基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用误差反向传播学习(BP)的一个双层神经网络,以分子结构中不同基团作为描述码,预估芳香族多硝基化合物的生成焓,研究了网络参数及分子结构描述码的影响,同时用分子子图法进行了多元线性回归,取得了较好的结果(其回归方程相关系数达到0.9967),计算结果的绝大多数相对误差在10%范围以内.
推荐文章
人工神经网络法计算非芳香族多硝基化合物的生成焓
人工神经网络(ANN)
生成焓
分子结构描述码
非芳香族多硝基化合物
利用ANN法预估芳香族多硝基化合物的密度
结构化学
人工神经网络(ANN)
密度预估
芳香族多硝基化合物
用人工神经网络法预估高氮化合物的生成焓
物理化学
高氮化合物
含能材料
人工神经网络
标准生成焓
用Boosting算法预测多硝基芳香族化合物的密度
物理化学
人工神经网络
Boosting算法
密度预估
多硝基芳香族化合物
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 用人工神经网络法预估芳香族多硝基化合物生成焓
来源期刊 含能材料 学科 化学
关键词 物理化学 生成焓 芳香族多硝基化合物 人工神经网络(ANN) 分子结构描述码(MSD)
年,卷(期) 2004,(4) 所属期刊栏目 研究论文
研究方向 页码范围 207-213
页数 7页 分类号 O621.2
字数 1550字 语种 中文
DOI 10.3969/j.issn.1006-9941.2004.04.004
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (6)
参考文献  (2)
节点文献
引证文献  (5)
同被引文献  (8)
二级引证文献  (16)
1947(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(2)
  • 引证文献(1)
  • 二级引证文献(1)
2008(1)
  • 引证文献(0)
  • 二级引证文献(1)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(4)
  • 引证文献(1)
  • 二级引证文献(3)
2011(2)
  • 引证文献(0)
  • 二级引证文献(2)
2012(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
物理化学
生成焓
芳香族多硝基化合物
人工神经网络(ANN)
分子结构描述码(MSD)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
含能材料
月刊
1006-9941
51-1489/TK
大16开
四川省绵阳市919信箱310分箱
62-31
1993
chi
出版文献量(篇)
3821
总下载数(次)
6
总被引数(次)
23008
论文1v1指导