贝叶斯规整化神经网络模型预测化合物分子的血脑屏障通透性

通过分子结构预测血脑屏障通透性是一个颇具挑战性的课题.建立了一个预测化合物分子的血脑屏障分配系数(logBB)的QSAR模型.该模型由表示分子大小、拓扑性质和脂水分配性质的QSAR参数组成.模型被用来预测52个化合物的血脑屏障分配系数,并通过测试集(从52个化合物种选取10个)进行验证,预测值-实验值的相关系数平方(R2)为0.974,均方差(MsE)为0.017 2.验证结果显示该模型大大优于传统使用的多元线性回归模型.因此,该模型可以用于预测药物分子和类似药物分子的血脑屏障通透性.     

基于贝叶斯正则化BP神经网络的股票指数预测

提出了利用贝叶斯正则化BP神经网络对股票指数进行预测.通过对比实验表明,贝叶斯正则化的BP神经网络比相同条件下采用其他改进算法有较好的泛化能力,对股票指数预测有很好的效果.     

取代苯胺、苯酚对鲤鱼毒性的定量构效关系

测定了16种取代苯胺,苯酚化合物对鲤鱼96h的急性毒性,了中毒症状,根据受体学说,进行定量构效关系（QSAR）研究,建立了QSAR方程,结果表明,分配过程及有机物分子与细胞内分子间的上互作用是影响这两类化合物生物毒性的主要因素。     

氯代苯对水生生物毒性的定量构效关系研究

在烷烃分子距离－边数矢量（ＭＤＥ）的基础上,定义并计算了氯代苯的结构参数。借助多元线回归技术建立 ＭＤＥ矢量与氯代苯类对水生生物毒性的定量结构－毒性相关关系（ＱＳＴＲ）模型,并运用所建模型对外部样本的毒性进行了预测,结果表明模型具有较强的预测能力。     

取代芳烃化合物电子结构与其对发光菌毒性关系的研究

应用量子化学半经验的MNDO方法计算了40个取代芳烃化合物的电子结构,探讨了化合物电子结构与其对发光菌毒性的关系．结果表明：(1)当化合物的分子极化度P、分子体积V、疏水参数logP较大时具有较大的水溶性和脂溶性,因而化合物的毒性较大;(2)当最高占据轨道(HOMO)能级和最低空轨道(LUMO)能级较低时,化合物容易接受电子具有较大的氧化性,取代芳烃的毒性也随之增大;(3)取代基的吸电子能力越强,吸电子基个数越多,苯环的正电性越大,化合物的毒性越大．得到的QSAR方程为：-logEC50=-2．230 O．202P-0．366EHOMO,据此可预测取代芳烃化合物对发光细菌的毒性．     

贝叶斯正则化神经网络在深基坑变形预测的应用

针对传统BP神经网络在深基坑施工开挖变形的预测,基坑的安全性判定仅利用监测的最终数值而无法全面服务于深基坑工程,提出了一种遗传算法(Genetic Algorithm, GA)和贝叶斯正则化算法(Bayesian Regularization, BR)组合优化传统BP神经网络的预测模型,在优化预测模型中加入了影响深基坑安全稳定的客观因素及人为主观因素,进一步提高了BP神经网络全局优化能力以及泛化能力.研究结果表明：该组合优化方法对深基坑地表沉降和水平位移变形预测的平均相对误差分别为0.32%和0.59%,表现出较高的预测精度.该组合优化模型首次在深基坑变形领域验证了应用的可行性,为深基坑变形预测提供了新的思路和方法.     

基因表达式编程用于有机化合物的毒性预测

基因表达式编程方法(GEP)是一种新型的数据挖掘和建模工具,应用GEP方法对110个有机化合物的毒性进行了构效关系研究,并与人工神经网络(BP-ANN)和偏最小二乘(PLS)方法比较.结果发现,GEP方法的预测较好,且模型稳定.     

16α取代雌二醇与雌激素受体ER结合活性的量子化学研究

应用从头算方法(HF／STO-3G)计算了25个16α取代雌二醇的电子结构,研究了化合物的电子结构与活性(Relative Binding Aiffinities)的定量关系,结果表明：(1)前线轨道集中在雌二醇衍生物的活性中心A环、3-OH和17-OH上;(2)支持了17-OH、3-OH与受体形成氢键的观点;(3)16α位引入取代基对17-OH产生空间位阻．取代基体积增大,空间位阻增大,活性降低;(4)16α位的取代基与17-OH形成分子内氢键将使活性降低．     

卤代苯的拓扑指数及毒性构—效关系

根据分子拓扑指数理论，提出了表征卤代苯结构的新拓指数Ｘ＾１ｚ＊和Ｙｚ，并用它们研究了卤代苯化合物对生物的毒性，建立了相对应的定量结构－毒性相关方程，研究结果表明：相关性能良好，标准偏差小，为该类化学品的环境危险性评价提供了依据。     

