期刊文献+

人工神经网络方法研究含硫芳香衍生物毒性与结构的关系 被引量:9

ARTIFICIAL NEURAL NETWORK ANALYSIS ON A SET OF SUBSTITUED AROMATIC SULFUR DERIVATIVES
分享 导出
摘要 结合逐步线性回归方法与人工神经网络方法,研究了含硫芳香衍生物对发光细菌毒性的构效关系,充分表明了两个方法的互补,回归方法为网络方法提供变量的物理解释,网络方法建立精确的构效关系模型,人工神经网络方法在非线民生较强的构效关系研究中起到重要的作用,基于交叉检验,本文还提出了防止人工神经网络方法过拟合现象发生的r判据,对于建立较好的预报模型,具有一定的普遍意义。 With the artificial neural network (ANN) method combined with the multiple linear regression (MLR). a quantitative structure-activity relationship (QSAR) was carried out on a set of 29 substituted aromatic sulfur derivatives. The compounds were tested on photobacteria (photobacterium phosphoreum) for the toxicity. It is shown that the two methods are complementary in the calculations. The regression method gives support to the neural network method with the physical explanation, and the neural network method gives out a more accurate model for QSABR. The ANN method can Play an important role in non-linear QSAR. Based on cross-validation, here we suggested a r-criterion to avoid the overfitting phenomena in ANN.
作者 谢前 孙红梅 Xie Qian; Sun Hongmei; Zhou Jiaju(Luboratory of Computer Chemistry,Institute of Chemical Metallute of Chemical Metallurgy,Chinese Academy of Sciemccs Beijing 100080)
出处 《计算机与应用化学》 CAS CSCD 1996年第1期20-24,共5页 Computers and Applied Chemistry
基金 国家自然科学基金
关键词 神经网络 构效关系 含硫芳香衍生物 Artificial neural network, Structure-activity relationship, Toxicity to photobacteria, r-criterion
  • 相关文献

参考文献6

二级参考文献7

共引文献10

同被引文献79

引证文献9

二级引证文献18

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