Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Рис. 65. Конфигурация нейронного устройства для молекулы пропана В качестве еще одного примера, на Рис. 65 представлена конфигурация этого же нейронного устройства уже в применении к молекуле пропана. В этом случае, инвариантность предсказываемых нейронным устройством свойств химических соединений относительно перенумерации атомов обеспечивается следующими ограничениями, налагаемыми на значения весов связей ω'' и порогов активации θ'': ω′′ 46 , = ω′′ 47 , = ω′′ 48 , ; ω′′ 613 , = ω′′ 715 , = ω817 ′′, ; ω′′ = ω′′ = ω′′ 284 614 , 716 , 818 , ; ω13 ′′ , 27 = ω15 ′′ , 28 = ω17 ′′ , 29; ω14 ′′ , 27 = ω16 ′′ , 28 = ω18 ′′ , 29; ω′′ = ω′′ = ω′′ = ω′′ 59 , 510 , 511 , 512 , ; ω′′ 919 , = ω1021 ′′ , = ω1123 ′′ , = ω1225 ′′ , ; ω′′ 920 , = ω1022 ′′ , = ω1124 ′′ , = ω1226 ′′ , ; ω′′ = ω′′ = ω′′ = ω′′ 19, 27 21, 28 23, 28 25, 29; ω19 ′′ , 28 = ω′′ 21, 27 = ω′′ 23, 29 = ω′′ 25, 28; ω′′ 20, 27 = ω′′ 22, 28 = ω′′ 24, 28 = ω′′ 26, 29; ω′′ = ω′′ = ω′′ = ω′′ 20, 28 22, 27 24, 29 26, 28; θ′′ 6 = θ′′ 7 = θ8; ′′ θ′′ 9 = θ10 ′′ = θ11 ′′ = θ12; ′′ θ13 ′′ = θ15 ′′ = θ17; ′′ θ14 ′′ = θ16 ′′ = θ18; ′′ θ′′ = θ′′ = θ′′ = θ′′ θ′′ 20 = θ′′ 22 = θ′′ 24 = θ′′ 26. 19 21 23 25; Обе эти конфигурации могут быть получены путем размножения «рецепторов» из представленной на Рис. 66 минимальной конфигурации.
Рис. 66. Минимальная конфигурация нейронного устройства 7.4.4. Применение нейронного устройства в исследованиях «структурасвойство» для органических соединений Температура кипения алканов. Для первого вычислительного эксперимента с программным эмулятором нейронного устройства было выбрано прогнозирование температуры кипения алканов при нормальных условиях, поскольку по этой теме известно большое число публикаций, что дает возможность осуществить объективное сравнение с результатами, достигнутыми другими авторами (искусственные нейронные сети применялись для прогнозирования температуры кипения алканов в публикациях [198, 406, 421, 465, 491, 499-503]). Выборка, состоящая из 74 алканов C 2 -C 9 (данные были взяты из статьи [409]), была случайным образом разбита на две части – обучающую (67 соединений) и контрольную (7 соединений) выборку. Описанное выше нейронное устройство с минимальной конфигурацией, приведенной на Рис. 66, было ис- 285
- Page 233 and 234: ного цианинового к
- Page 235 and 236: Значения констант
- Page 237 and 238: делена на обучающу
- Page 239 and 240: ность. Основной цел
- Page 241 and 242: На Рис. 50 приводятс
- Page 243 and 244: молекул с конденси
- Page 245 and 246: 7.1.4. Прогнозировани
- Page 247 and 248: сивов разрозненных
- Page 249 and 250: используются как т
- Page 251 and 252: были модифицирован
- Page 253 and 254: зависимости давлен
- Page 255 and 256: Объединенный набор
- Page 257 and 258: Оба механизма вклю
- Page 259 and 260: творителя, а также
- Page 261 and 262: Табл. 29. Характерис
- Page 263 and 264: набора дескрипторо
- Page 265 and 266: угодно сложные зав
- Page 267 and 268: симостей «структур
- Page 269 and 270: лей, хотя все модел
