Umjetne neuronske mreže u ionskoj kromatografiji (CROSBI ID 347873)
Ocjenski rad | diplomski rad
Podaci o odgovornosti
Bašković, Marin
Bolanča, Tomislav
Ukić, Šime
hrvatski
Umjetne neuronske mreže u ionskoj kromatografiji
Pouzdanost predviđanja separacije u ionskoj kromatografiji ovisi uglavnom o točnosti predviđanja vremena zadržavanja. Bilo koji model sposoban poboljšati tu točnost doprinijet će predviđanju optimalne separacije bliže stvarnoj. U ovom radu umjetne neurosnske mreže su korištene za modeliranje vremena zadržavanja kromatografskih vrhova nezadržanih sastojaka, fluorida, klorita, klorida, klorata, nitrata i sulfata. Primijenjene su različite metodologije treniranja radi poboljšavanja radnih osobina razvijenog modela. Nadalje, broj neurona u skrivenom sloju, aktivacijska funkcija i broj eksperimentalnih podataka korištenih za izradu modela su optimizirani s ciljem smanjenja eksperimentalnog rada bez promjena u radnim osobinama. To je rezultiralo iznimno visokom moći predviđanja razvijenog modela vremena zadržavanja (srednja vrijednost relativne pogreške je 0, 45%).
ionska kromatografija; modeliranje vremena zadržavanja; umjetna neuronska mreža; algoritam treniranja
nije evidentirano
engleski
Artificial Neural Networks in Ion Chromatography
nije evidentirano
ion chromatography; retentin time modeling; artificial neural network; training algorithm
nije evidentirano
Podaci o izdanju
57
30.10.2007.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet kemijskog inženjerstva i tehnologije
Zagreb