人工神经网络方法用于肺癌的辅助诊断

根据人发和血清中微量元素的含量,将人工神经网络(ANN)用于正常人与癌症患者的分类预测.用独立预测样本作了检验,表明该方法可作为肺癌诊断的一种辅助手段.讨论了当预测样本中有元素缺损时ANN的分类预测情况,并研究了人发和血清样品中的元素对分类预测的影响.     

用于癌症病人初级临床诊断的化学计量学研究

用感应耦合等离子体原子发射光谱及石墨炉原子吸收测定了正常人及癌症病人头发与血清样品中13个元素。将所得数据送入计算机, 分别用化学计量学中PLS及Gram-Schmidt多元分析方法处理了血清与头发样本。在两种情况下均得到了病人与正常人分类极其清晰的二维判别图。头发样本的判别失误率低于血清样本。头发样品取样、存储及运输容易, 也宜于进行光谱分析, 因此可将头发用作癌症初级临床诊断中的分析样品。     

多变量判别分析用于癌症诊断研究

用感应耦合等离子体原子发射光谱及石墨炉原子吸收光谱仪测定了正常人及癌症病人头发样品中15种元素的含量。所得数据用多元多项式扩展增维和逐步回归变量压缩技术以及PLS方法处理,得到了病人与正常人分类极为清晰的二维判别图。据此可将头发用作癌症临床诊断中的分析样品以取代血液样品。     

阳江市幼儿头发中微量元素水平研究

测定了阳江市４０００多名１～７岁幼儿园幼儿发中的Ｚｎ、Ｆｅ、Ｃｕ、Ｃａ、Ｍｎ和Ｐｂ等６种元素含量,详细研究了其微量元素含量水平分布,发现该市幼儿上述元素含量明显偏离正常范围,特别是Ｚｎ和Ｐｂ的不合格率均在５０％以上。计算机多因素识别法研究指出,阳江市幼儿发中上述元素与微量元素总体水平较好的深圳市相比,存在着显著性差异,其微量元素谱确实有较大区别,样本点在模式空间的聚集域不同,周界比较清楚。     

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     

健康人及尿石患者头发中微量元素的相关性研究

用ＩＣＰ－ＡＥＳ测定了尿石症高发现地区－广东省东莞市尿石症患者发中Ｃａ，Ｍｇ，Ａｌ，Ｃｄ，Ｃｏ，Ｃｒ，Ｍｎ，Ｆｅ，Ｃｕ，Ｍｏ，Ｚｎ，Ｂａ，Ｓｒ等十三种微量元素，并和健康人进行比较，经ｔ检验发现：Ｂａ，Ｃｄ，Ｍｏ，Ｓｒ，Ｍｎ，Ｚｎ和Ｍｇ／Ｃａ比值间存在显著性差异。     

胃癌和胃溃疡患者发中微量元素变化的研究

报道了湛江市胃癌患者发中微量元素的变化信息。胃癌患者与正常人相比，Zn、Zn/Cu、Mg、Ca显著降低（P＜0．05）；胃癌与胃溃疡患者相比，Zn、Zn/Cu、Mg均呈显著降低（P＜0．05）。因此，发中微量元素化学信息的变化，可作为本地区胃癌的辅助诊断和胃癌与胃溃疡的区别辅助诊断的依据之一。     

人工神经网络用于交流示波计时电位法的研究

提出了交流示波计时电位法的人工神经网络校正方法,并对其可行性和适用性进行了探讨,用此方法分别解析了大量Ｔｌ＾＋存在时Ｐｂ＾２＋和大量Ｉｎ＾２＋存在时Ｃｄ＾２＋的交流地波计时电位法的ｄＥ／ｄｔ－Ｅ曲线,结果表明,对Ｐｂ＾２＋和Ｃｄ＾２＋和Ｃｄ２＋的预测最大相对误差不超过５％,其性能良好。     

人工神经网络法用于高效毛细管电泳分离条件优化的研究

把人工神经网络（ＡＮＮ）法应用于高效毛细管电泳（ＨＰＣＥ）分离条件的优化，给出了反向传播（ＢＰ）的ＡＮＮ模型的具体算法。用正交试验法同时考察了缓冲溶液组成、浓度、ｐＨ值和有机添加剂浓度等实验因素对ＨＰＣＥ分离合成色素和防腐剂的影响，采用误差反向传播方法建立了有效的ＡＮＮ预测模型，预测最佳分离条件，获得了满意的分离结果。     

