人工神经网络用于有机环境污染紫外光谱库检索

本文将人工神经网络（ＡＮＮ）用于有机环境污染物紫外光谱库检索。对该神经网络的参数优化作了讨论。并用ＡＮＮ对噪声、杂质等因素的影响作了详细的考察。为了提高紫外光谱的分辨，本文提出用光谱作ＡＮＮ训练和检索，使网络的收敛速度明显加快，对检验光谱中杂质的容允程度明显增加。本文还将ＡＮＮ与传统的相关系数法作了比较。结果表明，ＡＮＮ法在抗噪声和杂质等方面明显优于相关系数法。     

有机环境污染物紫外光谱检索的神经网络方法

详细讨论了网络优化参数、模拟的测量过程中噪声及杂质对网络收敛性能及预测误差的影响。为加速网络收敛,提高紫外光谱检索的正确率,采用了导数光谱对反向传播的人工神经网络(BP-ANN)进行训练和检索,该方法对检索光谱中噪声、杂质,尤其是斜坡背景的允许程度明显提高。文章还将ANN方法与普通的相关系数法的识别结果进行了比较。结果表明,优化参数下的人工神经网络的库检索法在抗噪、容杂等方面都明显地优于普通的相关系数法,是一种很有效的紫外库检索方法。     

温度限制串联相关网络用于有机环境污染物紫外光谱的识别

本文将温度限制串联相关网络用于有机环境污染物紫外光谱的识别。紫外光谱的库检索比红外光谱检索更困难 ,因为紫外光谱的重叠更为严重。此外 ,光谱测量的漂移和噪声也会影响紫外光谱库检索的正确率。因此 ,采用具有模糊性质的神经网络是一个很好的选择。温度限制串联相关网络 (TCCCN)是一种与通常所用BP网络不同结构的网络模型 ,它采用串联相关的神经元连续方式 ,且引入温度参数 ,因而可以减少网络的过度训练和加快训练速度。本工作采用TCCCN进行紫外光谱的库检索 ,对有关参数进行了优化 ,并对光谱测量噪声的影响做了研究。结果表明 ,采用TCCCN方法明显优于在谱库检索中常用的相关系数法。     

不同产地杜仲的紫外光谱鉴别研究

利用不同溶剂在微波条件下对于3种不同产地杜仲进行提取,应用紫外分光光度计对相同溶剂的提取物进行研究,发现其紫外光谱有差异,可用于不同产地杜仲的鉴别.     

用紫外光谱法测定共轭亚油酸乙酯的含量

在226-240nm波长范围内，采用紫外可见分光光度法测定了不同浓度的共轭亚油酸乙酯的吸光度，绘制出样品在不同浓度时的吸光度曲线，找出适宜的浓度范围，作线性回归分析，得到样品浓度和吸光度的线性关系。利用PE Autosystem XL-TurboMass测得样品中共轭亚油酸乙酯的准确浓度，结合回归系数给出了测定共轭亚油酸乙酯含量的经验公式。     

人工神经网络用于紫外光谱同时测定Zn、Cu、Co含量的研究

本文采用ＰＡＲ－Ｚｎ、Ｃｕ、Ｃｏ显色体系,应用人工神经网络原理,通过误差反向传播方法,对于紫外吸收重叠的三组分金属配合物体系同时进行含量测定。在５８０￣４４０ｎｍ的范围内,以１４个特定波长处的吸收值作为网络特征参数,并通过均匀设计安排样本。Ｚｎ、Ｃｕ、Ｃｏ三者的平均回收率分别为９５．２２％、９５．９８％、１００．５％。实验表明,其结果准确,性能良好。     

激光拉曼光谱结合紫外光谱检测茶水中的咖啡因

利用激光拉曼光谱法结合紫外光谱法对直接一次浸泡茶水(碧螺春、龙井和普洱)中的咖啡因进行了定性和定量检测,分析了其咖啡因含量。该方法便捷易行,具有较高的灵敏度,为茶水中咖啡因的直接检测提供了一条有效的途径。     

