版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,ANN)是對人腦若干基本特性通過數(shù)學(xué)方法進(jìn)行的抽象和模擬,是一種模仿人腦結(jié)構(gòu)及其功能的非線性信息處理系統(tǒng)。BP(Back-Propagation)網(wǎng)絡(luò)是一種采用反向傳播學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò),對于在任意閉區(qū)間內(nèi)的一個(gè)連續(xù)函數(shù)都可以用單隱層的BP網(wǎng)絡(luò)逼近,一個(gè)三層的BP網(wǎng)絡(luò)就可以完成任意的n維到m維的映射。 遺傳算法(GeneticAlgorithm,GA)以生物進(jìn)化過程為
2、背景,模擬生物進(jìn)化的步驟,將繁殖、雜交、變異、競爭和選擇等概念引入到算法中,通過維持一組可行解,并對可行解進(jìn)行重新組合,改進(jìn)可行解在多維空間內(nèi)的移動軌跡或趨向,最終走向最優(yōu)解。它克服了傳統(tǒng)優(yōu)化方法容易陷入局部極值的缺點(diǎn),是一種全局優(yōu)化算法。 第一部分將神經(jīng)網(wǎng)絡(luò)應(yīng)用到藥物透過人皮膚的滲透性能預(yù)測研究中。采集兩組數(shù)據(jù)樣本,甩Matlab自編程序分別建立了預(yù)測藥物經(jīng)皮滲透速率BP網(wǎng)絡(luò)和預(yù)測經(jīng)皮滲透系數(shù)的BP網(wǎng)絡(luò)模型。兩個(gè)模型的輸入變量
3、相同,為藥物的分子量(Mr),油水分配系數(shù)(10gKow),供氫數(shù)(Hd)和受氫數(shù)(Ha)。輸出變量分別為藥物經(jīng)皮滲透速率(logJmax)和經(jīng)皮滲透系數(shù)(logKp)。前者模型測試組預(yù)測logJmax與實(shí)際logJmax的相關(guān)系數(shù)平方為0.997,回歸直線的斜率為0.970。后者模型測試組預(yù)測得到的logKp與實(shí)際logKp的相關(guān)系數(shù)為0.95,均方誤差平方根(RMSE)為0.37。本研究表明BP神經(jīng)能夠很好地預(yù)測藥物透過皮膚的滲透性
4、能。 第二部分旨在建立一個(gè)生物藥劑學(xué)分類系統(tǒng)(BCS)預(yù)測模型。藥物在BCS中的分類取決于其溶解性和滲透性。故首先建立藥物特征溶解度模型和絕對生物利用度模型。用多元線性回歸和神經(jīng)網(wǎng)絡(luò)建立溶解度的線性模型和非線性模型,通過模型預(yù)測值與實(shí)際值的相關(guān)系數(shù)(R)、均方誤差平方根(RMSE)和AIC比較,神經(jīng)網(wǎng)絡(luò)模型比逐步線性回歸模型優(yōu)越。用神經(jīng)網(wǎng)絡(luò)建立兩種預(yù)測藥物口服絕對生物利用度的模型。前者的輸入變量為7個(gè)已能明確解釋的理論參數(shù),后者
5、的輸入變量有15個(gè),包括上述變量和用遺傳算法篩選出來的8個(gè)變量。通過比較,后者的預(yù)測效能優(yōu)越。采集16個(gè)BCS分類明確的藥物樣本,用自行建立的溶解度模型和生物利用度模型預(yù)測分類,溶解度預(yù)測準(zhǔn)確度為93.8%,滲透性預(yù)測準(zhǔn)確度為81.2%,生物藥劑學(xué)分類系統(tǒng)預(yù)測準(zhǔn)確度為75.0%。 第三部分將神經(jīng)網(wǎng)絡(luò)應(yīng)用到藥動學(xué)參數(shù)的預(yù)測,用BP網(wǎng)絡(luò)預(yù)測新生兒丁胺卡那霉素消除速率常數(shù)。建立梯度下降BP網(wǎng)絡(luò)(GD-BP-NN),貝葉斯標(biāo)準(zhǔn)化BP網(wǎng)絡(luò)
6、(BR-BP-NN)和遺傳BP網(wǎng)絡(luò)(G-BP-NN),以23例新生兒靜脈滴注丁胺卡那霉素相關(guān)臨床資料為研究對象,研究新生兒胎齡、日齡和體重對丁胺卡那霉素消除速率的影響,預(yù)測患者的消除速率常數(shù),并比較三種網(wǎng)絡(luò)的預(yù)測精度和運(yùn)行效率。結(jié)果表明GD-BP-NN,BR-BP-NN和G-BP-NN測試組預(yù)測值和實(shí)驗(yàn)計(jì)算值的相關(guān)系數(shù)分別為0.92,0.91和0.98;測試組均方誤差平方根(RMSE)分別是0.020,0.024和0.010;相同的預(yù)測
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 人工智能算法在構(gòu)件檢索中的應(yīng)用.pdf
- 《人工智能》在生活中的應(yīng)用論文
- 畢業(yè)論文-物流調(diào)度中的混合人工智能算法
- 物流調(diào)度中的混合人工智能算法畢業(yè)設(shè)計(jì)
- 基于人工智能算法的軌道不平順估計(jì).pdf
- 生物藥劑學(xué)
- 基于人工智能算法的圖像識別與生成
- 基于人工智能算法的艙室振動噪聲快速預(yù)報(bào).pdf
- 04 生物藥劑學(xué)
- 生物藥劑學(xué)3
- “生物藥劑學(xué)”習(xí)題
- 生物藥劑學(xué)概述
- 基于人工智能算法的自組構(gòu)天線的優(yōu)化設(shè)計(jì).pdf
- 基于人工智能算法的QR碼識別系統(tǒng)應(yīng)用與比較.pdf
- 生物藥劑學(xué)new
- 基于人工智能算法的腧穴配伍規(guī)律的研究.pdf
- 仁醫(yī)網(wǎng)藥劑學(xué)(藥劑學(xué))
- 生物識別技術(shù)中的智能算法.pdf
- 藥物分布-生物藥劑學(xué)
- 游戲人工智能中A-算法的應(yīng)用研究.pdf
評論
0/150
提交評論