用于多氯酚QSAR的研究的人工神经网络输入节点的在线筛选.pdfVIP

用于多氯酚OSAR研究的人工神经网络输入节点的在线筛选 高大文王鹏+郭晓燕龙明策 (哈尔滨工业大学环境科学与工程系，哈尔滨150001) 多层前馈式人工神经网络具有很强的模拟多元非线性体系的能力，但目前人工神经网络方法 用于建模尚停留在黑箱模型水平，网络输入与输出间关系不明确；输入输出节点的选择仍然 多为主观人为设定。输入节点的选择在QSAR研究中是非常重要的，它直接影响到分子结构 与活性关系的表达与理论探讨。如何在一组待定的分子结构参数(输入节点)中通过数学的 方法筛选出主要输出节点是ANN建模研究的一个技术关键。实际上，神经网络的输入层、 隐含层和输出层各个节点之间的连接权重中含有丰富的模型信息，将此信息开发出来，对深 入了解模型的输入与输出之间的关系，优化网络结构很有帮助．本文在以前研究工作f24】基础 I二，采用多氯酚活性数据构建定量构效关系ANN模型，通过比较网络连接权值的大小，绘 输入节点的筛选，还对筛选出的主要分子结构参数对生物毒性的影响原理进行了讨论． 1多氯酚QSAR人工神经网络模型的信息流流径分布图 传播算法．该网络中除输入层外，每一个节点的输入为上一层所有节点输出值的线性加权和： 而输出由节点输入、变换函数(Sigmoid函数)及参数集决定，网络信息具体传输原理可用方 程式表达如下： I，=∑％Df+q (1) r Oj=，(j，)=(1+e。J“。)一1 (2) 网络模型的构造中起着非常重要的作用，通过对变量wii和0 J信息的开发，可以深入地探讨 人工神经网络模型的输入与输出间的关系，找到对输出节点影响较大的输入节点，剔除那些 影响小的输入节点，最终达到优化ANN网络结构之目的． 本研究首先对取自文献Il】的19种多氯酚的4种结构参数与3种生物毒性参数所构建的前 次迭代计算，得到网络各层节点间的连接权值和阚值如表1和表2所示． 表1输入层与隐含层之间不同节点的连接权值和阚值 鲤堕坚竺：2 119堂 !i鱼 塑! !＆ hl -92．68 ．54．72 -41．86 ．8．49 ．41．02 h ，83．08 27．61 ．12．26 -O．53 4．52 h， 55．62 43．92 3l_32 14．55 ．0．16 h 98．72 68．2l 55．12 8．75 47．85 表2隐含层与输出层之间不同节点的连接权值和阈值 hl h2 h3 h4 00 01(P) 1．29 2．63 ·19．70 —19．79 -18．50 02(F)38．57 31．30 4．88 —41．10 4．34 亟翌 !：塑 !!：!i ：!!：垫 ：!：!! ：；!：i1 303 输入层 隐含层 输出层 对细菌毒性 对比目鱼毒性 对水蚤毒性 图1 BP一4-4—3 ANN模型的信息流流向分布图 l Distributionofinformationflow theBP一4—4—3artificialneuralnetwork Fig through 对表1和表2所列出的