紫外光谱法测定曲美胶囊中的盐酸西布曲明

通过紫外扫描,发现盐酸西布曲明在波长196nm、222nm处产生吸收,其中在196nm处吸收最大,从而建立测定西布曲明紫外光谱法。在196nm波长处,吸光度A与盐酸西布曲明的浓度在0—4.65×10-5mol·L-1范围内,遵守比耳定律,检出限1.513×10-7mol·L-1。本法操作简便快捷,灵敏度较高,体系稳定,用于曲美胶囊中的盐酸西布曲明的测定,结果令人满意。     

人工神经网络的发展

回顾人工神经网络的发展历史；介绍三种典型的神经网络模型，指出神经网络目前发展方向。     

人工神经网络法校正ICP┐AES中重叠光谱干扰

本文将反向传播人工神经网络（ＢＰ－ＡＮＮ）用于ＩＣＰ－ＡＥＳ中重叠光谱干扰的校正。利用模拟的Ｃｅ４１３．３８０ｎｍ和Ｐｒ４１３．３６１ｎｍ光谱对神经网络的训练方式、输入值范围、噪声影响等作了较详细的讨论。     

RAPID DENDRITIC GROWTH INVESTIGATED WITH ARTIFICIAL NEURAL NETWORK METHOD

Rapid dendritic growth of γ-(Ni, Fe) phase, β-CoSb intermetallic compound and α-Fe phase was realized by undercooling Ni-10%Fe single phase alloy, Co-60.5%Sb intermetallic alloy and Fe-40%Sn hypomonotectic alloy to a substantial extent. Their experimentally measured dendrite growth velocities were 79.5m/s, 12m/s and 0.705m/s, corresponding to undercooling levels of 303K(0.18T_L), 168K(0.11 T_L) and 219K(0.15 T_L) respectively. Since the usual dendrite growth theory deviates significantly from reality at great undercoolings, an artificial neural network incorporated with stochastic fuzzy control was developed to explore rapid dendrite growth kinetics. It leads to the reasonable prediction that dendritic growth always exhibits a maximum velocity at a certain undercooling, beyond which dendrite growth slows down as undercooling increases still further. In the case of Fe-Sn monotectic alloys, α-Fe dendrite growth velocity was found to depend mainly on undercooling rather than alloy composition.     

结合神经网络的换热器积分近似模型

为解决换热器的分布参数模型存在的精度与计算代价之间难以调和的矛盾,本文提出了一种新的方法,即光用一个积分近似模型作为对原分布参数模型的简化,而仅对积分近似中某些非线性关系用神经网络来表达。该方法用于翅片管式冷凝器的实际计算,验证了这一思路的有效性。     

用人工神经网络计算双原子分子的键长

用神经网络反向传播算法计算了双原子分子的键长。采用二原子的Slater原子半径,Paul-ing电负性,在元素周期表中的主族数及周期数等作为特征变量,得到了神经网络的训练及预报结果。     

基于模型和神经网络的绝热毛细管快速仿真方法

为简化毛细管模型,采用分相集中参数方法,将平均比容的权重因子作为两相区简化的特征参数,用人工神经网络方法建立特征参数与其影响参数之间的非线性映射。神经网络的学习样本采用工质Ｒ１２,检验样本包括Ｒ１２、Ｒ２２、Ｒ１３４ａ和Ｒ６００ａ等多种工质。在常用制冷空调工况范围内,该简化模型与分布参数模型相比,平均偏差０３％,计算速度提高１个数量级。     

二维光学神经网络自由空间互连结构设计

本文分析了以透镜阵列元件建立空间互连通道的光学神经网络中神经元数的理论极限.为了提高网络中的神经元数,我们提出了一种并行结构设计,该结构克服了小透镜成象中的离轴象散的影响,提高了系统的光能利用效率,同时降低了系统中的对位精度误差,提高了互连运算精度.