噁唑啉和噁唑衍生物描述符数据集的神经网络模型性能分析
计算工程、金融与科学
2013-12-13 v1 神经与进化计算
摘要
神经网络已成功应用于商业、数据挖掘、药物发现和生物学等广泛领域。在医学领域，神经网络已广泛应用于医疗诊断、新药检测与评估以及治疗成本估算。此外，神经网络也开始应用于旨在预测和知识发现的数据挖掘策略。本文介绍了神经网络在预测和分析噁唑啉（Oxazolines）和噁唑（Oxazoles）衍生物抗结核活性方面的应用。本研究提出了基于单隐层前馈神经网络（SHLFFNN）、梯度下降反向传播神经网络（GDBPNN）、带动量的梯度下降反向传播神经网络（GDBPMNN）、带权重衰减的反向传播神经网络（BPWDNN）和分位数回归神经网络（QRNN）等人工神经网络（ANN）模型的技术。在此，我们对比评估了五种神经网络技术的性能。通过基准实验评估各模型的效率是一种公认的应用方法。交叉验证和重采样技术通常用于推导性能的点估计值，并通过比较来识别具有优良特性的方法。预测精度使用均方根误差（RMSE）、决定系数（）、平均绝对误差（MAE）、平均百分比误差（MPE）和相对平方误差（RSE）进行评估。我们发现所有五种神经网络模型均能产生可行的模型。在所有统计测试中，QRNN 模型的表现优于其他四种模型。
引用
@article{arxiv.1312.2853,
title = {Performance Analysis Of Neural Network Models For Oxazolines And Oxazoles Derivatives Descriptor Dataset},
author = {Doreswamy and Chanabasayya . M. Vastrad},
journal= {arXiv preprint arXiv:1312.2853},
year = {2013}
}