富镧Ni—MH电池阴极材料性能的偏最小二乘法—人工神经网络研究

利用偏最小二乘法－人工神经网络方法，对富镧Ｎｉ－ＭＨ电池阴极材料的放电曲线、初始容量、比容量性能进行研究。结果表明：用ＰＬＳ－ＢＰＮ对材料性能的研究与实验结果非常吻合，可作为材料性能测试的一种预报手段。     

人工神经网络方法预测气相色谱保留值

本文运用一典型的人工神经网络模型－“反向传播“模型的改进形式，研究了诱导效应指数Ｉ，摩尔折射度Ｒｏ，疏水亲脂参数ＩｇＰ，以及分子联通性指数与气象色谱保留行为的关系，实现了对色谱保留植的预测。神经网络预测模型的最大相对误差不超过８．７％。结果表明，该方法性能良好，可望成为色谱保留值预测的有效手段。     

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。     

人工神经网络-分光光度法同时测定废水中的金和钯

贵金属金和钯都能与新试剂5-（2-羟基-3，5-二甲基苯偶氮）罗丹宁（HD—PAR）形成稳定的红色络合物，由于二者吸收峰严重重叠，采用化学计量学中的人工神经网络方法实现了金和钯的同时测定，方法可用于废水中金和钯的同时测定。     

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。