更正:“迈向人工智能辅助的更环保的手性高效液相色谱技术:预测高效对映体分离效果——移动相(EES–MP)特性以选择合适的移动相——以Lux Cellulose-1为例”

《Analytical Chemistry》:Correction to “Toward AI-Assisted Greener Chiral HPLC: Predicting Efficient Enantioseparation–Mobile Phase (EES–MP) Profiles for MP Selection─A Lux Cellulose-1 Case Study”

【字体: 大 中 小 】 时间:2026年05月03日 来源:Analytical Chemistry 6.7

编辑推荐:

  在已发表的文章中,方程5中发现了一个排版错误。方程5定义了由CCLNNA算法优化的目标函数(Fobj)。该函数结合了指标pQ和pE,以生成具有良好整体拟合度、有限过拟合和低预测误差的人工神经网络(ANN)模型。然而,原始公式错误地暗示了较高的残差(即较高的pE)会对回归质量产生积

  
在已发表的文章中,方程5中发现了一个排版错误。

方程5定义了由CCLNNA算法优化的目标函数(Fobj)。该函数结合了指标pQ和pE,以生成具有良好整体拟合度、有限过拟合和低预测误差的人工神经网络(ANN)模型。然而,原始公式错误地暗示了较高的残差(即较高的pE)会对回归质量产生积极影响,因为它们被加到了质量指标pQ中。

方程5的正确表达式是

Fobj=W·pQ−(1−W)·pE' role="presentation">Fobj=W·pQ?(1?W)·pE
(5)
在修正后的形式中,回归质量通过残差误差项得到了适当的惩罚。

这个排版错误仅限于手稿的呈现方式。CCLNNA算法是使用正确的表达式实现的;因此,报告的结果和结论未受影响。

作者信息


被引用

本文尚未被其他出版物引用。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号