Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ВЫВОДЫ<br />
1. Теоретически обоснован и разработан универсальный подход к прогнозированию<br />
свойств органических соединений на основе комбинированного использования<br />
искусственных нейронных сетей и фрагментных дескрипторов.<br />
2. В рамках развития нейросетевых подходов разработаны: а) трехвыборочный<br />
подход и на его основе - процедуры трехвыборочного и двойного скользящего<br />
контроля, позволяющие эффективно предотвращать «переучивание» нейросетей<br />
и объективно оценивать прогнозирующую способность нейросетевых моделей;<br />
б) статистический метод быстрой пошаговой множественной линейной<br />
регрессии, позволяющий эффективно осуществлять отбор дескрипторов для<br />
построения нейросетевых моделей; в) метод интерпретации нейросетевых регрессионных<br />
моделей, позволяющий описывать характер найденных зависимостей;<br />
г) концепция «обучаемой симметрии», позволяющая улучшать прогнозирующую<br />
способность моделей «структура-свойство» за счет корректного учета<br />
в них свойств симметрии.<br />
3. В рамках развития фрагментных подходов разработаны: а) иерархическая<br />
система классификации типов атомов, входящих в состав фрагментов, а также<br />
структура и алгоритм генерации фрагментных дескрипторов, ориентированных<br />
на прогнозирование свойств органических соединений; б) концепция фрагментов<br />
с «выделенными» атомами, позволяющая прогнозировать: локальные свойства<br />
органических соединений; константы заместителей и скоростей реакций;<br />
свойства полимерных и супрамолекулярных соединений; биологическую активность<br />
внутри рядов органических соединений с учетом стереохимической<br />
информации; в) концепция псевдофрагментных дескрипторов как средство повышения<br />
прогнозирующей способности моделей «структура-свойство» за счет<br />
решения проблемы «редких» фрагментов.<br />
4. В рамках развития интегрированных подходов разработаны: а) методы<br />
интеграции нейросетевого и молекулярного моделирования, ведущие к значительному<br />
улучшению прогнозирующей способности построенных моделей; б)<br />
концепция построения нейросетевых моделей «структура-условия-свойство»,<br />
312