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。     

人工神经网络在环境监测中的应用近况

综述了近年来国内人工神经网络在环境监测中的应用进展,内容包括在化学、分光光度、X射线荧光、色谱以及其他方面的应用,引用文献29篇。     

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     

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。     

人工神经网络与化学混沌控制

非线性化学反应体系表现出复杂的动力学行为，诸如振荡，混沌和孤子等，本文介绍自８０年代后期以来化学混沌控制领域所的主要方法，ＯＧＹ方法，Ｐｙｒａｇａｓ的延迟自反馈法和神经网络法。     

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。     

人工神经网络的发展及在多元校正中的应用

本文简要综述了人工神经网络的发展及其1990年以来在多元校正中的应用。引用文献89篇。     

人工神经网络法预测有机物临界体积研究

人工神经网络法预测有机物临界体积研究张向东（辽宁大学化学系沈阳１１００３６）赵立群，张国义（沈阳化工学院高分子化工系１１００２１）１基本原理￣［１］最近几年国内外学者将人工神经网络方法应用于解决化学问题收到较好效果￣［２］。误差反向传播（ＢＰ）模型是...     

人工神经网络用于直接化学电离质谱分析食用油品质的研究

无需任何样品预处理,采用表面解吸常压化学电离质谱(DAPCI-MS)技术直接对涂覆在载玻片表面的食用油样品和地沟油样品进行检测,快速获得了不同油类样品的质谱信号;并运用改进的反向传输(BP)人工神经网络对DAPCI-MS所得到的油类样品质谱数据进行有监督的分类识别,建立多分组预测模型。结果表明:DAPCI-MS能够承受食用油中复杂基体的影响,可对油类样品进行直接快速质谱分析;误差反转(BP)神经网络具有良好的分类判别能力,对食用油样品质谱数据识别效果比较理想,能够在对地沟油和非地沟油样品进行有效区分的同时,实现对不同品种的食用油的分离及分类判别。本方法分析速度快,信息提取准确,识别精度高,对快速质谱技术结合神经网络在该领域的应用以及食用油品质的快速鉴定具有重要的借鉴意义。     

Two methods for the determination of enantiomeric excess and concentration of a chiral sample with a single spectroscopic measurement

The previously established enantioselective indicator-displacement assays (eIDAs) for the determination of concentration and enantiomeric excess (ee) require two spectroscopic measurements for each chiral sample. To further simplify the operation of eIDAs, we now introduce two innovative analytical methods, both of which utilize a dual-chamber quartz cuvette, which reduces the number of spectroscopic measurements from two to one. An attractive feature of this cuvette is that the concentration- and ee-dependent absorption data can be collected at the isosbestic points or transparent regions of the spectra recorded in each individual chamber, thereby reflecting optical changes that occur in the other chamber. Therefore, two independent equations, which are needed to solve the values of the two independent variables-concentration and ee-can be established with only a single spectroscopic measurement. The first method takes advantage of this feature in conjunction with a judicious choice of indicator/host combinations to generate concentration- and ee-dependent calibration curves. Our second method removes the requirement to measure equilibrium constants and molar absorptivities altogether through the use of artificial neural networks (ANNs). The most frequently used three-layer feed-forward network is generated, which relates the absorption data to concentration and ee of the samples by training with a back propagation procedure. Here, the data collection is not limited to the isosbestic points or transparent regions. Both approaches enabled accurate and rapid determination of concentration and ee of chiral samples. The technology removes the relative difficulty, which is the need for two separate measurements for concentration and ee respectively, of analyzing chiral samples compared to achiral samples. When implemented in a high-throughput format, this technology should greatly facilitate the discovery of asymmetric catalysts in the same way as conventional high-throughput screening assays.     

人工神经元网络法提高毛细管电泳药物控制分析准确度的研究

研究了人工神经元网络法在毛细管电泳定量测定memantine中提高测定准确度 的可行性。在毛细管电泳法定量测定memantine的过程中,其浓度与峰高或峰面积 以及与二者和内标的比值均没有良好的线性关系。人工神经元网络具有很强的非线 性校正能力,其最大优点是无须对分离体系及组分的迁移行为预先予以了解。人工 神经元网络的输为memantine的峰高和峰面积,输出为memantine的浓度。通过实验 确定的网络结构为2：1：1型。由于人工神经元网络的通用性,该法也可用于毛细 管电泳在其他药物控制分析中改善定量分析的准确度。     

人工神经网络预测煤炭成浆浓度的研究

考虑煤炭的多种理化特性建立了成浆浓度的神经网络预测模型,对其数据预处理方法、学习率和中间层节点数等进行了深入讨论。水分、挥发分、分析基碳、灰分和氧等五个因子对于煤炭成浆性的预测起到主导作用。五因子、七因子和八因子神经网络模型对煤炭成浆浓度的预测误差分别为：0.53%、0.50%和0.74%,而现有回归分析方程的误差为1.15%,故神经网络模型比回归分析方程有更好的预测能力,尤以七因子模型最佳。     

人工神经元网络方法在毛细管电泳和色谱分析中的应用

综述了人工神经元网络方法在毛细管电泳和色谱分析中的应用,内容包括迁移(或保留)行为的预测,分离优化,模式识别及分类,重叠峰定量解析,非线性过程的模型化,峰纯度的判断等。还对人工神经元网络在色谱和毛细管电泳中将来可能的应用进行了探讨。引用文献52篇。     

人工神经元网络—红外光谱测定水溶液中山梨糖和山梨醇

研究了用傅里叶变换－衰减全反射红外光谱法同时测定水溶液中的山梨糖和山梨醇，同盱其特征吸收峰重叠较严重，提出了用人工神经元网络处理红光谱的方法，并对标准样品和实际发酵液中的山梨糖和山梨醇进行了测定，结果满意。     

Predicting nucleic acid torsion angle values using artificial neural networks

By means of an error back-propagation artificial neural network, a new method to predict the torsion angles , and from torsion angles , , and for nucleic acid dinucleotides is introduced. To build a model, training sets and test sets of 163 and 81 dinucleotides, respectively, with known crystal structures, were assembled. With 7 hidden units in a three-layered network a model with good predictive ability is constructed. About 70 to 80% of the residuals for predicted torsion angles are smaller than 10 degrees. This means that such a model can be used to construct trial structures for conformational analysis that can be refined further. Moreover, when reasonable estimates for , , and are extracted from COSY experiments, this procedure can easily be extended to predict torsion angles for structures in solution.