基于神经网络与组成份分析的关联规则挖掘

通过对关联规则挖掘的分类研究,提出了关联规则挖掘的分类定义方法,从项集的相关性出发,阐述了一种基于ANN-PCA的快速、高效的挖掘算法,从而扩展了关联规则挖掘的应用。实验证明了该算法的有效性。

用BP神经网络优化油井水泥纤维增韧剂的组成

掺有混杂短纤维的油井水泥增韧剂能够明显改善油井水泥石固有的脆性,大幅度地提高水泥环的韧性。文章通过BP神经网络对实验数据进行学习预测,优化了混杂短纤维在油井水泥增韧剂中的组成,提高了选材的准确性,为纤维增韧剂的选择和应用提供了一定的理论依据。通过与回归分析方法进行比较,证明了神经网络预测更准确。

人工神经网络基于食用油脂肪酸组成解析二组分食用油混合模型研究

通过气相色谱法分析花生油和棕榈油的混合油的脂肪酸组成,建立了人工神经网络分析二组分食用油混合模型的方法。分别基于混合油样品中棕榈酸和亚油酸含量变化的一元线性回归模型和基于全部脂肪酸组成的BP神经网络建立定量模型对花生油中棕榈油的掺杂量进行预报。结果表明,BP神经网络的预报准确率为96.7%,当棕榈油掺杂量≥0.050(V/V)时,相对偏差≤6%,其准确度高,能够实现二组分混合油掺混量的准确预报,为调和油的组成分析提供了新思路。

改进BP神经网络在股市预测中的应用

神经网络是人工智能的重要组成部分,近年来将神经网络用于金融预测的研究很多。本文以遗传算法构建一个三层的神经网络,经改进的BP算法训练成功,进行预测实证分析,取得较好效果。

基于MATLAB神经网络的水泥熟料强度预测

水泥熟料强度预测是一个多变量、非线性、大时滞问题．通过研究熟料中矿物组成对熟料强度的影响．可以对熟料的强度进行有效的预测，从而针对各个水泥厂自身的实际情况确定水泥生产中混合材的掺加量．控制出磨水泥的强度偏差．有效地对水泥进行可预见性生产。传统的线性回归分析预测法，把水泥强度与各检测值之间的高度非线性关系简化为线性函数关系．势必影响预测结果的准确性。

基于人工神经网络的色氨酸对映异构体的荧光光谱测定方法研究(英文)

将荧光光谱,人工神经网络和主客体化学方法相结合,建立了一种色氨酸对映异构体组成的定量测定方法。该方法基于牛血清蛋白的手性识别功能,运用荧光光谱表征色氨酸对映异构体与牛血清蛋白之间的非对映异构相互作用,利用加入了牛血清蛋白的色氨酸溶液的荧光光谱会随其中色氨酸对映异构体组成的变化而变化的现象,以人工神经网络方法建立了荧光光谱与对映异构体组成之间的数学模型。对于建立的人工神经网络模型用留一交叉验证方法进行了检验。检验结果表明,该方法是一种可行的、灵敏度较高的色氨酸对映异构体组成的测定方法,能够用于测定浓度为2.500μmol·L^(-1)的色氨酸溶液中2种色氨酸对映异构体的摩尔分数。

四川省天然油脂脂肪酸组份的研究

天然油脂脂肪酸组成成份是油脂化学的重要内容和油脂合理利用的依据之一。前人已做过不少研究。目前,美国、日本、西德、英、法等国均有专门机构进行研究。我们国家研究的不多。关于油脂的脂肪酸成份多是互相转引,甚至有些本国油脂引用国外资料为依据。四川天然油脂种类繁多,有的产量相当可观,现仅有的资料多不是直接采样而得,尤其国外资料不一定符合四川油脂实际情况,不少油脂脂肪酸的成份国内外均未研究过。本文系统地研究四川各地实际调查直接采样的天然油脂脂肪酸成份。研究了气相色谱法分离分析名种饱和及不饱和脂肪酸的分析方法,并就牛油和棉子油与刊在日本《油化学》1978年1期上的日本油脂及油脂化学协会气相色谱分析专业委员会的资料作了比较。

PCA方法在蛋白质亚细胞定位中应用

蛋白质的亚细胞定位与其生物功能密切相关,蛋白质数据库急剧膨胀,迫切需要设计出功能强大的高吞吐量的算法来预测蛋白质的亚细胞位置.许多预测工具都是基于伪氨基酸组成构建而成,应用一种数据分析方法——主成分分析(PCA)法,确定能反映序列次序效应的最优λ值.首先让λ取最大以包含尽可能多的序列次序信息,然后利用主成分分析法提取关键主特征.实验结果表明此方法能解决确定最优λ值困难的问题,且性能优于已有的预测工具.

仪器分析在有机颜料行业中的应用（一）

该文对于有机颜料的主要应用性能,主要仪器分析类型、特性、用途以及在有机颜料领域的应用性能的评价进行了较为系统的介绍.