人工神经网络法预测有机物物性研究(Ⅲ)——分子相似性与取代苯的物性

本文采用相似性计算方法将化合物结构信息变量转换为相似系数变量，并以相似系数作为人工神经网络输入参数，预测多元取代苯的疏水分配系数、硝化反应产率分布和烷基苯的汽化焓．结果与文献值符合较好．     

基于贝叶斯网络和卷积神经网络的手绘草图识别方法

为实现笔画的分组和识别,现有的草图识别算法通常会采用限制用户的绘图习惯来达到目的.该文提出了利用贝叶斯网络和卷积神经网络(CNN)的草图识别方法解决此问题.首先,使用高斯低通滤波器处理输入草图,得到更平滑的图像.然后将连续输入的笔划分为两部分,分别使用贝叶斯网络和卷积神经网络对分割后的笔画进行识别,当笔画的可靠性大于阈值时,以贝叶斯网络的识别结果为准,反之采用CNN的识别结果.实验结果表明,该文算法在电路符号绘制过程中的识别率和绘制完成后的识别率均取得了较好的结果.该文算法具有良好的应用前景.     

基于贝叶斯神经网络的SPA-H热轧板力学性能预测

研究了基于贝叶斯方法的神经网络及其在SPA-H热轧板力学性能预测中的应用.在网络的目标函数中引入代表网络复杂程度的惩罚项,融入"奥克姆剪刀"理论,防止网络"过训练"的发生.考虑到网络在应用中的实际问题,在前人改进的算法基础上,采用Levenberg-Marquardt算法训练网络,提高了该网络的收敛速度.利用上述网络进行SPA-H集装箱热轧板力学性能预测,在收敛速度、稳定性和泛化能力方面都优于传统的BP神经网络.     

基于贝叶斯算法的神经网络优化方法

提出了一种近似建模的前馈网络训练算法一贝叶斯算法,该方法能对模型中的未知量构造其后验分布,提高网络的泛化性能,获取对应于后验分布最大值的权值向量．结果表明,贝叶斯算法所建立的神经网络近似模型具有更高、更稳定的精度．     

人工神经网络方法在苯类衍生物常压沸点预测中的应用

采用误差反传前向人工神经网络模型,优选4个结构因子作为输入特征参数,对苯类衍生物的常压沸点进行预测,网络自相容能力检验及交叉检验结果良好.该方法可作为对有机化合物构效关系及其他性质进行预测的一种有效手段.     

用新型连接性指数与神经网络预测取代苯酚和取代苯甲酸生物降解性

基于Kier和Hall的分子连接性指数及邻接矩阵,定义新型分子连接性指数mKvt,并计算了30种取代苯酚和取代苯甲酸的分子连接性指数。经最佳变量子集回归建立了25种有机污染物生化需氧量(BOD)与2Kpv、5Kpv的定量结构-生物降解相关性(QSBR)模型,该模型判定系数R2、逐一剔除法(LOO)的交互验证系数Q2及Kubinyi函数(FIT)分别为0.818、0.776和3.410,该模型具有高度的稳定性及良好预测能力。据此模型可知,影响有机污染物BOD的主要因素是取代基的电子效应以及分子的柔韧性、折叠程度等空间因素。将这2个结构参数作为人工神经网络的输入层结点,采用2∶5∶1的网络结构,利用BP算法获得了一个令人满意的QSBR模型,其R2和标准偏差s分别为0.967和3.688,表明BOD与2Kpv、5Kvp具有良好的非线性关系。由此可见,新建的连接性指数对有机物生化需氧量的表征是合理有效的,可望在物质构效关系研究中获得广泛应用。     

基于小波降噪与贝叶斯神经网络联合模型的短时交通流量预测

在短时间内准确、稳定地预测出交通流量,是实现智能交通控制系统的重要环节,对于交叉口信号控制方案的实时调整具有重要意义。鉴于此,提出一种 联合模型的预测方式,引入 和 作为模型评价指标,从精度和稳定性两个方面对模型进行评价。结果表明,在 、 、 等不同的时间预测尺度下, 联合模型的 和 均小于小波网络、贝叶斯网络、 网络等方法,短时交通流量预测结果的精度和稳定性得到了不同程度的提高。     

基于Bayes分析的组合多神经网络函数逼近模型

讨论了复杂函数的多神经网络逼近模型的建立方法．针对映射网络泛化能力差以及结构难以确定等问题，提出了一种基于Ｂａｙｅｓ分析的组合多神经网络建模方法．仿真研究表明，这种建模方法提高了神经网络模型的逼近能力，并简化了建模过程     

企业市场占有率预测神经网络模型

目的研究一种与背景无关,能直接模拟市场选择机制的新的预测市场占有率模型。方法 以神经网络技术为基础来建立模型,采用单隐层神经网络结构,以反向传播算法训练神经网络。结果与结论通过与常用的市场占有率预测模型进行数值计算比较,新模型的预测精度高,可靠性强,使预测效果能得到明显改善。