Predictia Toxicitatii Compusilor Aromatici prin Metoda Neuro-Fuzzy

Extras din referat Cum descarc?

1. Abstract:
In ultimii ani, sistemele neuro-fuzzy au atras un interes crescand de cercetare. Acesta abordare a fost folosita cu succes in diferite domenii, cum ar fi intelegerea limbajului natural, robotica si in diagnosticele medicale, bazate in special pe retelele neuro-fuzzy. Compusii aromatici formeaza o mare si o structurala diversitate de grup. Acestea sunt interesante din punct de vedere toxicologic, deoarece acestea obtin un numar al toxicitatii pentru diferite specii. Un set de aproximativ 21 descriptori a fost examinat. Acestea au fost calculate utilizand un algoritmn original, luand in considerare compozitia chimica si aspecte legate de structura principala a 71 compusi organici derivati ai benzenului, fara alte structuri ciclice. 
Descriptorii constitutionali sunt utilizati in conformitate cu CODESSA (Katrizky, 1994): prin raportul cantitativ intre speciile elementare constitutive si masa moleculara si tipul de obligatiuni de stat implicate. Problema este modelata cu sistemul original dezvoltat NIKE, care este un sistem hibrid inteligent dezvoltat pentru predictie, pe baza modulelor neuronale si a retelelor neuro-fuzzy. Contributia fiecarui descriptor in ceea ce priveste influenta lor in toxicitate a fost masurata. In consecinta, au fost elaborate modele pentru reducerea seturilor de date. Initialul set de date a fost impartit in mod egal in 4 clase. Ideea este de a insera in sistemele hibride inteligente NIKE, cunostinte despre clase(forme specifice QSAR) ca fiind echivalente cu regulile fuzzy, precum ca si o antrenare a modelelor. Modelele neuronale sunt mai sensibile la zgomot, ceea ce le face un indicator foarte important in semnificatia descriptorilor in toxicologie. Aceasta concluzie il recomanda ca fiind adecvat pentru predictia toxicitatii.
2. Introducere:
Oamenii sunt din ce in ce mai constienti de consecintele produse de actiunea produselor chimice asupra sanatatii umane si a mediului inconjurator.
Numarul continuu tot mai mare al compusilor ce urmeaza a fi studiati face acest lucru mai provocator. Sunt multe variabile luate in considerare in predictia toxicitatii: punctul ecotoxicologic final, numarul de molecule din setul de date, omogenitatea din setul de date, metodele ce descriu proprietatile chimice ale moleculelor, algoritmul de calcul pentru a produce relatia statistica si metoda de validare.
Problema de a descrie actiunea bio-chimica a diferitelor clase de compusi chimici in raport cu compozitia si structurile lor este cunoscuta sub numele de "relatia cantitativa structura-activitate"(QSAR). O serie de lucrari de cercetare au fost publicate pana in prezent, discutand despre rolul pe care inteligenta artificiala (AI) l-ar putea juca in problemele legate de predictia toxicitatii si de modelarea QSAR. Adamczak si Duch (2000) au aplicat retele neuronale pentru a analiza doua serii de Qsar si de a compara rezultatele cu alte trei abordari ale AI. Un alt sistem hibrid expert de abordare a fost facut de catre Gini (2000), si a fost aplicat pentru a anticipa fitotoxicitatea. Un studiu cu privire la utilizarea logicii fuzzy pentru descriptorii de modelare a fost prezentata de catre Exner si Brickmann (1997). In toate cazurile, reteaua neruronala de abordare a predictiei toxicitatii este restrictionata pentru rumenirea modelarii datelor.
O atentie speciala in metodele neuronale si metodele neuro-fuzzy de prelucrare este de a dezvolta unele metode universale de calcul, usor de personalizat pentru a satisface un domeniu larg de caracteristici specifice. In acest scop, este indispensabil pentru a identifica structurile generic-prelucrare bazate pe modulare, care efectueaza calculele generale pe setul fuzzy, si cunostinte specifice pentru toxicitate de predictie. In sectiunea 2, sunt prezentate unele aspecte legate de descrierea datelor. In sectiunea 3, aspectele legate de analiza datelor si prelucrare sunt revizuite. In sectiunea 4, cunostintele despre structura neuro-fuzzy sunt prezentate si aplicate pentru predictia toxicitatii. Problema este modelata cu Nike, un sistem hibrid inteligent dezvoltat sub Matblad de primul autor, pe baza modulelor neuronale / retelelor neuro-fuzzy Rezultatele arata ca, combinand diferite modele pentru aceeasi problema, randamentele dau o predictie a toxicitatii mai buna. Lucrarea se incheie cu concluzii si idei pentru lucrarile viitoare.
3. Descrierea datelor:
Un set de 21 descriptori a fost examinat. Ei au fost calculati folosind un algoritm original luand in considerare compozitia chimica si aspectele structurii principale a 71 de compusi organici derivati ai benzenului, dar fara structurile ciclice ale acestora. Descriptorii constitutionali sunt utilizati in conformitate cu CODESSA (Katrizky, 1994): prin raportul cantitativ intre speciile elementare constitutive si masa moleculara si tipul de obligatiuni de stat implicate.
O faza de pre-prelucrare a fost necesara pentru a putea selecta variabilele si pentru a putea descrie mai bine moleculele; cativa dintre acesti descriptori nu au dat nicio informatie, dar reprezinta zgomotul de baza, facand analiza mai complexa. Mai mult, folosind un numar relativ de variabile cat mai scazut, se reduce considerabil riscul


Fisiere in arhiva (1):

  • Predictia Toxicitatii Compusilor Aromatici prin Metoda Neuro-Fuzzy.doc

Imagini din acest proiect Cum descarc?

Promoție: 1+1 gratis

După plată vei primi prin email un cod de download pentru a descărca gratis oricare alt referat de pe site.Vezi detalii.


Descarcă aceast referat cu doar 4 € (1+1 gratis)

Simplu și rapid în doar 2 pași: completezi adresa de email și plătești. După descărcarea primului referat vei primi prin email un alt cod pentru a descărca orice alt referat.

1. Numele, Prenumele si adresa de email:

Pe adresa de email specificata vei primi link-ul de descarcare, nr. comenzii si factura (la plata cu cardul). Daca nu gasesti email-ul, verifica si directoarele spam, junk sau toate mesajele.

2. Alege modalitatea de plata preferata:


* Prețul este fără TVA.

Hopa sus!