人工神经网络输入层节点筛选规则确定.pdfVIP

维普资讯 高大文等 ：人工神经网络输入层节点筛选规则的确定 人工神经网络输入层节点筛选规则的确定① 高大文② 王 鹏③ 孙丽欣 郑 彤 (哈尔滨工业大学市政环境工程学院环境科学-9工程系 哈尔滨 150001) 摘 要 针对 目前应用人工神经 网络构建定量构效关系模 型中输入层节点筛选存在 的问 题 ，提 出了采用人工神经网络对 网络输入层节点进行筛选 ，归纳出筛选规则。利用此规则 可简便 、快速地对多氯酚生物毒性预测人工神经网络模型的输入层节点进行筛选 ，输入层 节点 由最初的24个筛选到最后的3个。对筛选过程 中不同输入层节点构建 的网络模型 质量和预测能力进行比较 ，得 出含有较少输入层节点的人工神经 网络模 型的预测能力较 高，运算速度较快。该规则的建立有利于进一步开展有机化学品生物毒理学的研究，并且 该方法可 以推广到人工神经网络应用 的其他领域 。 关键词 筛选规则，结构参数，生物毒性，人工神经网络，定量构效关系 人工神经网络信息流分析工作的基础上[，作者设 引言 想可以通过网络 自身特点来达到对输入层节点的筛 选 ，即利用网络节点间的连接权值 的大小对输入层 现代工业 的发展使得有机化学品的数量和种类 节点进行筛选 。 噌多。人们应 当认识到 ，在它们带来方便 的同 L对我们的生存环境造成 了污染 。面对如此众 1 人工神经 网络 有机化学品，仅仅依靠生物毒性试验是不经济 L是不现实 的。定量构效关系 (简称 QSAR)是 人工神经网络 (ArtificialNeuralNetwork，简称 子拓扑学研究为基础 ，定量描述结构与活性 的 ANN)是最近发展起来 的十分热 门的交叉学科 ，它 ，其研究结果为药学、环境毒理学等的研究提供 涉及生物 、电子 、计算机 、数学和物理等学科 ，有着非 指导 。 常广泛的应用前景 。人工神经网络就是采用物理可 在定量构效关系研究中，以往构造人工神经 网 实现的系统来模仿人脑神经细胞的结构和功能的系 型，经常根据人为经验或与所要预测 的活性有 统。它是由很多处理单元 (processingelements)有机 泪关性来选择结构参数作为网络 的输入层节 地连接起来 ，进行并行的工作。它的处理单元十分 。 有时，当输入变量很多时，经常采用多元线 简单 ，工作则是 “集体”进行 的，其信息传播 ，存贮方 月分析的方法筛选输入层节点_3J。这往往带 式与神经 网络相似。它没有运算器 、存贮器和控制 面性 。由于结构与活性之间很少具有严格的线 器这些现代计算机 的基本单元 ，而是相 同的简单处 系，这样在筛选节点时可能把结构与活性之 间 理器的组合，其信息存贮在处理单元之间的连接上 。 些重要的非线性信息忽略掉 ，给准确构造人工 因而 ，它是与现代计算机完全不同的系统。 习络模型带来困难。而仅根据经验则往往会把 前馈型人工神经网络结构上采用 的是其信息只 对模型贡献较小 的参量引入网络 能从输入层单元到它上面一层 的单元 ，结构是分层 中来 ，这样势必会造成网络臃肿 ， 的，第一层的单元与第二层的单元相联，第二层又与 影响网络收敛速度和易于使网络 其上一层所有的单元相联 ，如图 1所示。最下一层 陷入局部极小。另外 ，当外推这 为输入层 ，最上一层为输 出层 ，中间为隐含层 ，隐含 组学习输入 ／输出数据时，预测结 层 的层数可 以