论文部分内容阅读
采用贝叶斯正则化神经网络(BRNN)对67种金属升华热Ls和升华熵△Ss进行了预测.对网络结构、训练集、预测集以及学习次数进行了优化,并用独立预测样本对贝叶斯正则化神经网络作了检验.预测结果表明,在推广能力方面,贝叶斯正则化神经网络优于熟知的反向传播(BP)神经网络和多元线性回归方法(MLR).它可望成为元素和化合物构效关系研究的辅助手段.