشبكة التقاط العلاقات العالمية والمحلية بين الميزات في نفس الوقت. أظهرت نتائج التجارب أنه بعد تعزيز CTGAN وSavitzky-Golay، ارتفعت دقة تحليل التمييز باستخدام طريقة أقل المربعات الجزئية (PLS-DA)، والغابة العشوائية (RF)، وخوارزمية K قائمة على الجيران (KNN) و1D-CNN إلى 0.9733، 0.9533، 0.9600 و0.9733 على التوالي. بعد إضافة المشفر-فك المشفر، ارتفعت دقة 1D-CNN إلى 0.9778. وفي النهاية، حقق نموذج CCEN على مجموعة بيانات عرق السوس دقة واستدعاء وقيمة F1 بلغت 0.9867، 0.9872 و0.9868 على التوالي، متفوقًا على النماذج المقارنة. تُظهر النتائج أن نموذج CCEN مناسب لبيانات الإشارات أحادية البعد المعقدة والمحدودة العينة مثل الطيف القريب للأشعة تحت الحمراء، ويقدم طريقة جديدة لدراسة التعرف على مصدر الدواء العشبي العرق السوس.

عرق السوس; الطيف القريب للأشعة تحت الحمراء; CTGAN; الشبكة العصبية; المشفر-فك المشفر