量子化学与人工智能计算在分子键能中的应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

量子化学与人工智能计算在分子键能中的应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论 1

一、研究背景与研究意义 1

（一）研究背景 1

（二）研究意义 3

二、研究目标与内容 8

（一）研究目标 8

（二）研究内容 8

三、研究路线与创新点 11

（一）研究路线 11

（二）创新点 11

四、原子、分子和化学键 12

五、分子中化学键的强弱与分子的化学结构稳定性 13

六、化学键能定义 15

七、D， De和Do的相互关系 17

八、稳定化合物中最弱键能的小限值 18

九、键能规则的适用范围——超快和选键化学 20

十、计算键能的主要理论方法 21

十一、参考文献 23

第二章 量子化学计算方法与基组 36

一、量子化学计算方法 36

（一）分子轨道从头算 38

（二）半经验计算 43

（三）密度泛函理论 44

二、基组 49

（一）STO-NG 51

（二）分裂价基 51

（三）极化基 52

（四）弥散基组 52

三、参考文献 53

第三章 提高密度泛函理论方法计算均裂能精度：基于平均影响值的反向传播神经网络方法 60

一、引言 60

二、方法描述 63

（一）平均影响值 63

（二）反向传播神经网络 64

三、计算部分 65

（一）数据集 65

（二）物理参数计算 67

四、结果与讨论 68

（一）量子化学方法计算Y-NO键均裂能 68

（二）平均影响值计算结果 72

（三）反向传播神经网络计算结果 73

五、结论 79

六、参考文献 80

第四章 提高密度泛函理论方法计算均裂能精度：基于灰色关联分析和主成分分析的广义回归神经网络方法 86

一、引言 87

二、方法描述 89

（一）灰色关联分析 89

（二）主成分分析 90

（三）广义回归神经网络 92

三、计算部分 93

（一）数据集 93

（二）物理参数计算 94

（三）物理参数选择 95

四、结果与讨论 96

（一）GP-GRNN模型算法的流程图 96

（二）灰色关联和主成分分析计算结果 97

（三）广义回归神经网络计算结果对比分析 99

（四）广义回归神经网络中参数σ讨论 105

五、结论 107

六、参考文献 108

第五章 提高密度泛函理论方法计算均裂能精变：基于自组织特征映射的径向基神经网络方法 112

一、引言 113

二、方法描述 116

（一）自组织特征映射网络 116

（二）径向基神经网络 118

三、计算部分 121

（一）数据集 121

（二）分子描述符计算 122

四、结果与讨论 126

（一）密度泛函理论计算Y-NO键均裂能 126

（二）自组织特征映射神经网络计算结果 133

（三）径向基神经网络计算结果 136

五、结论 141

六、参考文献 143

第六章 提高密度泛函理论方法计算均裂能精度：基于层次聚类和蚁群聚类优化的极限学习机方法 147

一、引言 148

二、方法描述 150

（一）层次聚类 150

（二）蚁群聚类优化 151

（三）极限学习机 152

三、技术路线图 156

四、结果和讨论 157

（一）Kenstone计算结果 157

（二）层次聚类计算结果 158

（三）蚁群聚类优化计算结果 161

（四）极限学习机计算结果 162

五、结论 165

六、参考文献 167

后记 169