下载
加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 BP神经网络在药物制剂处方优化中的应用

BP神经网络在药物制剂处方优化中的应用.pdf

BP神经网络在药物制剂处方优化中的应用

jahn16
2011-10-04 0人阅读 举报 0 0 暂无简介

简介:本文档为《BP神经网络在药物制剂处方优化中的应用pdf》,可适用于医药卫生领域

第卷第期中国药剂学杂志VolNo年月ChineseJournalofPharmaceuticsSepp收稿日期:作者简介:金杰(),女(汉族),辽宁沈阳人,副教授,主要从事计算机在药学中的应用研究,Tel(),EmailJinjiecom。文章编号:()––BP神经网络在药物制剂处方优化中的应用金杰,赵喆,郝燕(沈阳药科大学制药工程学院,辽宁沈阳)摘要:目的论述BP神经网络在药物制剂处方优化中应该注意的问题。方法采用基于BP人工神经网络对处方进行优化。结果通过实例提出了进行处方优化设计的一般方法、步骤及原则。结论对正确地使用BP网络,建立具有实际意义的神经网络处方优化模型提供指导和参考。关键词:药剂学BP神经网络处方优化中图分类号:R文献标识码:A处方设计与优化是药物制剂中一个十分重要的工作。传统的优化方法主要有正交设计法、均匀设计法、单纯形优化法、拉式优化法等。这些方法各有优点但因处方设计与很多因素有关上述方法存在计算量大、耗费时间长、不易掌握且难以解决制剂处方与制剂理化性质之间的非线性问题和多目标同时优化等问题。尽管利用BP神经网络(backpropagationnetworkBPnetwork)优化制剂处方的相关研究已有报道但有关如何建立合理的神经网络模型的研究甚少。本文提出了在药物制剂处方优化设计中建立合理BP神经网络模型的一般原理、步骤及需要注意的问题旨在提高BP网络模型的应用水平更好地为药物研究提供参考。BP神经网络概述人工神经网络是由若干个独立的信息处理单元(亦称为神经元)广泛互连而成的计算机仿生模型。BP神经网络是目前应用最广泛的多层前向神经网络,一般由输入层(inputlayer)、隐含层(hiddenlayer)和输出层(outputlayer)组成其结构如图所示。FigBPnetworkstructure每个基本的BP神经元通常具有n个输入(X,X,⋯Xn),每个输入通过一个适当的权值W(W,W,⋯,Wn)和阈值b与下一层连接其模型见图所示。第期金杰等:BP神经网络在药物制剂处方优化中的应用FigBPnetworkunit网络的输出函数式为:bxwfyinii=∑=()<>式中f为传递函数一般是可微分的单调递增函数,图像如图所示。FigBPnetworktransitionfunctionBP神经网络的学习算法是误差反向传播算法其学习过程由正向传播和反向传播两个过程组成。在正向传播过程中输入信息由输入层经过隐含层传向输出层如果输出层不能得到期望的输出则转入反向传播将误差信号沿原来的连接通路返回修改各层节点间的连接权值如此反复调整网络参数使误差函数达到极小或满足精度要求为止。当训练结束时可将学习得到的规则表达在网络的权值中。利用这组权值根据未知样本的输入参数网络可进行仿真预测输出结果。BP算法在网络规模较大时计算量很大收敛较慢而且存在局部最小的问题为防止这一问题在具体操作时采用加入动量项的改进BP算法:)()(tWVdtWijkjkjij∆−=∆−αε<>式中ε称为学习速率α称为动量因子其作用是后一次的权值更新时适当考虑上一次的权值更新用以改善收敛特性。处方优化的步骤及应注意的问题样本数据的收集和分组利用BP神经网络优化处方的首要条件是要有足够多、典型性好和精度高的样本。为防止所建立的网络模型发生“过拟合”现象使其具有良好的泛化能力须将收集到的数据随机分成训练样本、验证样本和测试样本部分数据分组时应尽可能考虑样本模式间的平衡。中国药剂学杂志第卷网络输入输出变量的确定及其数据的预处理BP神经网络的输入变量即为待分析系统要考察的因素(对应处方要考察的各组分用量或称自变量)当输入变量较多时可通过主成分分析法压缩输入变量。输出变量即为系统待分析的目标函数(对应处方的优化目标或称因变量)可以是一个也可以是多个。由于BP神经网络一般采用Sigmoid传递函数为提高训练速度和灵敏性以及有效地避开Sigmoid函数的饱和区通常要对输入数据进行预处理将输入数据的值变换在~之间。预处理的方法很多最简单的方法是利用Matlab神经网络工具箱提供的函数来处理。神经网络拓扑结构的确定隐层数的确定增加隐层数可以降低网络误差提高精度但同时又会使网络复杂化增加网络的训练时间和出现“过拟合”的倾向。目前使用较多的是采用含有一个隐层的三层网络结构既容易实现训练效果又好。隐层节点数的确定在BP神经网络中隐层节点数的选择非常重要它不仅对建立的神经网络模型的性能影响很大而且是训练时出现“过拟合”的直接原因。为尽可能避免训练时出现“过拟合”现象保证一定的网络性能和泛化能力确定隐层节点数的基本原则是:在满足精度要求的前提下取尽可能少的隐层节点数。通过对网络进行训练在综合考虑网络结构复杂程度和误差大小的情况下用节点删除法和扩张法确定最佳隐层节点数。理想的BP神经网络模型的确定由于BP算法存在多个局部极小点必须通过多次修改网络初始连接权值来求得相应的极小点即通过比较这些极小点的网络误差的大小确定全局极小点从而得到该网络结构的最佳网络连接权值。因此理想的网络模型应是同时考虑网络结构复杂程度和误差大小的综合结果。处方优化应用实例用BP神经网络模型进行处方优化设计时一般应遵循下列过程:首先分析需要求解问题的性质确定信息表达方式将求解问题及其相应领域的知识转化为神经网络模型可以接受并处理的某种数据形式将数据样本分为训练样本和测试样本其次依据问题特点确定神经网络模型的结构、输入输出神经元(节点)的数目、隐含层及节点的个数等再次选择合理的学习算法确定合适的训练步数指定适当的训练目标误差以获得较好的网络性能最后对网络进行仿真优化和预测。下面是利用BP神经网络模型优化某辅料配方的应用实例。步骤:确定处方设计需要考察的因素及目标函数。