应用人工神经网络预测氢化可的松的溶解度

以量子化学方法在密度泛函B3LYP/6-31G(d)水平上计算得到含有电负性原子的溶剂水、醇类、酮类、酯类、氯代烷烃共17种溶剂的结构参数：最高占用轨道能(EHOMO)、分子最低空轨道能(ELUMO)、分子偶极矩(μ)、分子总能量(Etotal) 、最正原子净电荷(q+)、最负原子净电荷(q-)。采用误差反向传播(BP)算法的三层人工神经网络,确定隐含层节点数为7,建立了EHOMO、ELUMO、μ、Etotal、q+、q-、摩尔体积(VM)、介电常数(ε)、温度(T)共9个参数与氢化可的松在不同温度下不同溶剂中的溶解度之间关系的模型。运用此神经网络模型可预测不同分离条件下氢化可的松的溶解度,平均预测相对误差为7.0%。     

人工神经网络研究进展及其在光谱分析中的应用

介绍最常用的人工神经网络——BP神经网络的原理、结构及其研究进展,评述了人工神经网络在光谱分析中的应用。     

盐湖水化学类型的人工神经网络判别方法

研究了作为典型径向基函数网络之一的概率神经网络在盐湖水化学类型分类预测中的应用，验证了该方法的可靠性，得到了满意的分类预测结果。实验结果和网络结构分析表明，概率神经网络方法比熟知的反向传播算法(BP)网络要好。概率神经网络的研究应用为化学模式识别提供了一个新工具。     

人工神经网络及其在色谱中的应用

本文对人工神经网络（ＡＮＮ）在色谱保留机理的研究和保留值的预测,溶质分子构型与色谱保留的定量关系（ＱＳＲＲ）,谱图解析等方面的应用做了综述。着重介绍了ＢＰ网络的发展及其在色谱领域中的应用,并对ＡＮＮ在色谱中的应用前景做了预测。     

人工神经网络用于近红外光谱预测汽油辛烷值

本文对BP人工神经网络(ANN)方法在汽油的辛烷值与其近红外光谱光谱吸光度的关系之间进行关联预报方面进行了研究。采用35个汽油实际样本数据,建立了利用汽油的近红外光谱光谱吸光度预测汽油辛烷值的BP人工神经网络模型。对所有辛烷值的计算结果与实测值进行了比较,得到的预测值与实测值计算误差小于1.55%。     

人工神经网络法预测二维色谱柱效

 采用基于变步长BP算法的人工神经网络,对高效微 填充柱-毛细管柱构成的二维柱色谱系统建立了柱效与影响因素的权接拓扑模型, 并用于不同操作条件下二维柱系统的柱效预测中,取得了较好的效果。     

相溶解度法研究环糊精对黄酮醇溶解度的影响

羟丙基-β-环糊精;相溶解度法研究环糊精对黄酮醇溶解度的影响     

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。     

人工神经网络在气相色谱保留值预测上的应用

应用人工神经网络对气相色谱Ｋｏｖａｔｓ保留指数进行多点预测研究。基于人工神经网络的典型模型（ＢＰ网络）,采用文献中的数据,建立了反映溶质的Ｋｏｖａｔｓ指数与溶质的溶剂化参数以及其与固定相的相参数之间关系的数学模型,并采用多元性回归方法和人工神经网络对溶质的Ｋｏｖａｔｓ指数进行了预测研究。     

大鼠胰腺及癌组织红外光谱连续小波特征提取及径向基人工神经网络识别

采用水平衰减全反射(HATR)傅里叶变换红外光谱法(FTIR)测定了SD大鼠胰腺正常组织与非正常组织的谱图,提出了一种新的基于FTIR的连续小波特征提取与径向基人工神经网络分类方法以提高FTIR对早期SD大鼠胰腺癌的诊断准确率。利用连续小波多分辨率分析法提取FTIR特征量,对于提取的特征量采用径向基函数神经网络进行模式分类。对SD大鼠的胰腺正常组织、早期癌组织及进展期癌组织的FTIR,利用连续小波多分辨率分析法提取9个特征量,进行RBF神经网络分类判断。当目标误差为0.01,径向基函数的分布常数为5时,网络达到最优化,总的正确识别率为96.67%。并对影响分类结果的网络参数、目标误差和分布常数对分类样品的影响做了讨论。实验结果表明:此方法对早期胰腺癌具有较高的诊断率。     

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     

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。     

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。     

人工神经网络用于预测离子交换分配系数

用前向神经和扩展的ｄｅｌｔａ－ｂａｒ－ｄｅｌｔａ算法对主族特征价阳离子的离子交换分配系数（Ｋｄ）进行了预测，对网络结构，学习次数进行了优化并研究了学习集的大小，１ｎＫｄ的均方根偏差的（ＲＭＳ）小于７％。     

一种基于RBF神经网络的打印机光谱预测模型

本文提出一种基于RBF(Radial Basis Function,径向基函数)神经网络的打印机光谱预测模型,通过扩展神经网络模型输入变量的项数提高模型的预测精度,扩展项多采用通道驱动值的交叉值、平方值.实验结果表明[1cmy]项的引入能够有效提高模型的预测精度,同时提高网络的泛化能力.而引入[cm² cy² mc² my² yc² ym²]项会导致模型预测精度以及泛化能力降低.[1 cmy]、[c²m²y²]和[cm cy my]项的组合在预测精度和模型泛化能力上均是最优化的,对总样本预测的色度精度为0.475ΔE₀₀,光谱精度RMSE为0.43%.因此选择[1 cmy c²m²y² cm cy my c m y]作为输入变量的RBF神经网络训练模型是满足高精度光谱预测的最优模型.     

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.