化学中的人工神经网络法

反向传输人工神经网络是应用最为广泛的一种方法, 本文较详细地介绍了该种方法及其相关的问题, 同时给出了Kohonen 模型和Hopfield 网络的简单算法。关于神经网络在化学中的应用, 该文介绍了6 个方面: 定量结构2活性性质相关性(QSAR/QSPR )研究, 有机化合物结构解析, 光谱的数据处理, 化学反应性, 流程优化, 故障诊断及控制, 蛋白质结构。     

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…     

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。     

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。     

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。     

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     

有机磷农药构效关系的主成分分析-人工神经网络研究

采用主成分分析法对样本数据集进行预处理，将得到的新的样本数据集输入人工神经网络，对有机磷农药的毒性参数进行预报。研究结果表明，主成分分析－人工神经网络的预报精度优于单纯的人工神经网络。     

主成分—人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出,主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短,用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％     

烃类混合气体的神经网络模型检测

八十年代末科学家模仿生物鼻研制一种传感器阵列与计算机模式识别的气体检测系统．传感器阵列相当于生物鼻的嗅觉细胞，计算机模式识别系统相当于嗅泡和大脑「‘］．传感器阵列对气体的响应是一个多维空间的响应模式，这种响应模式经过一定的数学处理后可以实现气体的种类识别或浓度检测［’－‘j．传感器的响应和混合气体浓度之间呈非线性关系，这一特性给定量检测多组分气体混合物造成很大的限制．应用人工神经元网络技术（ANN）可以克服这一缺陷，并使检测气体的选择性大大提高．本工作运用ANN中的反向传播（BP）算法识别由16个不同…     

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。     

人工神经网络紫外分光光度法测定息喘灵片多组分体系的研究

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预报的影响。将该技术应用于息喘灵片三组分体系的预报测定并取得满意结果。     

人工神经网络在多组分红外光谱分析中的应用

本文介绍人工神经网络及其在多组分红外分析中的应用。对于邻二氯苯、间二氯苯、对二甲苯和环己烷四组分红外分析,结果表明,当组分间相互作用或非线性性仪器响应因素引起的非线性响应存在时,人工神经网络能提供优良的光谱校准作用,因而为不经分离直接测定的多组分体系红外分析提供了一种新的途径。     

Quantitative Near-infrared Spectroscopic Analysis of Trimethoprim by Artificial Neural Networks Combined with Modified Genetic Algorithm

A novel method for rapid,accurate and nondestructive determination of trimethoprim in complex matrix was presented.Near-infrared spectroscopy coupled with multivariate calibration（partial least-squares and artificial neural networks） was applied in the experiment.The variable selection process based on a modified genetic algorithm with fixed number of selected variables was proceeded,which can reduce the training time and enhance the predictive ability when coupled with artificial neural network model.     

人工神经网络在喇曼光谱数据处理中的应用

将人工神经网络（ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ）应用于喇曼光谱数据处理中。研究了学习时间常数μ（ｌｅａｒｎｉｎｇｒａｔｅｃｏｅｆｆｉｃｉｅｎｔｓ）及传递函数（ｔｒａｎｓｆｅｒｆｕｎｃｔｉｏｎｓ）对网络性能的影响，发现当μ＝０．５时，网络运行最佳。通过比较原始谱图及经网络处理后所得谱图，证明采用带有Ｓ形传递函数的前向网络能获得较好的信噪比，谱线的分辨率也有所提高。     

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。     

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。