第1章 绪论 | 第1-41页 |
·人工神经网络的基本原理 | 第16-18页 |
·人工神经网络方法在多组分同时测定中的研究进展 | 第18-38页 |
·有关人工神经网络在分析化学中应用的综述 | 第18页 |
·人工神经网络在多组分测定中的应用 | 第18-38页 |
·研究内容、目的和意义 | 第38-41页 |
·主要研究内容 | 第38-39页 |
·研究目的 | 第39页 |
·研究意义 | 第39-41页 |
第2章 氢化物发生化学发光法测定水体中无机态砷的研究 | 第41-85页 |
·引言 | 第41-45页 |
·砷的存在和用途 | 第41页 |
·砷的毒性 | 第41-42页 |
·砷对环境的污染 | 第42-43页 |
·监测砷的意义 | 第43页 |
·砷的化学发光分析现状 | 第43-45页 |
·本章研究的内容和意义 | 第45页 |
·方法原理 | 第45-51页 |
·氢化物发生机理 | 第45-46页 |
·化学发光反应 | 第46-48页 |
·本方法的定量测定原理 | 第48-51页 |
·实验部分 | 第51-66页 |
·仪器和试剂 | 第51-52页 |
·实验方法 | 第52-53页 |
·实验条件的优化和结果讨论 | 第53-63页 |
·共存离子的干扰 | 第63页 |
·校正集(训练集)组成和测定结果 | 第63-65页 |
·合成样品的配制 | 第65-66页 |
·BP神经网络设计方法 | 第66-68页 |
·利用BP神经网络进行数据处理 | 第68-83页 |
·以常规批梯度下降算法进行网络训练 | 第68-73页 |
·以动量梯度下降算法进行网络训练 | 第73-78页 |
·以贝叶斯正则化算法进行网络训练 | 第78-83页 |
·小结 | 第83-85页 |
第3章 人工神经网络液相化学发光法同时测定铁锑 | 第85-110页 |
·引言 | 第85-89页 |
·方法原理 | 第89-90页 |
·实验部分 | 第90-100页 |
·仪器和试剂 | 第90-92页 |
·实验方法 | 第92页 |
·实验条件优化和结果讨论 | 第92-97页 |
·校正集组成和测定结果 | 第97-99页 |
·共存离子的影响 | 第99页 |
·合成样品配制方法 | 第99-100页 |
·利用BP神经网络进行数据处理 | 第100-108页 |
·以动量梯度下降算法进行网络训练 | 第100-104页 |
·以贝叶斯正则化算法进行网络训练 | 第104-108页 |
·小结 | 第108-110页 |
第4章 人工神经网络催化动力学光度法同时测定铁和锑 | 第110-138页 |
·引言 | 第110-120页 |
·化学计量学—分光光度法同时测定多组分的研究进展 | 第110-119页 |
·催化动力学光度同时测定多组分的进展 | 第119-120页 |
·本章研究内容 | 第120页 |
·方法原理 | 第120-121页 |
·实验部分 | 第121-128页 |
·仪器和试剂 | 第121-122页 |
·实验方法 | 第122-123页 |
·实验条件的优化和结果讨论 | 第123-124页 |
·共存离子的影响 | 第124页 |
·校正集组成和吸光度测定结果 | 第124-127页 |
·合成样品的配制 | 第127-128页 |
·利用BP神经网络进行数据处理 | 第128-136页 |
·以动量梯度下降算法进行网络训练 | 第128-132页 |
·以贝叶斯正则化算法进行网络训练 | 第132-136页 |
·小结 | 第136-138页 |
第5章 人工神经网络氢化物发生光度法同时测定无机态砷 | 第138-152页 |
·引言 | 第138页 |
·方法原理 | 第138-139页 |
·实验部分 | 第139-143页 |
·仪器和试剂 | 第139-140页 |
·实验方法 | 第140-141页 |
·合成样品的配制 | 第141-142页 |
·校正集组成和吸光度测定结果 | 第142-143页 |
·利用BP神经网络进行数据处理 | 第143-151页 |
·以动量梯度下降算法进行网络训练 | 第143-147页 |
·以贝叶斯正则化算法进行网络训练 | 第147-151页 |
·小结 | 第151-152页 |
第6章 结论 | 第152-155页 |
附录 | 第155-180页 |
参考文献 | 第180-213页 |
在读博士期间发表的研究论文 | 第213-214页 |
声明 | 第214-215页 |
致谢 | 第215页 |