人工神经网络输入层节点筛选规则的确定

被引:15
作者
高大文
王鹏
孙丽欣
郑彤
机构
[1] 哈尔滨工业大学市政环境工程学院环境科学与工程系
[2] 哈尔滨工业大学市政环境工程学院环境科学与工程系 哈尔滨
[3] 哈尔滨
关键词
筛选规则; 结构参数; 生物毒性; 人工神经网络; 定量构效关系;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对目前应用人工神经网络构建定量构效关系模型中输入层节点筛选存在的问题 ,提出了采用人工神经网络对网络输入层节点进行筛选 ,归纳出筛选规则。利用此规则可简便、快速地对多氯酚生物毒性预测人工神经网络模型的输入层节点进行筛选 ,输入层节点由最初的 2 4个筛选到最后的 3个。对筛选过程中不同输入层节点构建的网络模型质量和预测能力进行比较 ,得出含有较少输入层节点的人工神经网络模型的预测能力较高 ,运算速度较快。该规则的建立有利于进一步开展有机化学品生物毒理学的研究 ,并且该方法可以推广到人工神经网络应用的其他领域
引用
收藏
页码:65 / 68
页数:4
相关论文
共 7 条
[1]   多氯酚QSAR建模的人工神经网络信息流分析 [J].
高大文 ;
王鹏 ;
郭晓燕 .
哈尔滨工业大学学报, 2001, (04) :465-468
[2]   有机化学品点价自相关拓扑指数与生物降解性的定量关系 [J].
于秀娟 ;
王鹏 ;
龙明策 ;
郭晓燕 .
环境科学学报, 2000, (S1) :93-96
[3]   有机化学品的自相关拓扑指数与生物毒性的定量关系 [J].
王鹏 ;
苏建成 ;
陈春云 ;
不详 .
中国环境科学 , 1998, (04) :19-22
[4]   酚类化合物的QSAR研究 [J].
郭明 ;
许禄 .
环境科学学报, 1998, (02) :12-17
[5]   运用回归分析与人工神经网络预测含硫芳香族化合物好氧生物降解速率常数 [J].
张爱茜 ;
韩朔睽 ;
沈洲 ;
马静 .
环境科学, 1998, (01) :38-41
[6]   多氯酚QSAR数值模型比较研究 [J].
王桂莲,白乃彬 .
环境科学学报, 1996, (02) :190-194
[7]  
Vracko M. J Chem Inf Comput Sci . 1997