2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩57頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本論文研究了機(jī)器學(xué)習(xí)方法在化合物的藥物活性上,進(jìn)行分類預(yù)測(cè)的應(yīng)用。全文包括兩個(gè)章節(jié),第一章,敘述了支持向量學(xué)習(xí)機(jī)分類方法以及其它幾種機(jī)器學(xué)習(xí)方法,用于分類建模的理論基礎(chǔ);第二章,主要是對(duì)方法的實(shí)際應(yīng)用型研究,即機(jī)器學(xué)習(xí)分類方法在二氫葉酸還原酶抑制劑藥物的活性分類預(yù)測(cè)中的運(yùn)用。 在第一章中,首先對(duì)計(jì)算機(jī)輔助藥物分子設(shè)計(jì)的發(fā)展背景及研究概況進(jìn)行了介紹,并詳細(xì)闡述了支持向量學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)絡(luò),調(diào)節(jié)性邏輯回歸,和K-最臨近等機(jī)器學(xué)習(xí)方

2、法的理論基礎(chǔ);對(duì)在建模初期,分子幾何結(jié)構(gòu)的優(yōu)化及相關(guān)軟件進(jìn)行了說(shuō)明;概述了用來(lái)描述分子物理及化學(xué)性質(zhì)的描述符的定義、名稱以及分類;對(duì)用于訓(xùn)練集設(shè)計(jì)的Random Selection算法、Kohonenself-organising maps算法和Kennard—Stotle算法,以及用于變量篩選的Metropolis Monte Carlo模擬退火方法和遺傳算法進(jìn)行了闡述;最后就模型好壞的評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行了說(shuō)明。 第二章主要是用機(jī)器

3、學(xué)習(xí)方法對(duì)二氫葉酸還原酶抑制劑,進(jìn)行了藥物活性的分類預(yù)測(cè)。首先對(duì)已知活性的761個(gè)二氫葉酸還原酶抑制劑分子結(jié)構(gòu)進(jìn)行幾何構(gòu)型優(yōu)化,在此結(jié)構(gòu)基礎(chǔ)上,計(jì)算了463個(gè)組成描述符和拓?fù)涿枋龇?,以此?lái)表征化合物分子的物理及化學(xué)特征。在訓(xùn)練集設(shè)計(jì)時(shí),使用了Kennard—Stone方法和Random方法,對(duì)其基礎(chǔ)上建立模型的分類結(jié)果進(jìn)行了比較,說(shuō)明Kennard—Stone方法更適宜于構(gòu)建模型。因此,在比較建模的機(jī)器學(xué)習(xí)方法時(shí),就只使用了Kennar

4、d-Stone方法進(jìn)行訓(xùn)練集的設(shè)計(jì),構(gòu)造好訓(xùn)練集以及測(cè)試集用于建模,并使用預(yù)測(cè)正確率來(lái)評(píng)估模型的預(yù)測(cè)能力。對(duì)于支持向量學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)絡(luò),調(diào)節(jié)性邏輯回歸,和K-最臨近等機(jī)器學(xué)習(xí)方法所建模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,評(píng)定支持向量學(xué)習(xí)機(jī)建立的模型最優(yōu),有較好的預(yù)測(cè)結(jié)果,其總體預(yù)測(cè)正確率為89.01%。在此基礎(chǔ)上,經(jīng)過(guò)標(biāo)準(zhǔn)化和進(jìn)行Metropolis MonteCarlo模擬退火算法的變量篩選,對(duì)描述符進(jìn)一步處理,最終篩選出158個(gè)對(duì)預(yù)測(cè)結(jié)果影響

5、較大的描述符。最終建立的模型的預(yù)測(cè)結(jié)果進(jìn)一步得到改善,其總體預(yù)測(cè)正確率提高到了91.62%。說(shuō)明了通過(guò)合適的訓(xùn)練集設(shè)計(jì)及變量選擇,支持向量學(xué)習(xí)機(jī)方法可很好地用于二氫葉酸還原酶抑制劑的活性分類預(yù)測(cè)。在二氫葉酸還原酶抑制劑的活性分類預(yù)測(cè)上,有較好結(jié)果的支持向量學(xué)習(xí)機(jī)方法,可通過(guò)訓(xùn)練集的設(shè)計(jì)和變量選擇來(lái)改善模型。通過(guò)使用:Kennard-Stone方法進(jìn)行訓(xùn)練集的設(shè)計(jì)以及Metropolis Monte Carlo模擬退火方法進(jìn)行變量篩選,可

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論