影响镧系金属离子的结构参数与配合物稳定常数的关系研究

研究了镧系金属离子的EDTA配合物稳定性常数（log K）的变化规律及其影响因素,以一组参数（如离子半径、4f电子数、电负性以及所定义的周期因子）作为镧系金属离子的结构参数对其进行定量表征,采用MLR建立结构与log K值之间的显式QSPR模型,交互验证结果表明,所建立的模型具有很好的内在稳定性。     

带α－取代酯基的不饱和羧酸酯的碘诱导环化反应

在实验中使用了气相色谱、核磁共振氢谱及高分辨快原子轰击质谱跟踪了带α－取代酯基（羧酯基和磷酯基）的不饱和羧酸酯的碘诱导环化反应，提出一个新的中间体的概念和相应的反应机理，并根据该机理对反应条件作了改变，首次合成了带有α－取代酯基的不饱和羧酸酯的内酯化产物。     

人工神经网络用于金属离子-DCyTA配合物的稳定常数预报

采用函数连接型神经网络的方法,以金属离子的电荷、离子半径、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４６种已知的金属－ＤＣｙＴＡ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２２种金属－ＤＣｙＴＡ配合物的ｌｏｇＫ值。     

人工神经网络在古陶器产地研究中的应用

应用新型无隐合层人工神经网络——函数连接型网络(Functional-link net,简称FLN)处理由仪器中子活化分析所得江苏花厅遗址中古陶器的微量元素数据，筛选出用于模式识别和分类的数据模式，结合其他分析结果、对该遗址出土古陶的产地进行判别分析，识别准确率近100％．江苏省新沂县花厅遗址是我国惟一出土有两类不同文化类型陶器的遗址，结果不仅表明人工智能技术可望成为科技考古的重要手段，而且有助于深入探索花厅遗址的形成原因以及大汶口与良渚文化间的交流关系。     

分子电距矢量(MEDV)用于肽模拟物的定量构效关系研究

利用电距矢量(MEDV)表征肽模拟物的分子结构,并与包含N、0、S杂原子,饱和与不饱和键或共轭体系的二肽分子的生物活性相关.利用多元线性回归方法,构建了两组二肽分子的定量构效关系(QSAR)模型.对于58个二肽组,模型相关系数和均方根误差分别为R=0.842 3和RMS=0.535.对于48个二肽组,R=0.819 9,RMS=0.357.为了检验QSAR模型的预测能力,对两个二肽组数据集进行了交叉校验(CV).采用LOO法即每次从n个样本中抽出n-1个样本建立0SAR模型继而用该模型去预测余下的1个样本的生物活性的方法.对于58肽组,58次预测的生物活性与原实验活性之间的R=0.790 6,RMS=0.608,而48肽组的R=0.742 2和RMS=0.417.MEDV只利用了分子二维拓扑图中元素电负性和相对化学键长的有关信息,不需要任何三维结构知识或分子校准步骤或有关物理化学性质的信息.此外构建QSAR模型时只利用MLR方法而不需应用主成分回归或偏最小二乘技术.方法简便快速,模型稳定有预测能力.     

函数连接型神经网络在氟化物非晶态形成条件中的应用

函数增强型神经网络(Functional Link Net,简称FLN)是一种无隐含层的新型网络,应用其三阶联合激励增强特性来对三元体系氟化物非晶态形成条件进行识别研究,识别准确率近100%.在对预测集的每一个输入信号添加10%的噪音干扰后,发现识别率依然不变.直到噪音添加到15%,仍然能准确判别.可见网络的容错能力是十分令人满意的.     

FLN用于N~+-K~+-ATP酶活力与取代芳烃分子结构的相关性研究(英文)

运用一种新型的无隐含层的人工神经网络———函数连接型网络研究了 38种取代芳烃化合物的分子结构———毒性的定量相关关系 ,计算表明 :函数连接型网络预测结果更为精确和可靠 ,计算结果与实验值之间的相关系数为 0 .956 1～ 0 .9996 ,比多元线性回归结果要好 ,后者的相关系数为 0 .86 9～ 0 .96 5     

函数连接型神经网络在氟化物非晶态形成条件中的应用

函数增强型神经网络（Functional Link Net，简称FLN）是一无隐含层的新型网络，应用其三阶联合激励增强特性来对三元体系氟化物非晶态形成条件进行识别研究，识别准确率近100％，在对预测集的第一一个输入信号添加10％的噪音干扰后，发现识别率依然不变，直到噪音添加到15％,仍然能准确判别，可见网络的容错能力是十分令人满意的。