- Page 271 and 272: одновременно решае
- Page 273 and 274: Как видно приведен
- Page 275 and 276: принципе гарантиро
- Page 277 and 278: мерации атомов дос
- Page 279 and 280: бор сигналов, соотв
- Page 281 and 282: только с атомных се
- Page 283: 7.4.3. Примеры разных
- Page 287 and 288: ров» ведет к ухудше
- Page 289 and 290: бензол, было отброш
- Page 291 and 292: на атому. После 4000 э
- Page 293 and 294: фов), то и все нейро
- Page 295 and 296: проведения линейно
- Page 297 and 298: тате чего NASAWIN прев
- Page 299 and 300: 8.2.3. Химически-орие
- Page 301 and 302: 8.2.7. Нейросетевые п
- Page 303 and 304: 8.2.11. Кластеризация
- Page 305 and 306: нейросетевом прогр
- Page 307 and 308: 18 p1_Nlp Количество не
- Page 309 and 310: 43 p 4 _ SPR = ∑ R( a ) ⋅ R( a
- Page 311 and 312: делей. Программа та
- Page 313 and 314: позволяющая прогно
- Page 315 and 316: ЛИТЕРАТУРА 1. Гилле
- Page 317 and 318: 31. Aoyama T.; Ichikawa H. Neural N
- Page 319 and 320: 54. Karelson M.; Dobchev D.A.; Kuls
- Page 321 and 322: 79. Carpenter G.A.; Grossberg S. A
- Page 323 and 324: 103. Ежов А.А.; Токаев
- Page 325 and 326: 126. Benson S.W.; Buss J.H. Additiv
- Page 327 and 328: 148. Fisanick W.; Lipkus A.H.; Rusi
- Page 329 and 330: 169. Klopman G.; Macina O.T.; Levin
- Page 331 and 332: 189. Nilakantan R.; Bauman N.; Dixo
- Page 333 and 334: 209. Татевский В.М. Кл
Рис. 65. Конфигурация нейронного устройства для молекулы пропана<br />
В качестве еще одного примера, на Рис. 65 представлена конфигурация<br />
этого же нейронного устройства уже в применении к молекуле пропана. В этом<br />
случае, инвариантность предсказываемых нейронным устройством свойств химических<br />
соединений относительно перенумерации атомов обеспечивается<br />
следующими ограничениями, налагаемыми на значения весов связей ω'' и порогов<br />
активации θ'': ω′′ 46 ,<br />
= ω′′ 47 ,<br />
= ω′′<br />
48 ,<br />
; ω′′ 613 ,<br />
= ω′′ 715 ,<br />
= ω817<br />
′′, ; ω′′ = ω′′ = ω′′<br />
284<br />
614 , 716 , 818 ,<br />
;<br />
ω13 ′′<br />
, 27<br />
= ω15 ′′<br />
, 28<br />
= ω17 ′′<br />
, 29; ω14 ′′<br />
, 27<br />
= ω16 ′′<br />
, 28<br />
= ω18 ′′<br />
, 29; ω′′ = ω′′ = ω′′ = ω′′<br />
59 , 510 , 511 , 512 ,<br />
;<br />
ω′′ 919 ,<br />
= ω1021 ′′<br />
,<br />
= ω1123 ′′<br />
,<br />
= ω1225<br />
′′<br />
,<br />
; ω′′ 920 ,<br />
= ω1022 ′′<br />
,<br />
= ω1124 ′′<br />
,<br />
= ω1226<br />
′′<br />
,<br />
; ω′′ = ω′′ = ω′′ = ω′′<br />
19, 27 21, 28 23, 28 25, 29;<br />
ω19 ′′<br />
, 28<br />
= ω′′ 21, 27<br />
= ω′′ 23, 29<br />
= ω′′<br />
25, 28; ω′′ 20, 27<br />
= ω′′ 22, 28<br />
= ω′′ 24, 28<br />
= ω′′<br />
26, 29; ω′′ = ω′′ = ω′′ = ω′′<br />
20, 28 22, 27 24, 29 26, 28;<br />
θ′′ 6<br />
= θ′′ 7<br />
= θ8; ′′ θ′′ 9<br />
= θ10 ′′ = θ11 ′′ = θ12; ′′ θ13 ′′ = θ15 ′′ = θ17; ′′ θ14 ′′ = θ16 ′′ = θ18; ′′ θ′′ = θ′′ = θ′′ = θ′′<br />
θ′′ 20<br />
= θ′′ 22<br />
= θ′′ 24<br />
= θ′′<br />
26.<br />
19 21 23 25;<br />
Обе эти конфигурации могут быть получены путем размножения «рецепторов»<br />
из представленной на Рис. 66 минимальной конфигурации.