- Page 1 and 2:
На правах рукописи
- Page 3 and 4:
2.2.6. Классификация
- Page 5 and 6:
5.4. Псевдофрагментн
- Page 7 and 8:
7.4.3. Примеры разных
- Page 9 and 10:
ВВЕДЕНИЕ На соврем
- Page 11 and 12:
более точного прог
- Page 13 and 14:
ГЛАВА 1. ИСКУССТВЕН
- Page 15 and 16:
входными; нейроны,
- Page 17 and 18:
Таким образом, урав
- Page 19 and 20:
1.2.4. Нейросети обра
- Page 21 and 22:
Значения весов объ
- Page 23 and 24:
Таким образом, знач
- Page 25 and 26:
жения в статье Руме
- Page 27 and 28:
Рис. 5. Введение мом
- Page 29 and 30:
адаптивно настраив
- Page 31 and 32:
1.2.4.7. Квазиньютонов
- Page 33 and 34:
(химических соедин
- Page 35 and 36:
на границах решетк
- Page 37 and 38:
ными значениями со
- Page 39 and 40:
рующие один и тот ж
- Page 41 and 42:
дящихся на 2-ом, 3-м и
- Page 43 and 44:
всех RBF-нейронов, а
- Page 45 and 46:
чающей выборки, при
- Page 47 and 48:
Рис. 10. Архитектура
- Page 49 and 50:
1.2.5.4. Нейросети на о
- Page 51 and 52:
ми связями, занимае
- Page 53 and 54:
практически важных
- Page 55 and 56:
ния классического
- Page 57 and 58:
ческому мозгу во вр
- Page 59 and 60:
лаждения системы и
- Page 61 and 62:
чем в качестве прог
- Page 63 and 64:
ГЛАВА 2. ФРАГМЕНТНЫ
- Page 65 and 66:
му типу биологичес
- Page 67 and 68:
тему опубликовано
- Page 69 and 70:
В настоящее время п
- Page 71 and 72:
ниях QSPR/QSAR/SAR. И дейс
- Page 73 and 74:
В качестве характе
- Page 75 and 76:
Некоторые типы ЦАФ
- Page 77 and 78:
кроме того, они сно
- Page 79 and 80:
Следует упомянуть
- Page 81 and 82:
зисных графов, пред
- Page 83 and 84:
рой равен 1 только в
- Page 85 and 86:
множества различны
- Page 87 and 88:
при проведении вир
- Page 89 and 90:
21 01 12 12 21 01 Рис. 17. Ре
- Page 91 and 92:
ределенных атомных
- Page 93 and 94:
элементам, что може
- Page 95 and 96:
наличие или отсутс
- Page 97 and 98:
использовались в н
- Page 99 and 100:
ложенные в 1985 г. ато
- Page 101 and 102:
2.3. Ограничения фра
- Page 103 and 104:
ГЛАВА 3. МАТЕМАТИЧЕ
- Page 105 and 106:
качестве меток исп
- Page 107 and 108:
ной нумерации граф
- Page 109 and 110:
нейронной сети с пр
- Page 111 and 112:
ГЛАВА 4. РАЗРАБОТКА
- Page 113 and 114:
линейные комбинаци
- Page 115 and 116:
таться внешней по о
- Page 117 and 118:
Предсказанное знач
- Page 119 and 120:
рипторе, то он пере
- Page 121 and 122:
Для решения этой пр
- Page 123 and 124:
• D x - среднее значе
- Page 125 and 126:
R 1 R 2 R 1 R 2 X R 6 X R N + 3 (CH
- Page 127 and 128:
В соответствии с вы
- Page 129 and 130:
зовании рассмотрен
- Page 131 and 132:
R4 R5 R3 R6 N (a) R2 6 N 2 6 2 6 2
- Page 133 and 134:
f ( x, y) ≡ f ( y, x) ⇔ f ( x,
- Page 135 and 136:
R3 R2 R5 R6 Общая формул
- Page 137 and 138:
ко, эта разница все
- Page 139 and 140:
переставленными эк
- Page 141 and 142:
лей приведен в рабо
- Page 143 and 144:
