Filtri
cris logo
-
Novo iskanje Filtri
Izberi iz seznama
Prikazano od Prikaži več
Dosegli ste najvišje možno število prikazanih rezultatov iskanja.
Prikazani so vsi rezultati
Za izvedeno iskanje ni na voljo rezultatov
Prikazano od
Dosegli ste najvišje možno število prikazanih rezultatov iskanja.
Prikazani so vsi rezultati
Nalaganje rezultatov
Pridobivanje statističnih podatkov

Projekti / Programi vir: ARIS

Umetne nevronske mreže v kemiji

Uredi
Raziskovalna dejavnost

Koda Veda Področje Podpodročje
1.04.02  Naravoslovje  Kemija  Strukturna kemija 

Koda Veda Področje
P300  Naravoslovno-matematične vede  Analitična kemija 
P176  Naravoslovno-matematične vede  Umetna inteligenca 
Ključne besede
nevronske mreže, modeliranje, statistika, umetna inteligenca, analitična kemija
Vrednotenje (pravilnik)
vir: COBISS
Vrednotenje bibliografskih kazalcev raziskovalne uspešnosti po metodologiji ARIS
Citiranost Citiranost bibliografskih zapisov v COBIB.SI, ki so povezani z zapisi citatnih baz
vir: WoS vir: Scopus vir: COBISS
Raziskovalci (5)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacij
1.  06456  dr. Simona Bohanec  Kemija  Raziskovalec  1999  0 
2.  09775  dr. Marjana Novič  Kemija  Raziskovalec  1998 - 1999  0 
3.  11760  dr. Marko Perdih  Kemija  Raziskovalec  1999  0 
4.  15991  dr. Marjan Vračko - Grobelšek  Kemija  Raziskovalec  1999  0 
5.  01359  dr. Jurij-Janez Zupan  Kemija  Vodja  1997 - 1999  0 
Organizacije (1)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacij
1.  0104  Kemijski inštitut  Ljubljana  5051592000  10 
Povzetek
V nalogi raziskujemo teorijo in aplikacije umetnih nevronskih mrež v kemiji. Večina dela je opravljenega na področju analitske kemije. V teoretičnem delu je dan poseben poudarek raziskavam 2D zemljevidov uteži nevronskih mrež in njihovi interpretaciji. Gre za raziskave, ki zavračajo glavni očitek modelom na osnovi nevronskih mrež, ki pravi, da so napovedovalni rezultati sicer dobri, modeli pa niso interpretativni. To pomeni, da sam model ne zmore razložiti svojih odločitev. Ta očitek smo prepričljivo ovrgli na osnovi uporabe 2D zemljevidov uteži, ki nastanejo pri ''''učenju'''' nevronskih mrež z vhodom podatkov iz nasprotnih smeri (counter-propagation ANNs). Prav ti zemljevidi so omogočili tvorjenje logičnih pravil v obliki (''''če ... potem''''). Na področju aplikacij delamo modele, ki napovedujejo najrazličnejše lastnosti vzorcev od bioloških aktivnosti (QSAR) do grupiranja arheoloških najdb.
Zahtevana je potrditev
Zgodovina ogledov
Priljubljeno