Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Prediction of chiral separations using combination of experimental designs and artificial neural networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F99%3A00002118" target="_blank" >RIV/00216224:14310/99:00002118 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Prediction of chiral separations using combination of experimental designs and artificial neural networks

  • Popis výsledku v původním jazyce

    In this work the advantages of using artificial neural networks (ANNs) combined with experimental design (ED) to optimize the separation of amino acids enantiomers, with a-cyclodextrin as chiral selector, were demonstrated. The results obtained with theED-ANN approach were compared with those of either partial least squares (PLS) method or response surface methodology where experimental design and the regression equation were used. The ANN approach is quite general, no explicit model is needed and theamount of experimental work can be decreased considerably.

  • Název v anglickém jazyce

    Prediction of chiral separations using combination of experimental designs and artificial neural networks

  • Popis výsledku anglicky

    In this work the advantages of using artificial neural networks (ANNs) combined with experimental design (ED) to optimize the separation of amino acids enantiomers, with a-cyclodextrin as chiral selector, were demonstrated. The results obtained with theED-ANN approach were compared with those of either partial least squares (PLS) method or response surface methodology where experimental design and the regression equation were used. The ANN approach is quite general, no explicit model is needed and theamount of experimental work can be decreased considerably.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    CB - Analytická chemie, separace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    1999

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Chirality

  • ISSN

    0899-0042

  • e-ISSN

  • Svazek periodika

    11

  • Číslo periodika v rámci svazku

    8

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    6

  • Strana od-do

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus