Технология ближней инфракрасной спектроскопии как быстрый и неразрушающий метод анализа имеет важное значение для оценки качества сложных систем. С развитием методов глубокого обучения их интеграция предоставляет новые исследовательские подходы и технические пути для оценки качества традиционной китайской медицины. В статье систематически рассматривается применение моделей многослойного персептрона, сверточных нейронных сетей, рекуррентных нейронных сетей, автоэнкодеров, генеративно-состязательных сетей и Transformer в моделировании ближнего инфракрасного спектра, с акцентом на идентификацию и различение видов традиционной медицины, определение подлинности, прослеживаемость происхождения, прогнозирование содержания компонентов, мониторинг процесса обработки и оценку качества препаратов. Анализируются особенности применения различных алгоритмов, их потенциальные преимущества и ограничения. На этой основе суммируются основные проблемы, с которыми сталкиваются современные исследования в области размера выборки, проектирования моделей, стратегий обучения и интерпретируемости. В заключение рассматриваются тенденции и направления развития применения технологий глубокого обучения и ближней инфракрасной спектроскопии в оценке качества традиционной китайской медицины.

традиционная китайская медицина; ближняя инфракрасная спектроскопия; глубокое обучение; анализ качества