POLÁŠKOVÁ, Pavla, Gaston Guillermo BOCAZ BENEVENTI, Hua LI a Josef HAVEL. Evaluation of calibration data in capillary electrophoresis using artificial neural networks to increase precision of analysis. JOURNAL OF CHROMATOGRAPHY A. AMSTERDAM: ELSEVIER SCIENCE BV, 2002, roč. 979, 1-2, s. 59-67, 8Increase. ISSN 0021-9673.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Evaluation of calibration data in capillary electrophoresis using artificial neural networks to increase precision of analysis
Autoři POLÁŠKOVÁ, Pavla (203 Česká republika), Gaston Guillermo BOCAZ BENEVENTI (152 Chile), Hua LI (156 Čína) a Josef HAVEL (203 Česká republika, garant).
Vydání JOURNAL OF CHROMATOGRAPHY A, AMSTERDAM, ELSEVIER SCIENCE BV, 2002, 0021-9673.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 10406 Analytical chemistry
Stát vydavatele Nizozemské království
Utajení není předmětem státního či obchodního tajemství
Impakt faktor Impact factor: 3.098
Kód RIV RIV/00216224:14310/02:00007964
Organizační jednotka Přírodovědecká fakulta
UT WoS 000179406700007
Klíčová slova anglicky calibration data; capillary electrophoresis; artificial neural networks
Štítky artificial neural networks, calibration data, Capillary electrophoresis
Změnil Změnil: prof. RNDr. Josef Havel, DrSc., učo 1796. Změněno: 10. 3. 2003 13:45.
Anotace
Increase of precision in capillary electrophoresis can be achieved applying suitable markers and evaluating calibration curves and data analysis with artificial neural networks. They are able to account for errors in both x- and y-axes, nonlinear response of detector and non-linearity of calibration curves eventually. A comparison of the artificial neural networks approach with ordinary least-squares (OLS) and bivariate least-squares regression (BLS) was done. While OLS and BLS give similar results, the method proposed and tested in analysis of several pharmaceutical products yields lower prediction errors than traditional linear least-squares methods and the precision of analysis was found in the range 0.5-1.5% relative. (C) 2002 Elsevier Science B.V. All rights reserved.
Návaznosti
GA203/02/1103, projekt VaVNázev: Umělé neuronové sítě a plánování pokusů v analytické chemii, zejména v separačních metodách
Investor: Grantová agentura ČR, Umělé neuronové sítě a plánování pokusů v analytické chemii, zejména v separačních metodách
VytisknoutZobrazeno: 26. 7. 2024 13:33