论文部分内容阅读
人工神经网络是建立在现代神经科学研究成果之上的一种抽象的数学模型,它反映了大脑功能的若干基本特征,但并非生物神经系统的逼真描写,而是对生物神经系统的抽象和模拟。由于它具有自学习性、自组织性、高容错性和高度非线性描述能力等性能,人工神经网络已成为一种重要的化学计量学手段,用于解决化学中有关模式识别、定量结构-性质相关研究、蛋白质结构预测、数据解析和校正等一般统计学方法不易解决的问题。本文以神经网络在分析化学中的应用做了以下研究: 1 对几种常见的网络模型及其原理进行了简单的归纳和比较,总结了各网络性能的差别及各自的应用范围。 2 将误差反传前向网络 (BP网络) 应用于干扰严重的多组分体系的分光光度同时分析,并将其预测结果与正交分解计算方法所得结果进行比较。结果表明,神经网络预测结果优于正交分解计算结果。 3 两种典型的人工神经网络方法在化学模式识别中的应用:[1]采用广义回归神经网络(GRNN)分别对烤烟的主要化学成分与感官质量(感官质量包括:香气质、香气量、杂气、刺激、余味、劲头、烟气浓度等)进行建模,探讨了主要化学成分与感官质量之间的关系。结果表明,用GRNN通过烤烟主要化学成分测试数据,可以准确预测其感官质量,为烤烟的内在质量分析提供了一种可能的方法。[2]将概率神经网络(PNN)用于烤烟产地预测。结果表明,以烤烟的主要化学成分测试数据作为输入,PNN能够准确地预测烤烟的产地。 4 比较了五种神经网络方法预测蛋白质二级结构的准确率,其中,GRNN的预测准确率达85.7%,优于其它网络。为蛋白质二级结构预测的神经网络方法的选择提供了一种参考。同时还讨论了训练集样本数的增减及参数的优化对GRNN预测准确率的影响。 5 人工神经网络方法在定量结构/性质关系研究中的应用:[1]用BP网络模型,优选4个结构因子作为输入特征参数对苯类衍生物的沸点进行预测。[2]将BP网络用于研究类黄酮类天然抗氧化剂的结构与其抗氧化能力的关系,为对其抗氧化能力的预测提供了一种参考。