贝叶斯正则化神经网络预测金属热力学性质的研究

摘要：

采用贝叶斯正则化神经网络(BRNN)对67种金属升华热Ls和升华熵△Ss进行了预测.对网络结构、训练集、预测集以及学习次数进行了优化,并用独立预测样本对贝叶斯正则化神经网络作了检验.预测结果表明,在推广能力方面,贝叶斯正则化神经网络优于熟知的反向传播(BP)神经网络和多元线性回归方法(MLR).它可望成为元素和化合物构效关系研究的辅助手段.

关键词：人工神经网络(ANN)、贝叶斯正则化神经网络(BRNN)、反向传播算法(BP)、金属升华热(Ls)、金属升华熵(△Ss)

所属期刊栏目：31

分类号：O642(物理化学（理论化学）、化学物理学)

资助基金：青海省科技攻关项目2004-N-149

在线出版日期：2005-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：512-516