
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Goodarzi, Mohammad | - |
| Autor(es): dc.creator | Chen, Tao | - |
| Autor(es): dc.creator | Freitas, Matheus P. | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:28:41Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:28:41Z | - |
| Data de envio: dc.date.issued | 2020-07-12 | - |
| Data de envio: dc.date.issued | 2020-07-12 | - |
| Data de envio: dc.date.issued | 2010-12 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/41810 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/abs/pii/S0169743910001668 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1141607 | - |
| Descrição: dc.description | Computational approaches for the prediction of environmental pollutants' properties have great potential in rapid environmental risk assessment and management with reduced experimental cost. A quantitative structure–property relationship (QSPR) study was conducted to predict the heat of fusion of a set of organic compounds that have adverse effect on the environment. The forward selection (FS) strategy was used for descriptors selection. We examined the feasibility of using multiple linear regression (MLR), artificial neural networks (ANN) and Bayesian regularized artificial neural networks (BRANN) as linear and nonlinear methods. The QSPR models were validated by an external set of compounds that were not used in the model development stage. All models reliably predicted the heat of fusion of the organic compounds under study, whereas more accurate results were obtained by the BRANN model. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Chemometrics and Intelligent Laboratory Systems | - |
| Palavras-chave: dc.subject | Heat of fusion | - |
| Palavras-chave: dc.subject | QSPR | - |
| Palavras-chave: dc.subject | Forward selection | - |
| Palavras-chave: dc.subject | MLR | - |
| Palavras-chave: dc.subject | BRANN model | - |
| Palavras-chave: dc.subject | Bayesian regularized artificial neural networks (BRANN) | - |
| Palavras-chave: dc.subject | Quantitative Structure-Property Relationships (QSPR) | - |
| Palavras-chave: dc.subject | Multiple linear regression (MLR) | - |
| Título: dc.title | QSPR predictions of heat of fusion of organic compounds using bayesian regularized artificial neural networks | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: