分子の構造活性相関解析のためのニューラルネットワークシミュレータ Ｎｅｃｏ （ＮＥｕｒａｌ ｎｅｔｗｏｒｋ ｓｉｍｕｌａｔｏｒ ｆｏｒ ｓｔｒｕｃｔｕｒｅ‐ａｃｔｉｖｉｔｙ ＣＯｒｒｅｌａｔｉｏｎ ｏｆ ｍｏｌｅｃｕｌｅｓ）の開発 （７） ペリラルチン類の疎水性パラメータｌｏｇＰの予測
書誌事項
- タイトル別名
-
- Development of a Neural Network Simulator for Structure-activity Correlation of Molecules: Neco. (7). Hydrophobic Parameter (logP) Prediction of Perillartine Derivatives.
- 分子の構造活性相関解析のためのニューラルネットワークシミュレータ:Neco(NEural network simulator for structure-activity COrrelation of molecules)の開発(7)ペリラルチン類の疎水性パラメータlogPの予測
- ブンシ ノ コウゾウ カッセイ ソウカン カイセキ ノ タメ ノ ニューラル ネットワーク シミュレータ Neco NEural network simulator for structure activity COrrelation of molecules ノ カイハツ 7 ペリラルチンルイ ノ ソスイセイ パラメータ logP ノ ヨソク
この論文をさがす
説明
学習方法として中間層において自己組織化を行い、全体に教師付学習の両方を行う、自己組織化とパーセプトロンを融合した二ューラルネットワークシミュレータの開発をプラットフォーム非依存性を持つ Java 言語を用いて行った。本シミュレータは、自己組織化と教師付学習の双方の特徴を併せもつため、従来のニューラルネットワークよりも高精度な認識処理を実現し、かつ高速学習が可能となる。<br> このシミュレータを用いて、分子構造によって甘味や苦味の性質を示す22種類のペリラルチン類の疎水性パラメータ logP の予測を行った。入力パラメータは分子構造STERIMOLパラメータ5種のパラメータと甘味／苦味の分類値を用いた。出力層のノード数を１つにすることで、 logP の値を連続した数値データとして予測できるようにした。絶対誤差が平均して0.02までの学習を500回程度で行うことができ、また未学習データに対しては平均して0.3程度の絶対誤差、最大でも0.8程度の絶対誤差で予測が可能であった。単純パーセプトロンの予測精度は、平均して0.6程度の絶対誤差であり、また最大の絶対誤差は1.3程度と大きく、本手法がより精度の高い予測を行っていることがわかった。<br>&nsp; 本手法は学習回数が単純パーセプトロンに比較して1/5 - 1/10程度少なく、高速学習が可能であった。
収録刊行物
-
- Ｔｈｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｈｅｍｉｃａｌ Ｓｏｆｔｗａｒｅ
-
Ｔｈｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｈｅｍｉｃａｌ Ｓｏｆｔｗａｒｅ 8 (1), 17-26, 2002
日本コンピュータ化学会
- Tweet
キーワード
詳細情報 詳細情報について
-
- CRID
- 1390282679360211328
-
- NII論文ID
- 10022553573
-
- NII書誌ID
- AN10470405
-
- COI
- 1:CAS:528:DC%2BD38Xms1Clsbo%3D
-
- ISSN
- 18838359
- 09180761
-
- NDL書誌ID
- 6369690
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- NDLサーチ
- Crossref
- CiNii Articles
-
- 抄録ライセンスフラグ
- 使用不可