神经网络及其在化学中的应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

神经网络及其在化学中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 基本概念3

第一章 说明3

1.1 向信息学习3

1.2 总体目的和概念4

1.3 神经网络适宜做什么4

1.4 符号、惯例与缩写6

第二章 神经元7

2.1 突触和输入信号7

2.2 权重8

2.3 线性学习机10

2.4 神经元中的转换函数14

2.5 偏置量20

2.6 人工神经元的图示24

2.7 要点25

2.8 参考文献和建议读物25

第三章 联接神经元成网络27

3.1 概述27

3.2 一个层28

3.3 输入30

3.4 结构31

3.5 隐含层,输出层32

3.6 神经网络的图示33

3.7 要点35

3.8 参考文献和建议读物36

4.2 结构39

4.1 概述39

第四章 Hopfield网络39

第二篇 单层网络39

4.3 转换函数40

4.4 权重矩阵40

4.5 迭代43

4.6 Hopfield网络的容量44

4.7 要点45

4.8 参考文献和建议读物46

第五章 自适应双向联想记忆（ABAM）47

5.1 无监督与有监督学习47

5.2 概述48

5.3 ABAM过程49

5.4 学习过程50

5.5 一个例子51

5.6 例子的意义54

5.7 要点56

5.8 参考文献和建议读物56

第六章 Kohonet网络57

6.1 概述57

6.2 结构58

6.3 竞争学习60

6.4 从三维向二维的映射62

6.5 另一个例子66

6.6 备注67

6.7 要点67

6.8 参考文献和建议读物68

第三篇 多层网络71

第七章 对传网络71

7.1 从一层至两层的转变71

7.2 查询表72

7.3 结构73

7.4 有监督的竞争学习74

7.5 学习打网球77

7.6 变量中的相关性80

7.7 要点82

7.8 参考文献和建议读物83

第八章 误差反向传播算法85

8.1 概述85

8.2 结构86

8.3 用误差反向传播法学习87

8.4 广义的Delta规则88

8.5 学习算法92

8.6 例子:网球比赛95

8.7 要点103

8.8 参考文献和建议读物104

第四篇 应用107

第九章 化学应用的总体评论107

9.1 导论107

9.2 分类109

9.3 模型化110

9.4 映射111

9.5 联想,移动窗口112

9.6 对十至十九章中范例的概述113

9.7 要点115

9.8 参考文献和建议读物115

第十章 橄榄油多组分析数据的聚类117

10.1 问题117

10.2 数据118

10.3 可能性网络的初步探讨119

10.4 学习进行预测121

10.5 要点127

10.6 参考文献和建议读物127

第十一章 化学键反应性129

11.1 问题和数据129

11.2 用于误差反向传播学习的网络结构130

11.3 用实验设计技术选择训练集131

11.4 Kohonen学习的应用134

11.5 经过训练的多层网络的应用135

11.6 Kohonen图的化学意义136

11.7 参考文献和建议读物138

第十二章 酒分析的HPLC优化139

12.1 模型化问题139

12.2 用标准方法模拟HPLC流动相139

12.3 用神经网络模拟HPLC流动相141

12.4 具有同等结构的两个网络的比较141

12.5 参考文献和建议读物143

13.2 数据集145

第十三章 定量的构效关系145

13.1 问题145

13.3 结构和学习过程146

13.4 方法的展望147

13.5 参考文献和建议读物148

第十四章 亲电芳香族取代反应149

14.1 问题149

14.2 数据150

14.3 网络151

14.4 学习结果152

14.5 数据的第三种表示方法153

14.6 要点155

14.7 参考文献和建议读物155

第十五章 涂料制法的模型化和最优化157

15.1 问题157

15.2 数据157

15.3 网络训练159

15.4 模型159

15.5 参考文献和建议读物160

第十六章 故障检测和过程控制163

16.1 问题163

16.2 数据164

16.3 方法166

16.4 故障的预测167

16.5 连续搅拌反应的建模和控制169

16.6 参考文献和建议读物177

第十七章 蛋白质的二级结构179

17.1 问题179

17.2 作为输入数据的氨基酸表示法181

17.3 网络的构造182

17.4 学习和预测183

17.5 参考文献和建议读物183

第十八章 红外谱—结构相关185

18.1 问题185

18.2 红外光谱强度表示法186

18.3 数据集和用BP算法进行的学习186

18.4 红外光谱的可调节表征方法187

18.5 用Fourier或Hadamard系数的截断集表征光谱188

18.6 Kohonen学习的结果190

18.7 参考文献和建议读物194

第十九章 分子静电势的非线性投影197

19.1 问题197

19.2 网络结构和训练198

19.3 用Kohonen图进行拼铺,构像效应199

19.4 生物神经网络受到的研究199

19.5 参考文献和建议读物201

第二十章 神经网络化学反应展望203