人工神经网络用于异噻唑啉酮的定量结构-活性关系研究

采用误差反传前向人工神经网络(artificial neural network,ANN)建立了21种2-(4-取代-苯基)-3-异噻唑啉酮类化合物的结构与其抗菌活性之间的定量关系模型(ANN模型),以21种3-异噻唑啉酮类化合物的量子化学参数和拓扑指数作为输入、抗菌活性作为输出,所构建网络模型的交叉检验相关系数为0.991 6、标准偏差为0.080 1、残差绝对值≤0.221,应用于外部预测集,预测集相关系数为0.973 1;而多元线性回归(multiple linearregression,MLR)法模型的相关系数为0.841 8、标准偏差为0.303 9、残差绝对值≤0.636。结果表明,ANN模型获得了比MLR模型更好的拟合效果。     

人工神经网络用于地下水挥发性有机物定量结构-色谱保留模型的研究

利用人工神经网络模型(artificial neural network,ANN)以分子电性距离适量和保留时间分别作为输入和输出,建立了地下水26个挥发性有机物的定量结构-色谱保留相关关系模型(quantitative structure-retention relationship,QSRR),所构建网络模型的相关系数为0.998 5,留一交叉检验应用于训练集,其相关系数为0.998 3,该模型应用于外部预测集,其相关系数为0.979 5;而多元线性回归(Multiple Linear regression,MLR)法模型的相关系数为0.949 2,留一交叉检验相关系数为0.897 8。结果表明,ANN模型具有较准确的预测能力,并获得了较好的拟合效果。     

人工神经网络用于有机磷酸酯类定量结构活性关系研究

采用人工神经网络(ANN)建立了35种有机磷酸酯类化合物的结构及其对家蝇急性毒性之间的定量关系模型(ANN模型),以35种有机磷酸酯类化合物的分子电性距离矢量作为输入、对家蝇的急性毒性作为输出,采用内外双重验证的办法分析和检验所得模型的稳定性,所构建网络模型的相关系数为0.999 9、交叉检验相关系数为0.995 8、标准偏差为0.114 1、残差绝对值≤0.40,应用于外部预测集,外部预测集相关系数为0.986 0。而多元线性回归(MLR)法模型的相关系数为0.976 0、标准偏差为0.256 8、残差绝对值≤0.57,外部预测集相关系数为0.975 8。结果表明,ANN模型获得了比MLR模型更好的拟合效果。