Electronic Noses Using Quantitative Artificial Neural Network

The present paper covers a new type of electronic nose (e-nose) with a four-sensor array, which has been applied to detecting gases quantitatively in the presence of interference. This e-nose has adapted fundamental aspects of relative error (RE) in changing quantitative analysis into the artificial neural network (ANN). Thus, both the quantitative and the qualitative requirements for ANN in implementing e-nose can be satisfied. In addition, the e-nose uses only 4 sensors in the sensor array, and can be designed for different usages simply by changing one or two sensor(s). Various gases were tested by this kind of e-nose, including alcohol vapor, CO, iiquefied-petrol-gas and CO2. Satisfactory quantitative results were obtained and no qualitative mistake in prediction was observed for the samples being mixed with interference gases.     

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。     

基于傅立叶变换的人工神经网络近红外光谱定量分析法

将原始光谱进行一定的预处理后,以其快速傅立叶变换FFT的前N个系数作为人工神经网络(ANN)的输入量,不仅确保了大量有用信息参与模型的建立,同时实现了优越的滤波功能。以汽油的辛烷值和煤粉干燥基高位发热量(Qgr.d)的近红外光谱建模,当采用前20个FFT系数的傅立叶变换-径向基网络(FFT-RBF)时,辛烷值模型的预测误差均方根(RMSEP)可达0.152,相关系数为0.976,当采用前30个FFT系数时,快速FFT-RBF煤粉干燥基高位发热量模型的RMSEP为0.256,相关系数为0.923,说明FFT-RBF模型有着很好的预测能力。研究表明基于傅立叶变换的人工神经网络近红外光谱定量分析法,特别是FFT-RBF具有良好的预测能力。     

镧系金属离子Ln3+定量构效关系的神经网络研究

以Ln³⁺离子的半径、电负性、4f电子排布周期因子q(本文自定义)以及基态L值等为参数,使用函数连接型神经网络(FLN)对Ln³⁺离子的EDTA等络合常数lgK、水化能ΔH、水解常数pK₁及氢氧化物溶解度pK_m分别进行非线性关联和预测,获得了非常好的结果.与对应的线性模型比较表明,神经网络关联效果是较理想的.     

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…     

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—近红外光谱法用于甲氧苄胺嘧啶粉末药品的非？…

近红外(NIR)光谱分析技术已应用于制药、化妆品、烟草、食品、化学药品、聚合物、纺织品、油漆涂料、煤炭和石油工业等各个领域的质量监控.近年来,NIR光谱分析技术也应用于药品分析中,因该方法具有非破坏性,样品不需要复杂的预处理和分离即可直接测定.它可对药物进行定性和定量测定以及多晶、光学异构体和湿度的测定.近红外光谱法用于无损非破坏测定胶囊类以及片剂的研究已有报道[1,2].NIR光谱在使用中也有一定的局限性,主要是结构复杂,谱图重叠多,在进行定性和定量分析中需采用一定的数据处理才能获得准确可靠的分析结果.在定量分析中,…     

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。     

人工神经网络用于裂解质谱研究漆器漆膜

本文用裂解质谱方法，得到漆器漆膜裂解谱数据，然后用变频长误差反向传播算法的人工神经网络模型处理，初步结果证明人工神经网络方法为解析古代漆膜的年代信息提供了一条有效的新途径。     

饱和醇定量结构-保留相关研究中人工神经网络的应用

以拓扑指数（分子连接性指数）为结构描述符,用人工神经网络技术建立了醇类化合物的结构与色谱保留值的相关性模型。研究了网络构造对模型稳定性的影响,考察了模型在单一固定相上及固定相上的适应性。与多元线性回归法相比较,人工神经网络模型具有更好的预测结果,但外推能力较弱。     

基于神经网络的黑莓果酒香气成分的定量结构色谱保留相关研究

采用人工神经网络(ANN)建立了36种黑莓果酒香气成分的结构与色谱保留时间之间的定量关系(QSRR)模型。以36种黑莓果酒香气成分的分子连结性指数和电拓扑指数作为输入、保留时间作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性,所构建网络模型的相关系数为0.9993、交叉检验相关系数为0.9949、标准偏差为0.1100、残差绝对值小于0.47,应用于外部预测集,外部预测集相关系数为0.9833。为了便于比较,也采用多元线性回归(MLR)法建立了QSRR模型,模型的相关系数为0.9904、交叉检验相关系数为0.9905、标准偏差为1.4896、残差绝对值小于4.32,外部预测集相关系数为0.8973。结果表明,ANN模型获得了比MLR模型更好的拟合效果。     

