شبکه‌های عصبی مصنوعی در شیمی آماری: تاریخچه، مثال‌ها و چشم‌اندازها

شبکه‌های عصبی مصنوعی (ANN ها)ابزارهای محاسباتی غیر خطی هستند که به خاطر انعطاف‌پذیری و سازگاری شان برای یک میزبان خوب کاربرد عملی مناسب هستند. با این حال، کاربرد آن‌ها در حل مشکلات شیمی آماری نسبتا جدید است (اوایل دهه ۱۹۹۰).
در این ارتباط، معماری‌های مختلف شبکه‌های عصبی مصنوعی ارائه می‌شوند و کاربرد آن‌ها در انواع مختلف مسایل شیمی آماری (عمدتا دسته‌بندی و رگرسیون)با استفاده از مثال‌هایی از تجربه نویسندگان مطرح می‌شود، و بر مزایا و معایب شبکه‌های عصبی مصنوعی (ANN ها) با توجه به تکنیک‌های سنتی شیمی آماری تاکید می‌کند.

Artificial neural networks (ANNs) are non-linear computational tools suitable to a great host of practical application due to their flexibility and
adaptability. However, their application to the resolution of chemometric problems is relatively recent (early 1990s).
In this communication, different artificial neural networks architectures are presented and their application to different kinds of chemometric
problems (mainly classification and regression) is discussed by means of examples taken from the authors’ experience, stressing the pros and cons
of ANNs with respect to traditional chemometric techniques.