| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 绪论 | 第12-20页 |
| ·量子化学介绍 | 第12-14页 |
| ·量子化学的发展 | 第12-13页 |
| ·量子化学的应用 | 第13-14页 |
| ·统计方法校正密度泛函理论的研究进展 | 第14-19页 |
| ·神经网络模型的研究进展 | 第14-17页 |
| ·线性回归校正模型(LRC)的研究进展 | 第17-18页 |
| ·支持向量机模型(SVM)的研究进展 | 第18-19页 |
| ·论文的目的及内容 | 第19-20页 |
| ·论文研究目的 | 第19页 |
| ·论文研究内容 | 第19-20页 |
| 第二章 密度泛函理论和统计方法原理 | 第20-29页 |
| ·密度泛函理论基础 | 第20-24页 |
| ·Thomas-Fermi模型 | 第20-21页 |
| ·Hohenberg-Kohn定理 | 第21页 |
| ·Kohn-Sham方程 | 第21-22页 |
| ·交换相关能泛函 | 第22-24页 |
| ·LDA泛函 | 第23页 |
| ·GGA泛函 | 第23-24页 |
| ·meta-GGA泛函 | 第24页 |
| ·Hybrid泛函 | 第24页 |
| ·支持向量机方法的基本原理 | 第24-26页 |
| ·支持向量机介绍 | 第24-25页 |
| ·支持向量回归的基本原理 | 第25-26页 |
| ·神经网络方法的基本原理 | 第26-29页 |
| ·人工神经网络介绍 | 第26页 |
| ·误差反向传播算法 | 第26-27页 |
| ·BP网络结构 | 第27-29页 |
| 第三章 基于支持向量机的密度泛函理论校正 | 第29-33页 |
| ·引言 | 第29页 |
| ·计算方法 | 第29页 |
| ·结果与讨论 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 结合神经网络方法和扩大训练基组构建新 B3LYP 泛函 | 第33-55页 |
| ·引言 | 第33页 |
| ·计算方法 | 第33-36页 |
| ·结果与讨论 | 第36-45页 |
| ·本章小结 | 第45-55页 |
| 第五章 基于神经网络的氢胺化反应过渡态能量校正研究 | 第55-62页 |
| ·引言 | 第55-56页 |
| ·计算方法 | 第56-57页 |
| ·结果与讨论 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71页 |