Estimation of Average Comonomer Content of Ethylene/1-Olefin Copolymers Using Crystallization Analysis Fractionation (Crystaf) and Artificial Neural Network (ANN)

Summary: An artificial neural network (ANN) with a 4-3-3-1 architecture was developed to estimate average comonomer content of ethylene/1-olefin copolymers from crystallization analysis fractionation (Crystaf) results. The ANN was trained with a back propagation algorithm. It was found that average comonomer contents predicted from ANN agree well with experimental results for both training and testing data sets. The developed ANN was also used to systematically investigate the effects of chain microstructures and Crystaf operating conditions on Crystaf calibration curves.     

用人工神经网络-近红外光谱法测定冬虫夏草中的甘露醇

提出了用近红外漫反射光谱技术快速分析发酵冬虫夏草菌粉中甘露醇含量的新方法。采用比色法测定样品中的甘露醇，其含量范围为8．082％-14．548％。在7501．7-6097．8cm^-1与5453．7-4246．5cm^-1波段，分别采用PCR、PLSR和BP神经网络方法建立了样品近红外光谱的一阶微分光谱与其甘露醇含量之间的相关模型。BP神经网络模型的内部交叉验证误差均方根为0．475，预测误差均方根为0．608，均优于PCR和PLSR的处理结果。这表明，BP神经网络法对非线性检测对象具有较好的建模效果，可用于中药近红外光谱分析的非线性校正。     

神经元网络用于PCDD定量构效关系的研究

研究了不同PCDD（全名Polychlorinateddioxin）同系物分子结构的表达及特征参数的选择,应用神经元网络方法对其分子结构与色谱保留值进行了关联。对49种PCDD同系物在DWS往上不同温度下保留时间进行了预测,结果95％以上的数据点相对误差小于10％,而80％以上的数据点相对误差小于5％。     

人工神经网络法预测核苷及核酸碱基的疏水分配系数

用人工神经网络方法预测核苷及核酸碱基一类化合物的ｌｇＰ值,预测精度显著优于ＢｌｇＰ法和ＡｌｇＰ法,根据预测结果讨论了分子内氢健及分子构象柔顺性对这类化合物疏水性的影响。     

Nondestructive Quantitative Analysis of Analgini Powder Pharmaceutical by Near-Infrared Spectroscopy and Artifical Neural Network Technique

ABSTRACT

This paper demonstrates the usefulness of near-infrared (NIR) spectra and artificial neural network (ANN) in nondestructive quantitative analysis of pharmaceuticals. Real data sets from near-infrared reflectance spectra of analgini powder pharmaceutical were used to build up an artificial neural network to predict unknown samples. The parameters affecting the network were discussed. A new network evaluation criterion, the degree of approximation, was employed. The overfitting was discussed. Owing to the good nonlinear multivariate calibration nature of ANN, the predicted result was reliable and precise. The relative error of unknown samples was less than 2.5%     

Application of Back-propagation Artificial Neural Network in Speciation of Cadmium

A method for predicting the five species contents of cadmium was developed by combining the back-propagation artificial neural network with graphite furnace atomic absorption spectrometry(BP-ANN-GF-AAS).Based on the strong learning function and the features of the information distributed storage of artificial neural network(ANN),a single ANN was constituted in which only one determination point of every sample was required.The exchangeable,carbonated,Fe-Mn oxidable,organic and residual species of cadmium for 20 kinds of soil samples from the two sections of Changchun(China) were determined by BP-ANN-GF-AAS.The detection limit of the method is 0.024 μg/L and the limit of quantification is 0.080 μg/L.t-Test indicates that there is not any systemic error of the results obtained by the Tessier sequential extraction graphite furnace atomic absorption spectrometry method(Tessier-GF-AAS) and BP-ANN-GF-AAS.Compared with those of the Tessier-GF-AAS,the prediction errors of BP-ANN-GF-AAS are less than 10%.The proposed method is fast,convenient,sensitive,and can eliminate the interference among various species.     

神经网络法在使用裂解气相色谱鉴别中草药中的应用

将以误差反向传播为训练算法的前馈式人工神经网络（ＢＰ－ＡＮＮ）首次艇于中草药的裂解气相色谱谱图解析。重点考察了如何表征和提取复杂的裂解色谱图中有价值信息,用于主成分分析方法处理后输入到有数经优化的神经网络中。实验证明,该广阔示仅可以正确识别样品所属种类,耐用对一示同实验时间、数据残缺等原因造成的噪音具有优异的抗干扰能力。