На Ð¿Ñ€Ð°Ð²Ð°Ñ Ñ€ÑƒÐºÐ¾Ð¿Ð¸ÑÐ¸

Данные таблицы также свидетельствуют о преимуществах использования
ансамблей нейросетевых моделей по сравнению с индивидуальными моделями.
6.3.4. Моделирование давления насыщенных паров
Моделирование давления насыщенных паров велось по созданной на основе
опубликованных данных [417] выборке из 352 соединений (углеводороды
и галогенуглеводороды), которая в процессе работы разбивалась 10 разными
способами на три выборки: обучающую (279 соединений), контрольную (36 соединений)
и выборку для оценки предсказательной способности (36 соединений).
На первом этапе по методу БПМЛР производился отбор дескрипторов,
причем, как оказалось, наилучшим моделям соответствует множество фрагментных
дескрипторов с максимальным числом атомов во фрагменте, равным
6.
При моделировании давления паров среди наиболее значимых дескрипторов,
присутствующих практически во всех моделях, оказались: квадрат числа
углеродных атомов (n 2 (C)); логарифм общего числа неводородных атомов (lg
n a ); количество атомов галогенов, связанных с углеродным атомом, входящим в
состав шестичленных ароматических циклов (n[C Ar -Hal]); количество метиленовых
групп, связанных с углеродным атомом, входящим в состав шестичленных
ароматических циклов (n[C Ar -CH 2 ]); квадратный корень от количества атомов
фтора (√n[F]); количество простых углерод-углеродных связей (n(C-C)/n a );
количество двухатомных углерод-углеродных фрагментов ароматических систем
(n[C Ar ÷C Ar ]) и др. Подобный набор наиболее важных дескрипторов, повидимому,
обусловлен доминирующей ролью ван-дер-ваальсовых взаимодействий.
При построении нейросетевых моделей с различным числом скрытых
нейронов (от 2 до 8) был проведен анализ зависимости статистических показателей
моделей от числа скрытых нейронов. Оптимальным количеством скрытых
нейронов для данной выборки оказалось три. Сводные данные, содержащие
основные статистические показатели построенных моделей, приведены в
216