Прогнозирование катализаторов методами математической теории распознавания

ПРОГНОЗИРОВАНИЕ КАТАЛИЗАТОРОВ МЕТОДАМИ МАТЕМАТИЧЕСКОЙ ТЕОРИИ РАСПОЗНАВАНИЯ [c.99]

В таких случаях следует проводить анализ явлений на основе вероятностно-статистических представлений, как в различных разделах физики и биологии. Сравнительно простые статистические методы, однако, не дают эффективных результатов из-за слишком большого количества переменных и, главным образом, неточности имеющихся данных. Как ясно из вышеизложенного, корреляционные методы, базирующиеся на гипотезе Гаммета—Тафта, обладают очень ограниченной способностью к экстраполяции их прогнозов за пределы узкого круга катализаторов, соединений и реакций. Можно ожидать, что современные более мощные методы статистического анализа, базирующиеся на математической теории распознавания, окажутся более эффективными. Аналогичные математические методы прогнозирования успешно применяются в медицине, геологии и метеорологии. [c.164]

Рассмотрим кратко основы математической теории распознавания и ее алгоритмы, оказавшиеся эффективными при решении задач прогнозирования катализаторов. Более подробное изложение этой теории и ее методов можно найти в специальных монографиях [3—6] [c.99]

Первым шагом на пути применения статистических методов к проблеме подбора катализатора явилась работа Крылова [2], в которой был использован метод корреляционного анализа. Однако указанные причины делают неэффективным применение сравнительно простых статистических методов для подбора катализаторов. Можно было он идать, что значительно результативнее окажутся современные, более мощные методы статистического анализа, основанные на математической теории распознавания. Такого рода математические методы прогнозирования успешно применяют в медицине, геологии и метеорологии. [c.211]

Результаты машинного прогноза подвергаются экспериментальной проверке. Рассмотрим сперва наиболее трудоемкий и часто встречающийся случай полного отсутствия литературной иформа-ции. Тогда по сути мы имеем дело с планированием экспериментов по подбору катализаторов с использованием метода математической теории распознавания. План таких экспериментов является частью блок-схемы (см. схему). Прогнозы, полученные от машины на основе обучающей последовательности, построенной на первой серии собственных экспериментов, проверяются экспериментально. После этого составляется новая обучающая последовательность, которая состоит из первой и второй серии экспериментов. Выбираются объекты для второго тура прогноза и проводится прогнозирование машиной. Прогноз вновь проверяется экспериментально. Если полученные результаты удовлетворяют исследователя, отобранные катализаторы исследуются далее для уточнения их состава, структуры и режимов работы. Если полученные результаты не являются удовлетворительными либо в отношении точности прогноза, либо достигнутых [c.130]

Расчеты, основанные на принципе линейных соотношений свободной энергии, имеют ограниченные возможности, поскольку они применимы только в сл5П1аях вариации однотипных катализаторов для данной реакции или вариации гомологов для одного катализатора в данной реакции. Очевидно, что практические потребности в прогнозировании катализаторов выходят за эти рамки. Гораздо более универсальны методы, базирующиеся на математической или скорее кибернетической теории распознавания и реализуемые практически только при помощи современных и достаточно мощных электронных вычислительных машин (ЭВМ). [c.99]

Справочник химика 21

Химия и химическая технология