RDKit | 基于神经网络的溶解度预测和回归分析

最新推荐文章于 2024-04-28 23:33:58 发布
最新推荐文章于 2024-04-28 23:33:58 发布
阅读量3.7k 收藏 12
点赞数 3
分类专栏： RDKit | 化学信息学与AI 文章标签： RDKit  化学信息学 深度学习 AI Python
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/u012325865/article/details/82725777
版权

人工智能是一个主题，尝试使用神经网络作为模型建立化合物物理性质的预测模型。机器学习库是由Google开发和使用的TensorFlow。Keras是一个使TensorFlow的神经网络功能更易于使用的软件包。

<数据集文件见：https://download.csdn.net/download/u012325865/10670205>

神经网络

神经元

        神经元是神经网络的基本单位。它获得一定数量的输入和一个偏置值。当信号（值）到达时会乘以一个权值。如果神经元有4个输入，那么就有4个权值，权重可以在训练时调整。

 

连接

       将一个神经元连接到另一层或同一层的另一个神经元。连接伴随着与之相关联的权值。训练的目标是更新此权值以减少损失（即错误）。

偏置（偏移）

       它是神经元的额外输入，它始终为1，并具有自己的连接权重。这确保即使所有的输入都为空（全部为0），神经元也会激活。

 

激活功能（传递函数）

        激活函数用于将非线性引入神经

了解本专栏 订阅专栏 解锁全文 超级会员免费看
DrugAI
关注
  • 3
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
RDKit | RDKit中处理分子Mol对象
DrugAI
03-23 3511
导入库 from rdkit import rdBase, Chem from rdkit.Chem import AllChem, Draw print('rdkit version: {}'.format(rdBase.rdkitVersion)) 载入数据 suppl = Chem.SDMolSupplier('sdf_20191011152835.sdf') m...
rdkit读取sdf、mol2 转换图片保存、sdf转smiles；PandasTools AddMoleculeColumnToFrame增加列图像展示及SaveXlsxFromFrame保存到表格
weixin_42357472的博客
10-14 3997
注意： 1、AddMoleculeColumnToFrame产生的格式 molCol='ROMol’不能为空 none不然保存会报错。参考：https://www.jianshu.com/p/c0df2942d8d1。
基于神经网络的溶解度预测和回归分析的数据集文件
09-16
博文：基于神经网络的溶解度预测和回归分析https://blog.csdn.net/u012325865/article/details/82725777数据集文件。
python机器学习-乳腺癌细胞挖掘
09-16
作者介绍 Toby，持牌照金融公司担任模型验证专家,国内最大医药数据中心数据挖掘部门负责人！和重庆儿科医院，中科院教授，赛柏蓝保持慢病数据挖掘项目合作！管理过欧美日中印巴西等国外药典数据库，马丁代尔数据库，FDA溶解度数据库，临床试验数据库，WHO药物预警等数据库。课程概述 此课程讲述如何运用python的sklearn快速建立机器学习模型。课程结合美国威斯康辛乳腺癌细胞临床数据，实操演练，建立癌细胞预测分类器。课程讲述十大经典机器学习算法：逻辑回归，支持向量，KNN,神经网络，随机森林，xgboost,lightGBM,catboost。这些算法模型可以应用于各个领域数据。本视频系列通俗易懂，课程针对学生和科研机构，python爱好者。本视频教程系列有完整python代码，观众看后可以下载实际操作。了解癌症肿瘤基本常识，建立健康生活方式，预防癌症，减轻癌症治疗成本。课程背景 警钟长鸣！癌症离我们远吗？《我不是药神》催人泪下，笔者在此揭露真相，癌症不是小概率疾病，癌症就在身边。癌症早期发现和控制可极大延长寿命和减少治疗费用。笔者下载美国威斯康辛临床数据，运用python sklearn建立乳腺癌分类器模型，可预测正常细胞和癌细胞。我国医院重视治疗，但忽略疾病预防教育。通过我多年机器学习数据挖掘，我发现疾病可防可控，通过自身努力，我们可以提前发现疾病早期症状或扼杀疾病于摇篮。希望此课程让广大医疗科研工作者认识疾病预防教育重要性。  
回归预测 |SO-BP蛇算法优化BP神经网络多变量回归预测 Matlab实现
m0_57702748的博客
04-28 959
风电作为一种清洁可再生能源，近年来发展迅速。然而，风电功率具有随机性和波动性，给电网调度和运行带来挑战。因此，准确的风电功率预测对于提高电网安全性和经济性至关重要。本文提出了一种基于蛇群SO优化BP神经网络的风电功率预测方法。该方法首先利用蛇群SO算法对BP神经网络的权重和阈值进行优化，提高网络的预测精度。然后，利用历史风速、风向等数据训练优化后的BP神经网络，建立风电功率预测模型。最后，通过仿真实验验证了该方法的有效性。
Rdkit常用命令/参数设置
weixin_44950479的博客
04-08 1977
rdkit 1.查看sdf """ 查看sdf """ mols = Chem.SDMolSupplier('file_path') for mol in mols: #隐藏属性，得到第一行文字 ID = mol.GetProp('_Name') #得到所有分子属性 mol_keys = mol.GetPropsAsDict().keys() 2.绘制可视图片 可以highlight反应物和生成物里相同的结构 绘制带id的mol文件 """ 绘制反应可视图片 """ def d
神经网络是如何进行预测的?
樊鴻燁的博客
09-14 5451
