摘要：用化学键参数与模式识别-人工神经网络方法相结合,研究了若干类型的卤化物二元相图中固溶体的形成规律,这些规律构成了新材料设计专家系统的基础,该专家系统的作用之一是对未知卤化物系固溶体形成情况作计算机预报。

摘要：（遗传算法是建立在适应性和信息交换思想上的随机搜索方法．本文基于遗传算法设计了一种判别分析方法，并用来研究C60在有机溶剂中溶解度与有机溶剂折光率nD、介电常数ε、摩尔体积V及Hildebrand溶解性参数δ等物理化学特性参数之间的关系。结果表明，较之基于统计最优意义上的一些传统方法，遗传算法给出了更好的结论。）遗传算法是建立在适应性和信息交换思想上的随机搜索方法。本文基于遗传算法设计了一种判别分析方法，并用来研究C60在有机溶剂中溶解度大小与有机溶剂折光率（n）、介电常数（ε）、摩尔体积（V）及Hildebrand溶解性参数（Δ）等物理化学特性参数之间的关系，结果表明，比之基于统计最优意义上的一些传统方法，遗传算法给出了更好的结论。

摘要：用表征复杂化学反应系的不衡态或宏观化学动力学的无量纲数群张成多维空间,以处理材料制备或工业生产优化工作中的数据,结果表明:优化区和作业区的拓扑关系有4种类型. 采用包括逆映照和未探优化区搜索方法、超平面识别法在内的模式识别、人工神经网络、遗传算法程序总结数学模型和优化策略.由这些程序组成的KDPAG专家系统应用于化工、石油化工和冶金等生产优化,材料优化设计,取得良好效果.

摘要：应用模式识别和人工神经网络方法将已知样本按目标（稀土系镍氢电池容量和循环寿命）分类训练建模，在此基础上设计了若干样本，通过人工神经网络预报。

摘要：本文利用模式识别的偏最小二乘法（ＰＬＳ）对过渡金属二元合金氢化物的形成和贮氢性能进行分析结果表明：利用化学键参数－模式识别方法可以建立描述过渡金属二元合金贮氢材料形成的数学模型，是贮氢材料设计的一种有用方法。

摘要：将自组织神经树应用于含Ｆ铋系高温超导体制备条件的识别、预报，结果表明，神经树的判别成功率效高，因此该方法可用于材料设计等高层次知识处理领域。

摘要：以化学键参数作为人工神经网络的输入，实测相图数据为输出，将采用误差反向传播算法训练好的神经网络用于对未知相图作计算机预报，将数据库与知识库相结合，设计和开发出了一个检索和预报二元及部分三元熔盐系相图特征的专家系统。该数据库包括各类已知熔盐相图特征的实验数据及熔盐系各种元素的化学键参数，而知识库为训练好的人工神经网络，通过人机对话形式提供相图特征的各种信息。给出了３个实际应用例子，对预报结果进行的实验验证表明该专家系统对未知相图特征的预报是可靠的。

摘要：讨论了神经元算法对线性可分模式空间的适应性,将其应用于某合金钢生产优化区的寻找,并将之与主成分分析法所得结果作了比较,研究结果表明,神经元算法简单、可靠性高,是一种自学习的模式识別的好方法。

摘要：将支持向量回归(SVR)方法用于氧化铟薄膜的厚度控制。取已有的实验数据作为模式识别训练样本,以样品中氧化铟的重量百分含量、原料的粘度、添加剂的重量百分含量以及两个处理工艺条件提拉速度和提拉次数作为特征变量,得到了用于计算薄膜厚度的回归方程式。用“留一法”检验所得数学模型的预报能力,并将结果与传统的模式识别方法(Fisher法和KNN)进行了比较,结果表明:SVR的预报准确率比Fisher和KNN方法高。因此,SVR方法有望成为一种新的实验设计的手段。

摘要：由于计算机技术的发展,机器学习(包括线性和非线性回归、人工神经网络、模式识别算法等)已成为处理化学化工数据,总结经验规律,据以预报未知或控制生产过程的常规手段。但是,传统的机器学习算法都以经典统计数学的渐近理论为依据。该理论的大数定理规定:统计规律只有在已知样本数无限多时才显露出来。但化学化工实际工作中已知样本总是有限的。忽视这一矛盾是造成实际计算中过拟合弊病的重要原因。针对经典统计数学这一弱点,Vapnik学派提出了“统计学习理论”和“支持向量机算法”。新算法既能处理非线性问题,又能抑制传统算法(如人工神经网络等)常遇到的过拟合弊病。本专刊中的论文系列工作表明:支持向量机算法在分析化学的多变量校正、数据处理、商品检验、相图和新化合物的计算机预报、新材料制备的实验设计、环境污染的建模和预报,以及分子设计,药物设计等领域的应用都有良好效果。在多数情况下所建的数学模型较传统算法的结果有更好的预报正确率。这一新算法将会成为化学、化工领域数据处理广泛应用的新计算工具。