DNA与目标分子相互作用的预测性研究

以量化的分子结构参数和实验结果为依据, 运用模式识别技术、多元线性回归和人工神经网络研究了目标分子与DNA相互作用的主要影响因素, 建立了准确性较高的2个键合常数预测模型和1个作用模式预测模型. 初次量化的分子结构参数有21种, 经过筛选发现其中的10种参数对相互作用有显著影响. 研究结果可为抗癌药物的分子设计和筛选提供有价值的信息.     

用人工神经网络处理谷物成分分析

本文用人工神经网络处理谷物的付立叶变换近红外漫反射光谱,对谷物中含量在10~(-1)～10~(-3)的蛋白质、脂肪和6种人体必需氨基酸定量分析数据进行了解析,分析结果与经典化学方法没有系统偏差,且优于逐步回归分析法的结果。     

高温超导体制备条件的人工神经网络识别

高温超导体的制备条件要求严格,其掺杂量大小、烧结温度控制等都直接影响实验样本的超导性质。近几年高温超导研究已积累大量实验数据,如何应用人工智能方法处理这些数据寻找更好的合成条件颇有意义。人工神经网络方法在许多领域己显示其处理复杂数据和模式识别的优越性,但尚未应用到化合物制备研究方面。本文对此作了初步尝试。     

ANN原子参数法预报合金相晶型及晶格常数

运用人工神经网络方法，以二元合金组成元素的电子结构为基本特征，对二元合金相晶型作了区分，进一步对其晶格常数作了预报，结果令人满意。     

芳胺化合物光催化降解过程中的反向传播人工神经网络光度法同时测定

利用芳胺的重氮化偶合反应，采用误差反向传播人工神经网络方法，对于吸收重叠的3组分芳胺类化合物体系进行同时测定；并用该法测定了以高压紫外汞灯为光源，纳米金红石相TiO2为催化剂，光催化降解苯胺、甲萘胺、邻氯苯胺3组分过程中各组分浓度；实验证明对合成样本与催化体系样本，回收率均在91％－108％之间，其结果准确可靠。     

模式识别—人工神经网络在化学中的若干新应用

本文通过我们应用模式识别－人工神经网络方法预报新化合物、熔盐相图以及复杂化学反应体系的研究，展示应用模式识别－人工神经网络方法与物理化学理论相结合，研究化学现象的可能性和应用价值。     

人工神经网络X射线荧光光谱法测定钢中酸溶铝

建立了一种人工神经网络-X射线荧光光谱法测定钢中酸溶铝的方法，用X射线荧光光谱法测定低合金钢中总铝值，应用所建立的ANN-BP网络模型，输入总铝含量直接预测出酸溶铝含量。同时使用改进的BP算法，避免了神经网络学习中可能产生的麻痹现象。该方法用于钢中酸溶铝的测定，结果满意。     

Madaline网络用于分光光度法同时测定铜钴镍的研究

采用4－（2－吡啶偶氮）－间苯二酚（PAR）－Cu,Co,Ni显色体系，应用Madline神经网络原理，对于吸收光谱严重重叠的三组分金属配合物体系同时进行含量测定，Cu^2 ,Co^2 ,Ni^2 的平均回收率分别为94％，101％，102％，实验表明，该法具有训练速度快，预测结果准确度良好等特点，有望成为多组分分析的有效方法之一。     

色谱技术在中药指纹图谱研究中的应用

 介绍了气相色谱、高效液相色谱、超临界流体色谱和高速逆流色谱等几种色谱技术在中药指纹图谱研究中的应用现状,以及使用模糊聚类分析和人工神经网络分析指纹图谱对中药进行模式识别和质量鉴定的方法。     

用人工神经网络预测催化精馏塔开工过程的研究

催化精馏是使化学反应过程和精馏分离过程结合在一起,是伴有化学反应的新型特殊精馏过程.“反应精馏”概念自20年代提出以来,从30年代到60年代初,研究都是对特定体系的工艺探索;70年代后,研究扩展到非均相催化反应体系,出现了非均相催化精馏过程,成为了反应精馏的一个重要分支;