权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

ニュ-ラルネットワ-クの薬物の構造活性相関への応用

神经网络在药物构效关系中的应用

基本信息

批准号：
02807197
负责人：
市川紘
金额：
$ 1.15万
依托单位：
Hoshi University
依托单位国家：
日本
项目类别：
Grant-in-Aid for General Scientific Research (C)
财政年份：
1990
资助国家：
日本
起止时间：
1990 至无数据
项目状态：
已结题

项目摘要

階層型ニュ-ラルネットワ-ク(NN)の分類及びFitting動作は従来方法に比べて柔軟性にとみかつ確実な動作であることが知られているが、その動作原理が明らかでなかった。私はNNの分類動作と従来から用いられている適応最小自乗(ALS)法、NNのfitting動作と、重回帰分析法との数学的関係を明らかにし、NNの動作はALS法及び重回帰分析法の非線形拡張であることを示し、NNはその動作に制限を加えることでALSおよび重回帰分析法を再現することを示した。NNでは入出力関係が明確ではないと言われているため、私はNNの情報の流れを数学的に検討し、NNでの入出力関係すなわち出力の強度を決定する入力因子を求める方法(相関指数)を提出した。相関指数は線形入出力関係のデ-タでは重回帰分析における相関係数に一致する量である。この研究において私はニュ-ロンの不飽和動作関数および逆伝播学習におけるニュ-ロン疲労の概念を導入した。当研究に用いたNNのシミュレ-ションプログラムを東京大学大型計算機センタ-内システムに登録し一般公開を手続き中である。大型計算機を用いてNNの学習特性を検討し、再構築学習法の提出に至った。すなわち、通常の逆伝播学習において形成した結合行列の一部を消去するような忘却効果を導入し、学習と忘却を繰り返しながら結合行列を生成させる。こうすることによって、シナプス強化則が適用され、小数のニュ-ロン間の結合は強固になり他のほとんどのニュ-ロン間の結合は無くなる。この結果.最小のネットワ-ク構成が定まり、入力と出力間の情報の流れが明確になった。この方法を薬物の構造活性相関のデ-タに適用し、ALS法の認識関数では分離できなかった情報経路を示した。

The classification and Fitting action of hierarchical type (NN) are different from that of soft type (NN). The mathematical relationship between NN's classification action and its application is illustrated by ALS method, NN's fitting action and regression analysis method. NN's action is illustrated by ALS method and regression analysis method. NN's action is illustrated by ALS method and regression analysis method. A mathematical method for determining the input force factor (correlation index) is proposed. The correlation index is the linear input force relationship, and the correlation coefficient is the consistent quantity. This study introduces the concept of "unsaturation" in the process of learning and reverse propagation. When the study was conducted, the university of tokyo's mainframe computer system was registered in the public domain. A Study on Learning Characteristics of Neural Networks for Large-Scale Computer Applications and a Proposal for Reconstructing Learning Methods In general, reverse propagation learning forms a part of the combined array, which is deleted, forgotten, introduced, learned, and returned to the combined array. The combination between the decimal number and the number of digits is strong. The combination between the decimal number and the number of digits is strong. The result. The information flow between input and output is clear. This method is applicable to the structural activity of the material, and the ALS method is used to understand the relationship between the information and the separation.