Feedforward Neural Networks in Catalysis: A Tool for the Approximation of the Dependency of Yield on Catalyst Composition, and for Knowledge Extraction

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F03%3A00103296" target="_blank" >RIV/67985807:_____/03:00103296 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Feedforward Neural Networks in Catalysis: A Tool for the Approximation of the Dependency of Yield on Catalyst Composition, and for Knowledge Extraction

Original language description

Artificial neural networks are distributed computing systems implementing the functionality characterizing biological neural networks. This way of computing has become quite successful in practical applications as a tool for solving several traditional mathematical and data-analysis tasks, such as classification, clustering, approximation and prediction. In this paper, main principles of employing multilayer perceptrons for the approximation of unknown functions are outlined, and another possible use ofmultilayer perceptrons in combinatorial catalysis is indicated - their use for the extraction of knowledge from experimental catalytic input and output data. To counterbalance the abstractness of the subject, the method is illustrated by applying multilayer perceptrons to data on catalyst composition and catalytic results in the oxidative dehydrogenation of propane to propene.

Czech name

Dopředné neuronové sítě v katalýze: nástroj pro aproximaci závislosti výtěžnosti na složení katalyzátorů, a pro extrakci znalostí

Czech description

Umělé neuronové sítě jsou distribuované výpočetní systémy implementující část funkcionality charakterizující biologické neuronové sítě. Tento způsob počítání je docela úspěšný v praktických aplikacích, jako nástroj pro řešení několika úkolů tradičně stavěných před matematiku a analýzu dat, jako např. klasifikace, shlukování, aproximace a predikce. V tomto článku jsou načrtnuty hlavní principy použití vícevrstvých perceptronů pro aproximaci neznámých funkcí, a je nastíněno další možné využití vícevrstvých perceptronův kombinatorické katalýze - jejich využití pro extrakci znalostí ze vstupních a výstupních dat z katalytických experimentů. Aby byla vyvážena abstraktnost tématu, je tato metoda ilustrována pomocí aplikace vícevrstvých perceptronů na data osložení katalyzátorů a výsledcích katalýzy při oxidační dehydrogenaci propanu na propen.

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

BA - General mathematics

OECD FORD branch

—

Project

—

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2003

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Catalysis Today

ISSN

0920-5861

e-ISSN

—

Volume of the periodical

81

Issue of the periodical within the volume

-

Country of publishing house

DE - GERMANY

Number of pages

10

Pages from-to

485-494

UT code for WoS article

—

EID of the result in the Scopus database

—