چکيده
شبكه عصبي مصنوعي (ANN) از سامانه عصبي انسان الهام گرفته شده است. در اين شبكه¬ها، مجموعه¬اي از عناصر پردازشگر مشابه نورون¬هاي عصبي انسان در يك ساختار هندسي با يكديگر قرار گرفته و به صورت موازي عمليات پردازش اطلاعات را انجام مي¬دهند. يك شبكه عصبي از نورون¬هاي مصنوعي تشكيل شده است. نورون يا گره كوچكترين واحد پردازش اطلاعات است كه اساس عملكرد شبكه¬هاي عصبي را تشكيل مي¬دهد. هر يك از نورون¬ها، ورودي¬ها (داده¬هاي ورودي) را دريافت كرده و پس از پردازش روي آن¬ها، يك سيگنال خروجي (بازده) توليد مي¬كند. لذا هر نورون در شبكه به عنوان مركز پردازش و توزيع اطلاعات عمل مي¬كند و ورودي و خروجي ويژه¬اي دارد و اين مدل ارتباط بين داده¬هاي ورودي و خروجي را با تعدادي آزمايش فراهم مي سازد.
جداسازي عناصر با خلوص بالا از اكسيدهاي حاوي آن ها نيازمند چند مرحله جداسازي با استفاده از يك يا چند حلال است. توسعه فرايند، تجزيه و تحليل، بهينه سازي و كنترل عناصر، يك كار پيچيده است. شبيه¬سازي كامپيوتري ابزار مفيد در اين زمينه را فراهم مي¬كند. استفاده از شبكه¬هاي عصبي مصنوعي (ANN) براي شبيه-سازي داده¬هاي تعادلي فرآيندهايي مانند استخراج مايع-مايع در عناصر مي¬تواند ابزاري مفيد و كارآمد باشد. مدل ANN مدل پس انتشار يكي از روش هاي شبيه سازي شبكه عصبي است كه در اين روش نورون هاي ورودي به متغيرهاي حالت سيستم مانند غلظت تعادلي و اسيديته مربوط مي شوند. كه مي¬تواند فرآيند استخراج عناصر را شبيه سازي كرده و راه¬هاي افزايش راندمان توليد عناصر را حدس زده و با اعمال آن¬ها و انجام عملي اين فرآيندها راندمان توليد محصولات را افزايش داد و همچنين كيفيت توليد را بالا برد.