函数文件 function [lb,ub,dim,fobj] = Get_Functions_details(F) //Get_Functions_details 为函数名 switch F // Get_Functions_details函数中的F形参选择，赋值给lb,ub,dim,fobj case 'F1' fobj = @F1; lb=-100; ub=100; dim=30;
图神经网络的实现,神经网络框架图
Supermen333的博客
08-10 1913
经过激活函数f（u）的作用得到隐含层1的输出信息：岩溶地区地下水与环境的特殊性研究经过激活函数f（u）的作用得到隐含层2的输出信息：岩溶地区地下水与环境的特殊性研究激活函数f（u）我们这里采用Sigmoid型，即f（u）=1/[1+exp（-u）]（6.5）隐含层的输出信息传到输出层，可得到最终输出结果为岩溶地区地下水与环境的特殊性研究以上过程为网络学习的信息正向传播过程。第二步：将已知的样本加到网络上，利用下式可算出他们的输出值yi，其值为岩溶地区地下水与环境的特殊性研究式中：xi为该节点的输入；...
基于神经网络和灰色理论组合的变压器故障预测
07-13
基于变压器油中溶解气体分析(DGA)法是使用神经网络和灰色预测对变压器的故障进行预测的。主要是采集变压器油在各种情况下的数据,并对应其故障进行编码,再用Matlab编写神经网络进行训练,输入各特征气体百分含量,输出...
基于BP神经网络的溶解度预测（代码完整，数据齐全）
最新发布
05-16
基于MATLAB编程，基于BP神经网络的溶解度预测，代码完整，包含数据，有注释，方便扩展应用，可以用其他算法进一步改进预测效果 1，如有疑问，不会运行，可以私信, 2，需要创新，或者修改可以扫描二维码联系博主, 3，...
基于ARIMA和RBF神经网络模型的溶解氧预测分析.pdf
09-27
总之，本文提出的ARIMA-RBF模型结合了时间序列分析和神经网络的优势，对于溶解氧预测具有较高的实用价值。未来的研究可以进一步探索更多复杂因素的集成模型，优化预测性能，并将此方法应用于其他水环境监测领域。
基于PCA-NARX神经网络的溶解氧预测.pdf
09-25
基于PCA-NARX神经网络的溶解氧预测模型，可以实时预测溶解氧的变化趋势，提供科学依据 для科学养殖和水环境监测。 知识点3: 主成分分析 主成分分析（PCA）是一种常用的数据降维技术，能够将高维数据降低到低维...
神经网络预测数据
2202_75385450的博客
05-16 1517
下面这幅图是最简单的多层神经网络，它包含2层，总共由3个神经元相互连接而成。由此图可以得知输入到输出之间的关系：a 1 = ω 11 x 1 + ω 12 x 2 + b 1 （第一个神经元）a 2 = ω 21 x 1 + ω 22 x 2 + b 2 （第二个神经元）z 1 = φ ( a 1 )非线性函数）z 2 = φ ( a 2 )（非线性函数）y = ω 1 z 1 + ω 2 z 2 + b 3 （第三个神经元）
浅析线性神经网络——线性回归问题
weixin_53919192的博客
05-05 3406
机器学习模型中的关键要素是训练数据、损失函数、优化算法，还有模型本身。 矢量化使数学表达上更简洁，同时运行的更快。 最小化目标函数和执行极大似然估计等价。 线性回归模型也是一个简单的神经网络。 梯度下降法通过不断沿着反梯度方向更新参数求解。 小批量随机梯度下降是深度学习默认的求解算法。 两个重要的超参数是批量大小和学习率。
基于神经网络的溶解度预测和回归分析
DrugAI
09-16 1569
人工智能是一个主题，尝试使用神经网络作为模型建立化合物物理性质的预测模型。机器学习库是由Google开发和使用的TensorFlow。Keras是一个使TensorFlow的神经网络功能...
一段代码——使用rdkit函数生成分子文件的3D构象
LRJ的博客
03-16 1309
可以使用jupyter notebook直接将相同文件夹中的指定二维sdf文件得到3D格式的sdf 产生3D构象前，需要为分子添加H原子。 from rdkit import Chem from rdkit.Chem import AllChem sdf = Chem.SDMolSupplier('输入名称.sdf')#读入 mols = [i for i in sdf if i] SDFfile = Chem.SDWriter('输出名称.sdf') #3D分子 for i,m in enume
RDKit：基于RDKit的溶解度预测的机器学习模型
DrugAI
09-02 3683
基于RDKit和Python3的化合物溶解度的机器学习模型小案例。 《仅供参考》 # In[1]:导入依赖包 from rdkit import Chem, DataStructs from rdkit.Chem import AllChem from rdkit.ML.Descriptors import MoleculeDescriptors from rdkit.Chem impor...
神经网络和多元线性回归,神经网络多元线性回归
aifamao2的博客
08-06 2538
%引言%%你的变量是10个,而方程只有7个,做的效果可能会比较差%%神经网络等我没接触过%%下面只弄那个多项式%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%第一步data=[1.013.01.50.330;即a,b1,b7=0%%%%第二步。
神经网络是回归算法吗,人工神经网络回归分析
m0_54846070的博客
08-10 826
和fori=1:27p(i,:)=(p(i,:)-min(p(i,:)))/(max(p(i,:))-min(p(i,:)));关于神经网络（matlab）归一化的整理由于采集的各数据单位不一致，因而须对数据进行[-1，1]归一化处理，归一化方法主要有如下几种，供大家参考：（byjames）1、线性函数转换，表达式如下：y=(x-MinValue)/(MaxValue-MinValue)说明：x、y分别为转换前、后的值，MaxValue、MinValue分别为样本的最大值和最小值。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DrugAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值