人工神经网络研究进展及其在光谱分析中的应用

介绍最常用的人工神经网络——BP神经网络的原理、结构及其研究进展,评述了人工神经网络在光谱分析中的应用。     

人工神经网络紫外吸收光谱法测定安钠咖注射液各组分

应用人工神经网络原理，采用误差反向传播方法，对紫外吸收光谱重叠的安钠咖注射液中咖啡因和苯甲酸钠含量进行测定．实验表明，人工神经网络法对上述两组分含量测定结果准确，探讨了人工神经网络参数对分析结果的影响．     

人工神经网络方法用于多组分分光光度分析

本文介绍了人工神经网络（ANN）原理,详细讨论了网络参数的选择及其对网络预报结果的影响。并将人工神经网络应用于干扰严重的五组分体系的分光光度同时分析,其预测结果优于正交分解计算方法。     

人工神经网络在气相色谱保留值预测上的应用

应用人工神经网络对气相色谱Ｋｏｖａｔｓ保留指数进行多点预测研究。基于人工神经网络的典型模型（ＢＰ网络）,采用文献中的数据,建立了反映溶质的Ｋｏｖａｔｓ指数与溶质的溶剂化参数以及其与固定相的相参数之间关系的数学模型,并采用多元性回归方法和人工神经网络对溶质的Ｋｏｖａｔｓ指数进行了预测研究。     

粉末药品安体舒通的无损定量分析——人工神经网络－近红外光谱法的应用

研究了应用人工神经网络进行粉末药品的无损定量分析,使用安体舒通粉末药品的近红外漫反射光谱数据建立人工神经网络模型,预测未知样品,讨论了影响网络的各参数,使用了逼近度作为网络新的评价标准。     

近红外光谱-人工神经网络法用于粉末药品阿斯匹林的非破坏定量分析

研究了应用人工神经网络进行粉末药品的非破坏定量分析。使用阿斯匹林粉末药品的近红外漫反射一阶导数光谱数据建立人工神经网络模型,预测未知样品。讨论了影响网络的各参数,使用了新的网络评价标准－逼近度。     

人工神经网络及其在分析化学中的应用

人工神经网络是一种新兴的计算方法，有着广阔的发展前途，目前在分析化学领域已经有了多方面的应用。本文简要介绍了人工神经网络的原理及其在分析化学中的应用。     

纤维素酶水解动力学的人工神经网络模型研究

酶作用机制的模糊以及影响异相体系因素的大量存在, 使得纤维素水解的酶催化过程高度复杂, 很难为之建立理论模型. 采用非理论模型人工神经网络模拟和预测了纤维素酶水解反应, 并与常用的响应面模型进行了比较. 选取加酶量 X1, 底物浓度 X2 和反应时间 X3 作为自变量, 还原糖浓度 Y1 和原料转化率 Y2 作为响应值. 结果表明, 人工神经网络模型比响应面模型更适合作为研究纤维素酶水解的动力学工具. 在模拟过程中, 除中心试验点外, 只有 1 个试验点上人工神经网络模拟值 Y2 产生的误差大于响应面模型. 在预测过程中, 人工神经网络模型的预测值都比响应面模型更接近实验值.     

人工神经网络用于化学杂交剂的构效关系研究

一、人工神经冈络方法简介最近几年来,针对传统计算机的局限性(串行),在国际上形成了一股研究与应用人工神经网络(Artificial Neural Networks,ANNs)的热潮。人工神经网络是一类模拟人脑功能的     

有机磷农药构效关系的主成分分析-人工神经网络研究

采用主成分分析法对样本数据集进行预处理，将得到的新的样本数据集输入人工神经网络，对有机磷农药的毒性参数进行预报。研究结果表明，主成分分析－人工神经网络的预报精度优于单纯的人工神经网络。     

人工神经网络在纸浆卡伯值光学定量分析中的应用

卡伯值 (硬度 )是纸浆的重要质量指标 ,是制浆过程控制的关键参数 .目前的测量方法包括化学分析法和光学分析法两大类型 ,国内大多数的制浆造纸厂采用离线的传统化学分析法来测定纸浆的卡伯值 ,需要比较长的时间 .而光学分析法因具有实时性好、精度和可靠性高等优点 ,已逐步用于卡伯值的在线测量和控制 .研究 [1] 发现 ,在 460～ 580 nm的可见光谱范围内 ,蒸煮液吸光度的变化可以表征纸浆中木素含量的变化 .本文将可见分光光谱技术应用于蒸煮液中木素含量的在线测量 ,根据蒸煮液在所选波段的吸光度来预测纸浆的卡伯值 ,建立纸浆卡伯值与蒸煮…     

Identification of water samples from different springs and rivers of Kharkiv: Comparison of methods for multivariate data analysis

The application of artificial neural networks for identifying water samples from different springs and rivers of Kharkiv based on the data about metal ions concentrations was studied. Using the river-water samples as an example, we demonstrated that the artificial neural networks enabled the correct identification of water samples, even if there were some gaps in the initial data. The procedure for determining the optimal number of neurons for synthesizing neural networks was proposed.     

