您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于启发式方法和径向基函数神经网络及支持向量机的热致液晶向列相变温度研究

  2. 已经成功开发了定量结构-性质关系(QSPR)模型,用于预测42种热致液晶的向列转变温度(TN)。 利用启发式方法(HM),径向基函数神经网络(RBFNN)和支持向量机(SVM)来构建线性和非线性QSPRs模型。 分别。 比较在这三个模型上获得的整体结果,RBFNNs模型要好得多。 基于RBFNN建立的最佳QSPRs模型的平方相关系数(R-2)为0.984、0.953、0.973,训练集,测试的均方根(RMS)误差为2.19、4.13和2.99集和整个集。 本文对数据集进行了一些分析和评估。 所有
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:317440
    • 提供者:weixin_38593823