Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
1.3. Основные принципы применения искусственных нейронных сетей для прогнозирования<br />
свойств химических соединений<br />
В большинстве работ по применению нейросетей обратного распространения<br />
(многослойных персептронов) для поиска зависимостей структурасвойство<br />
используется следующая методология. Прежде всего, подготавливается<br />
база данных, содержащая структуры химических соединений и известные<br />
значения тех свойств, которые в дальнейшем предполагается при помощи обученной<br />
нейросети прогнозировать. Как правило, эта база разбивается на две<br />
части, по первой из которых, называемой обучающей выборкой, путем многократного<br />
ее предъявления нейросети производится обучение последней, а по<br />
второй, называемой контрольной выборкой, производится контроль прогнозирующей<br />
способности обученной нейросети. В качестве вариантов иногда используются<br />
две контрольные выборки, а также процедура скользящего контроля,<br />
при которой каждое из соединений при одной из разбивок попадает в контрольную<br />
выборку. На следующем этапе для всех химических соединений из<br />
выборок производится расчет дескрипторов, т.е. чисел, описывающих структуру<br />
химического соединения. Как правило, эти числа инвариантны к перенумерации<br />
вершин молекулярного графа, которым может быть описана структура<br />
химического соединения, т.е. являются инвариантами графов. Дескрипторы могут<br />
быть фрагментными (подструктурными), топологическими индексами, физико-химическими,<br />
квантово-химическими, характеристиками пространственных<br />
структур и т.д. Достаточно полный набор дескрипторов, используемых в<br />
современных исследованиях структура-свойство, описан в книге Р.Тодескини<br />
(R.Todeschini) и В.Консонни (V.Consonni) [105].<br />
Далее, после необязательной стадии предварительного отбора либо преобразования<br />
дескрипторов следует этап построения нейронной сети. Число<br />
нейронов входного слоя обычно берется равным числу дескрипторов, и уровень<br />
выходного сигнала каждого из них устанавливается равным значению соответствующего<br />
дескриптора после его нормализации или масштабирования). Число<br />
выходных нейронов равно числу одновременно прогнозируемых свойств, при-<br />
60
Change language