Issue |
J. Chim. Phys.
Volume 89, 1992
|
|
---|---|---|
Page(s) | 1517 - 1529 | |
DOI | https://doi.org/10.1051/jcp/1992891517 | |
Published online | 29 May 2017 |
Neural networks and modelling in chemistry
1 SRC, Ljubljana, Slovenia ;
2 Boris Kidric Institute of Chemistry, Ljubljana, Slovenia ;
3 Technische Universitaet Muenchen, Garching, Germany.
Les architectures de base des réseaux de neurones sont présentées et brièvement discutées. Les équations fondamentales pour les schémas d’apprentissage des modèles de Hopfield, Hamming, ABAM, Kohonen et de rétro-propagation sont indiquées. Les possibilités d’application des réseaux de neurones en modélisation sont illustrées sur l’exemple de la relation entre facteur de sélectivité (SF) et deux caractéristiques de la phase mobile (teneur en éthanol et pH). Le modèle obtenu à l’aide d’un réseau de neurones est comparé à celui mis au point en utilisant une fonction polynomiale quadratique. Quelques problèmes inhérents à la modélisation à l’aide de réseaux de neurones sont également discutés.
Résumé
Basic neural network architectures are described and discussed briefly. The basic equations for Hopfield, Hamming, ABAM, Kohonen and back-propagation learning schemes are given. The applicability of neural network in the domain of modelling is shown by an example of the modelling the relationship between the selectivity factor (SF) and two variables of the mobile phase (ethanol content and pH). The model obtained by the neural network is compared to the model obtained using quadratic polynomial function. Some of the problems inherent in the modelling with neural networks are discussed as well.
© Elsevier, Paris, 1992