деленными» атомами
- Page 145 and 146:
5.1.2. Иерархическая
- Page 147 and 148:
водородного соседа
- Page 149 and 150:
Атом кислорода в со
- Page 151 and 152:
PA1 -PH 2 Атом фосфора,
- Page 153 and 154:
Br2 -Br= Формально нез
- Page 155 and 156:
то в дальнейшем буд
- Page 157 and 158:
После нахождения п
- Page 159 and 160:
5.2.1. Прогнозировани
- Page 161 and 162:
зей, а также учитыв
- Page 163 and 164:
Эксперимент 50 40 30 20
- Page 165 and 166:
Построение QSPR-моде
- Page 167 and 168:
работе [268], но с при
- Page 169 and 170:
ляются удобным инс
- Page 171 and 172:
чета этого свойств
- Page 173 and 174:
База 2 (88 соединений
- Page 175 and 176:
«редких фрагментов
- Page 177 and 178:
пользовании 25 деск
- Page 179 and 180:
Tf расч. о С, Tf calc. o C 30
- Page 181 and 182:
На первом этапе раб
- Page 183 and 184:
0,935; s = 0,76 кДж·моль -1
- Page 185 and 186:
пример использован
- Page 187 and 188:
почечных фрагменто
- Page 189 and 190:
ской структуры «ре
- Page 191 and 192:
1 O O OH C C a O C H 2 O H + C C a
- Page 193 and 194:
веществ, например,
- Page 195 and 196:
до 28.0 (MAE DCV ). Повыше
- Page 197 and 198:
Таким образом, псев
- Page 199 and 200:
цепочки длиной до д
- Page 201 and 202:
алканов, см 3 /моль 7
- Page 203 and 204:
свое преимущество
- Page 205 and 206:
6.3.1. Общая методоло
- Page 207 and 208:
бирался оптимальны
- Page 209 and 210:
0,25 Результаты полу
- Page 211 and 212:
При анализе дескри
- Page 213 and 214:
414]). Следует также о
- Page 215 and 216:
d расч., г/куб.см 4,0 3,0
- Page 217 and 218:
Табл. 15. Корреляция
- Page 219 and 220:
Табл. 16. Усредненны
- Page 221 and 222:
Как видно из Табл. 16
- Page 223 and 224:
нием ошибки примен
- Page 225 and 226:
NASAWIN (см. раздел 8.2) н
- Page 227 and 228:
ГЛАВА 7. РАЗРАБОТКА
- Page 229 and 230:
ного моделирования
- Page 231 and 232:
ля и даже более сов
- 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 and 284:
7.4.3. Примеры разных
- Page 285 and 286:
Рис. 66. Минимальная
- 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
- Page 335 and 336: ces and Related Descriptors in QSAR
- Page 337 and 338: 248. MOE, Molecular Operating Envir
- Page 339 and 340: 269. Estrada E.; Gonzalez H. What A
- Page 341 and 342: 288. Saigo H.; Kadowaki T.; Tsuda K
- Page 343 and 344: 309. Vladutz G. Modern Approaches t
- Page 345 and 346: 331. Rouvray D.H. Predicting Chemis
- Page 347 and 348: 352. Корн Г.; Корн Т. С
- Page 349 and 350: 374. Abraham M.H.; McGowan J.C. The
- Page 351 and 352: 394. Polanski J.; Gieleciak R.; Wys
- Page 353 and 354: 417. Goll E.S.; Jurs P.C. Predictio
- Page 355 and 356: ренции “Молекуляр
- Page 357 and 358: 454. Kobakhidze N.; Gverdtsiteli M.
- Page 359 and 360: Approaches to Model Tissue-Air Part
- Page 361: 499. Lohninger H. Evaluation of Neu
- Page 365: СПИСОК ОБОЗНАЧЕНИЙ