人工神经网络在溶解度预测方面的应用

溶解度作为一项重要的物化指标,一直是化学学科的研究重点。然而,通过实验测量获得数据耗时费力,因此,科研人员建立了多种理论方法来进行估算,其中,人工神经网络因其能够关联复杂的多变量情况而受到广泛关注。本文综述了人工神经网络在物质溶解度预测方面的应用,介绍了应用最广泛的3种神经网络(BP神经网络、小波神经网络、径向基神经网络)的模型结构、预测方法和预测优势,探讨了神经网络的不足以及改进方法。文章最后对神经网络在物质溶解度预测方面的发展前景进行了展望。与其他方法相比,人工神经网络技术在物质溶解度预测方面具有预测结果精确度高、操作简单等特点,具有广阔的应用前景,但输入变量选择、隐含层节点数确定、避免局部最优等问题还需逐步建立系统的理论指导。     

The correlations of the enthalpy of vaporization and the surface tension of molecular liquids

Correlation relations based on Stefan's rule, which defined dependence between the enthalpy of vaporization, the surface tension, the molar volume and the molar mass of a substance, were obtained. For development of the correlation equations two computational procedures were used: a method of the least squares and a method of artificial neural networks. The method of artificial neural networks was shown to give somewhat better results than the linear least-squares procedure. The average deviation of the calculated values from the experimental ones did not exceed 6% for training set of substances and 10% for control set (the method of the least squares). For the method of artificial neural networks it is 3% and 8%, respectively.     

超临界CO2在聚合物中的溶解计算研究进展

本文以超临界CO2在聚合物中的溶解计算模型为例,综述了状态方程、经验方程和人工神经网络计算方法的实现原理、研究现状和优缺点;依据人工神经网络预测方法存在的问题,重点阐述基于混合智能方法的神经网络溶解计算模型;并对溶解计算研究进行了总结和展望。     

分子三维投影法在苯酚类化合物构效关系研究中的应用

对苯酚类化合物进行三维投影得到了5个形状参数,将其与3个Am指数及8个量子化学参数相结合.由最佳变量子集回归法对变量进行了压缩与选择,运用多元回归分析和人工神经网络法分别构造了预测数学模型,得到了满意的结果.     

盐湖水化学类型的人工神经网络判别方法

研究了作为典型径向基函数网络之一的概率神经网络在盐湖水化学类型分类预测中的应用，验证了该方法的可靠性，得到了满意的分类预测结果。实验结果和网络结构分析表明，概率神经网络方法比熟知的反向传播算法(BP)网络要好。概率神经网络的研究应用为化学模式识别提供了一个新工具。     

Simultaneous determination of aniline and cyclohexylamine by principal component artificial neural networks.

A specterophotometric method for simultaneous determination of aniline and cyclohexylamine using principal component artificial neural networks is proposed. This method is based on the reactions involving aniline and/or cyclohexylamine, with bis(acetylacetoneethylendiamine)tributylphosphine cobalt(III) perchlorate as a complexing reagent. A nonionic surfactant, Triton X-100, was used for dissolving the complexes and intensifying the signals. The absorption data were based on the spectra registered in the range of 350 - 550 nm. An artificial neural network consisting of three layers of nodes was trained by applying a back-propagation learning rule. Sigmoid transfer functions were used in the hidden and output layers to facilitate nonlinear calibration. The predictive ability of artificial neural networks was examined for the determination of aniline and cyclohexylamine in synthetic mixtures.     

人工神经网络在多组分红外光谱分析中的应用

本文介绍人工神经网络及其在多组分红外分析中的应用。对于邻二氯苯、间二氯苯、对二甲苯和环己烷四组分红外分析,结果表明,当组分间相互作用或非线性性仪器响应因素引起的非线性响应存在时,人工神经网络能提供优良的光谱校准作用,因而为不经分离直接测定的多组分体系红外分析提供了一种新的途径。