FLN用于金属离子-HEDTA配合物稳定性研究

采用函数连接型神经网络 (FLN)的方法 ,以金属离子的电荷、半径、价电子结构、电负性及适配价轨道数因子为参数 ,成功地关联了 30种已知的金属 -HEDTA配合物稳定常数logK值 ,并在此基础上 ,预报了包括所有锕系元素在内的 39种金属

自适应模糊神经网络预测金属-HEDTA配合物稳定常数的研究

采用自适应模糊神经网络的方法,以金属离子的价电子结构、电负性、电荷半径比及失屏参数为参变量,关联金属- HEDTA配合物稳定常数。利用减法聚类算法以确定模糊神经网络的结构,并结合模糊推理系统调整其参数。30种已知的金属-HEDTA配合物稳定常数logK值预测结果令人满意,比函数连接网络要好些。在此基础上,预测了迄今尚缺的22种金属- HEDTA配合物的稳定常数值。