مطالعات qsars/ qsprs سورفکتنهای های آنیونی و کاتیونی، حلالهای معمول آزمایشگاهی،کاندیدهای داروئی مبتنی بر پیریدینیل ایمیدازول با استفاده از روشهای هوش مصنوعی و کمومتریکس

در فصل اول، یک مقدمه کلی و پیش زمینه پروژه ارائه می شود. این فصل مقالات مدل هایqsar /qspr موجود را مخصوصاً با توجه به ابزارهای آماری بکار رفته برای ارزیابی کیفیت شان بررسی می کند.در فصل 2 و 3، مدل ها براساس pls و mlr یا rr به منظور پیش بینی قابلیت محلول های سورفکتنت برای یک سری متفاوت از ترکیبات آلی در محلول سورفکتنت های آنیونی و کاتیونی ارائه می شود. این فصل ها، مکانیسم تقسیم این ترکیبات را براساس توصیف کننده های ظاهر شده در مدل ها توصیف می کندفصل 4 عمدتاً در مورد pca و انتخاب متغیر subjective استفاده شده در مدلسازی رابطه ساختار- ویسکوزیته است. روش های mlr و pca به عنوان ابزار انتخاب ویژگی استفاده شده اند. با انتخاب متغیر از طریق pca، مشخصات فیزیکوشیمیایی با متعامدسازی به عنوان متغیرهای جدید که بیشترین اطلاعات مفید را از فضاهای مختلف اطلاعات بیرون می کشند، کلاس بندی شدند و دو مدل اصلی mlr و pls مطالعه شدند. فصل 5 مربوط به ترکیب anfis و rbfnn در ایجاد مدل های qsar غیر خطی است. در این مورد، برای به دست آوردن انعطاف پذیری و توانایی موثرتر اداره و پردازش اطلاعات دنیای واقعی، تئوری مجموعه فازی به qsar معرفی شد.