На Ð¿Ñ€Ð°Ð²Ð°Ñ Ñ€ÑƒÐºÐ¾Ð¿Ð¸ÑÐ¸

ВВЕДЕНИЕ
На современном этапе развития химии, когда накоплен и организован в
виде электронных баз данных огромный объем экспериментальных данных,
особое внимание уделяется компьютерным методам обработки характеристик
уже исследованных веществ с целью предсказания свойств, которыми обладают
еще не исследованные соединения либо которыми будут обладать новые, еще
не синтезированные вещества. Это, в свою очередь, открывает большие перспективы
в решении одной из главных задач химической науки - целенаправленной
разработке новых веществ и материалов с заранее заданными свойствами.
Тем не менее, несмотря на актуальность этой задачи, до последнего времени
отсутствовала универсальная, строго обоснованная и, в то же время, легкая
для понимания методология, которая позволила бы химику на основе обработки
экспериментальных данных осуществлять прогнозирование всевозможных
свойств химических соединений. Главной целью настоящей диссертационной
работы была разработка универсальной методологии, позволяющей с единых
позиций прогнозировать самые разнообразные свойства органических соединений
на основе обработки эмпирических данных. В данной работе сначала
математически обоснован, а потом и на множестве примеров проиллюстрировали
центральный тезис диссертационной работы – такой универсальной методологией
является сочетание многослойных искусственных нейронных сетей и
фрагментных дескрипторов.
Искусственные нейронные сети в настоящее время являются одним из
наиболее широко применяемых методов для восстановления по экспериментальным
данным как разнообразных количественных зависимостей, так и для
проведения качественной классификации. Благодаря уникальной возможности
осуществлять построение нелинейных моделей любого уровня сложности,
особенно в тех случаях, когда неизвестен общий вид аналитической зависимости,
нейронные сети нашли широкое применение в рамках поиска зависимостей
9