本处方要考察的辅料配比有个用x、x、x表示目标函数包括崩解时间与抗张强度个对应y和y优化的目的是通过辅料之间的不同配比得到理想的抗张强度和崩解时间。处方设计及实验结果见表。第期金杰等:BP神经网络在药物制剂处方优化中的应用TableArrangementandresultsoftheuniformdesignLeveloffactorsResultsNoxxxyy:::::::::::步骤:确定BP神经网络结构采用层BP网络模型输入向量x、x、x分别对应辅料配比个考察因素输出向量y、y分别对应抗张强度与崩解时间个目标函数,其网络模型结构如图所示。FigBPnetworkmodel步骤:用Matlab神经网络工具箱构建BP神经网络通过程序设计来实现。程序代码如下:定义输入向量x和输出向量y的训练样本x=x=:::::x=:::::y=y=用newff()函数构建BP神经网络net=newff(minmax(X),,,{'tansig','purelin'},'trainlm')要构建的网络名称用net表示newff()是BP神经网络构建函数用minmax()函数自动搜索输入向量中每个要考察因素的范围,代表隐含层节点个数为及网络输出节点数为tansig(S型)和purelin(线性)代表隐含层和输出层的传递函数trainlm代表BP网络学习算法。定义网络训练次数及误差要求:nettrainparamepochs=nettrainparamgoal=用train()函数训练网络当网络达到误差要求训练结束时用sim()函数进行仿真预测:中国药剂学杂志第卷net,tr=train(net,x,y)y=sim(net,x)。步骤:运行程序当网络训练次数为时网络误差达到×网络训练误差曲线如图所示。结果表明所建立的BP神经网络模型具有较好的收敛性用训练好的网络进行仿真预测结果见表~表。FigErrorcurveTableTheresultofyandyvariationwithxNoxxxyy::::::::::::TableTheresultofyandyvariationwithxNoxxxyy:::::::::::第期金杰等:BP神经网络在药物制剂处方优化中的应用TableTheresultofyandyvariationwithxNoxxxyy::::::由表可知在x、x比值都很小时可以同时得到小的y和高的y当x增大时y减小y增大由表可知在x、x不变时x比值增大y值增大y值减小这不符合实验目的要求所以应选择适当减小x值使其越小越好因此选择x=能得到较高的y值和小的y值由表可知当x比值增大时y值先逐渐增大后减小y值单调增大当x值在:~:之间变化时y值呈递增趋势。用训练好的网络进行仿真实验预测的最佳处方是:当x=,x=,x=:时y=,y=。目前BP神经网络技术正在被广泛用于药物处方优化及药学研究的各个领域其特点是实现多目标同时优化而且不需太多正式的统计学训练就可以发现变量间的非线性关系及相互作用较好地解决处方设计过程中多目标同时优化及各考察因素与目标函数之间的高度非线性等问题。参考文献:毕殿洲药剂学M第版北京:人民卫生出版社,:NajjarYM,BasheerIA,HajmeerMNComputationalneuralnetworksforpredictivemicrobiology:methodologyJIntFoodMicrobio,,():董长虹Matlab神经网络与应用M北京:国防工业出版社,:阎平凡,张长水人工神经网络与模拟进化计算M北京:清华大学出版社,:李涛,贺勇军刘志剑Matlab工具箱应用指南M北京:电子工业出版社,:楼顺天基于Matlab的系统分析与设计─神经网络M西安:西安电子科技大学出版社,:-SomeproblemsabouttheapplicationofBPnetworktopharmaceuticalprescriptionoptimizationJINJie,ZHAOZhe,HAOYan(SchoolofPharmaceuticalEngineering,ShenyangPharmaceuticalUniversity,Shenyang,China)Abstract:ObjectiveTodiscusssomeproblemsabouttheapplicationofBPnetworktotheoptimizationof中国药剂学杂志第卷pharmaceuticalprescriptionMethodTheproblemsconcernedincludedsomebasicconceptionsofBPnetwork,thecollectionandsortingofsampledata,thedefinitionoftheIOvariableandthepretreatmentofthesampledata,theprincipleofchoosingthenumberofthehiddenlayerandnote,theevaluationoftheneuralnetworktrainingandthegeneralizationcapabilityofthemodular,theeffectoftheweightofnetworkinitializedconnectingandsoonResultsAgeneralmethodandproceduresoftheprescriptionoptimizationwasproposedwithanexampleConclusionsAgeneralguidanceonhowtoestablishanoptimalneuralnetworkmodularforprescriptionoptimizationusingBPnetworkwasprovidedKeywords:pharmaceuticsBPnetworkprescriptionoptimization(本篇责任编辑:秦昕)

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/7

BP神经网络在药物制剂处方优化中的应用

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利