人工神经网络用于对位取代苯酚定量构效关系的研究

本文利用误差反向传播(BP)的人工神经网络(ANN)模型研究了对位取代苯酚衍生物的生物活性与其结构及物理化学性质参数之间的定量构效关系。优化了ANN模型的参数设计,提出了动态调节网络学习速率的经验规则以改善网络的性能。采用f(x)=1/(1+e~(-x))作为网络节点的输入输出转换函数的三层神经网络具有较佳性能,当取隐含节点数为10时,该网络预测26个对位取代苯酚衍生物生物活性的均方误差(mse)为0.036,优于常规构效关系预测结果。     

人工神经网络在溶解度预测方面的应用

溶解度作为一项重要的物化指标,一直是化学学科的研究重点。然而,通过实验测量获得数据耗时费力,因此,科研人员建立了多种理论方法来进行估算,其中,人工神经网络因其能够关联复杂的多变量情况而受到广泛关注。本文综述了人工神经网络在物质溶解度预测方面的应用,介绍了应用最广泛的3种神经网络(BP神经网络、小波神经网络、径向基神经网络)的模型结构、预测方法和预测优势,探讨了神经网络的不足以及改进方法。文章最后对神经网络在物质溶解度预测方面的发展前景进行了展望。与其他方法相比,人工神经网络技术在物质溶解度预测方面具有预测结果精确度高、操作简单等特点,具有广阔的应用前景,但输入变量选择、隐含层节点数确定、避免局部最优等问题还需逐步建立系统的理论指导。     

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。     

人工神经网络光度法同时测定5组分染料混合物

应用人工神经网络原理,以快速BP算法,对紫外可见吸收光谱严重重叠的5组分的染料溶液同时进行含量测定。在200～580nm的范围内,以10个特征波长处的吸收值作为网络特征参数,通过网络训练,甲基紫、酸性红B、酸性橙Ⅱ、酸性嫩黄、碱性桃红的相对标准偏差为0．22％-4．80％;5种成分的回收率在98．3％-103％之间。实验表明,该算法速度快,预测结果准确,并用该方法定量测定光解废水中5组分混合染料。     

人工神经网络在示波计时电位法中的应用

研究了误差反传神经网络和小波变换在示波计时电位测定中应用的可能性。对Ｐｂ２ ＋ 等无机离子测定的实验结果表明： 人工神经网络可较好地用于高次微分和经小波变换处理后的示波计时电位测定。 与经典的示波测定方法相比较, 该法基本上消除了人为误差的影响, 提高了分析速度和分析结果的可靠性。     

Application of Artificial Neural Network in Oscillographic Chronopotentiometry

研究了误差反传神经网络和小波变换在示波计时电位测定中应用的可能性。对Pb     

用人工神经网络预测催化精馏塔开工过程的研究

催化精馏是使化学反应过程和精馏分离过程结合在一起,是伴有化学反应的新型特殊精馏过程.“反应精馏”概念自20年代提出以来,从30年代到60年代初,研究都是对特定体系的工艺探索;70年代后,研究扩展到非均相催化反应体系,出现了非均相催化精馏过程,成为了反应精馏的一个重要分支;     

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。     

Prediction of Chemical Inhibitors Efficiency for Reducing Deposition Thickness Using Artificial Neural Network

Prediction of efficiency of chemical inhibitors to mitigation of deposition thickness is a key to developing crude oil transportation process. In this work, a feed-forward artificial neural network (ANN) algorithm has been applied to predict the influence of the mitigation effect of ethylene-co-vinyl acetate (EVA) copolymer and its combination with chloroform (C), acetone (A), P-xylene (PX), and petroleum ether (PE) on the deposition thickness in the pipeline. An optimized three-layer feed-forward ANN model using properties of the oil pipeline such as: inlet oil temperature, environmental (coolant mixture) temperature, oil Reynolds numbers; properties of injected inhibitor such as molecular weight, boiling point, and amount of injection; and time is presented. Different networks are considered and trained using 62661 data sets; the accuracy of the network is validated by 20888 testing data sets. To verify the network generalization, 29 different experiment data sets of four different set of inhibitors have been considered. It is found that the proposed ANN model is an alternative to experimentation and predicts deposition thickness without experimentation, vast information, and tedious and time-consuming calculations.     

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。