文摘
英文文摘
1前言
1.1体系相平衡性质预测方法
1.2复杂大分子体系热力学相平衡的研究初态
1.2.1高分子聚合物制膜工艺简介
1.2.2高分子聚合物成膜体系热力学性质的研究现状
1.2.3蛋白质沉淀和结晶过程概述
1.2.4蛋白质结晶体系热力学相平衡的研究现状
1.3人工神经网络
1.3.1工神经网络简介
1.3.2 BP网络
1.3.3人工神经网络在化工及相关领域中的应用
1.4遗传算法
1.4.1遗传算法的的产生与发展
1.4.2遗传算法的基本思想
1.4.3遗传算法的特点
1.4.4遗传算法的应用
2高分子聚合物成膜体系双结点线的预测
2.1聚合物成膜体系的双结点线
2.2人工神经网络应用于聚合物成膜体系的潜在可能性
2.3人工神经网络设计
2.3.1 BP网络设计
2.3.2网络结构的确定
2.3.3 BP网络的算法框图及收敛标志
2.4水/二甲基乙酰胺/聚砜成膜体系双结点线的BP网络预测
2.4.1 BP网络的训练与检验
2.4.2不同温度下水/二甲基乙酰胺/聚砜成膜体系双结点线的BP网络预测
2.5小结
3蛋白质结晶体系溶解度的预测
3.1蛋白质结晶体系中溶解度性质的重要性
3.2人工神经网络预测蛋白质体系溶解度的可行性
3.3 BP网络设计
3.3.1 BP网络拓扑结构的选择
3.3.2 BP网络中激活函数的选择
3.4 BP网络对蛋白质溶菌酵素溶解度的模拟结果
3.4.1数据样本的采集
3.4.2网络的训练和检验
3.5各种因素对蛋白质溶菌酵素溶解度的影响
3.5.1温度对蛋白质溶菌酵素溶解度的影响
3.5.2 pH值对蛋白质溶菌酵素溶解度的影响
3.5.3盐浓度对蛋白质溶菌酵素溶解度的影响
3.6 BP网络预测与UNIQUAC模型模拟结果之比较
3.7小结
4 BP网络学习算法的改进
4.1 BP网络的数学描述
4.2 BP网络的学习算法
4.2.1广义Delta规则
4.2.2误差反向传播学习算法
4.3传统EBP学习算法的不足
4.4 BP网络学习算法的改进
4.4.1基于动量规则的BP网络
4.4.2基于自适应学习速率系数的BP网络
4.4.3基于修正的Levenberg-Marquardt算法的BP网络
4.5不同改进算法的性能验证
4.5.1基于动量规则的BP网络的性能验证
4.5.2基于自适应学习速率系数的BP网络的性能验证
4.5.3基于修正的Levenberg-Marquardt算法的BP网络的性能验证
4.6 小结
5遗传优化BP网络
5.1遗传算法的编码
5.1.1基于二进制编码的遗传算法
5.1.2基于浮点数编码的遗传算法
5.2遗传算法联合Levenberg-Marquardt算法用于BP网络的训练
5.2.1遗传算法优化BP网络的初始权值和阈值
5.2.2遗传算法与修正Levenberg-Marquardt算法的结合
5.3遗传优化BP网络的性能验证
5.3.1例子的选取
5.3.2模拟结果
5.3.3预测结果
5.4小结
6结论
致谢
符号说明
参考文献
附录1 作者在攻读硕士学位期间发表的学术论文
附录2 文献提供的水/二甲基乙酰胺/聚砜体系的浊点数据
附录3 文献提供的溶菌酵素的溶解度数据
郑州大学;
大分子; 蛋白质; 聚合物体系; 相平衡; 预测; 人工神经网络; 遗传算法; Levenberg-Marquardt算法;