ニュ-ラルネットワ-クの薬物の構造活性相関への応用

神经网络在药物构效关系中的应用

基本信息

批准号：
02807197
负责人：
市川紘
金额：
$ 1.15万
依托单位：
Hoshi University
依托单位国家：
日本
项目类别：
Grant-in-Aid for General Scientific Research (C)
财政年份：
1990
资助国家：
日本
起止时间：
1990 至无数据
项目状态：
已结题

项目摘要

階層型ニュ-ラルネットワ-ク(NN)の分類及びFitting動作は従来方法に比べて柔軟性にとみかつ確実な動作であることが知られているが、その動作原理が明らかでなかった。私はNNの分類動作と従来から用いられている適応最小自乗(ALS)法、NNのfitting動作と、重回帰分析法との数学的関係を明らかにし、NNの動作はALS法及び重回帰分析法の非線形拡張であることを示し、NNはその動作に制限を加えることでALSおよび重回帰分析法を再現することを示した。NNでは入出力関係が明確ではないと言われているため、私はNNの情報の流れを数学的に検討し、NNでの入出力関係すなわち出力の強度を決定する入力因子を求める方法(相関指数)を提出した。相関指数は線形入出力関係のデ-タでは重回帰分析における相関係数に一致する量である。この研究において私はニュ-ロンの不飽和動作関数および逆伝播学習におけるニュ-ロン疲労の概念を導入した。当研究に用いたNNのシミュレ-ションプログラムを東京大学大型計算機センタ-内システムに登録し一般公開を手続き中である。大型計算機を用いてNNの学習特性を検討し、再構築学習法の提出に至った。すなわち、通常の逆伝播学習において形成した結合行列の一部を消去するような忘却効果を導入し、学習と忘却を繰り返しながら結合行列を生成させる。こうすることによって、シナプス強化則が適用され、小数のニュ-ロン間の結合は強固になり他のほとんどのニュ-ロン間の結合は無くなる。この結果.最小のネットワ-ク構成が定まり、入力と出力間の情報の流れが明確になった。この方法を薬物の構造活性相関のデ-タに適用し、ALS法の認識関数では分離できなかった情報経路を示した。

尽管众所周知，分层神经网络（NN）的分类和拟合操作比传统方法更加灵活和可靠，但其操作原理尚未阐明。我阐明了神经网络的分类操作、常规使用的自适应最小二乘法（ALS）、神经网络的拟合操作和多元回归分析方法之间的数学关系，我们证明了神经网络可以重现ALS和多元回归分析方法。通过对其操作添加限制。据说NN中的输入输出关系不明确，所以我从数学上研究了NN中的信息流，开发了一种方法（相关性）来寻找决定NN中输入输出关系的输入因素，即输出强度）已提交。相关指数是对具有线性输入输出关系的数据进行多元回归分析时对应相关系数的量。在这项研究中，我介绍了反向传播学习中神经元不饱和操作功能和神经元疲劳的概念。本研究中使用的神经网络模拟程序已在东京大学大型计算机中心的系统中注册，我们正在将其公开。我们使用大型计算机研究了神经网络的学习特性，并提出了一种重构学习方法。即引入遗忘效应，擦除正常反向传播学习中形成的连接矩阵的一部分，在重复学习和遗忘的同时生成连接矩阵。通过这样做，应用了突触强化定律，少数神经元之间的连接变强，而大多数其他神经元之间的连接消失。由此确定了最小网络配置，输入和输出之间的信息流变得清晰。我们将该方法应用于药物结构-活性关系的数据，并显示了使用 ALS 方法的识别功能无法分离的信息路径。