本论文主要用RBF神经网络进行胺类有机物毒性的定量预测（分类）。
（1）个化合物为样本集， 个有关性的物理化学性质作为变量，构成 原始数据距阵。
（2）根据数据距阵作主成分分析，采用3个或4个主成分，要求他们的特征累积率大于95%。这样就把 维向量空间约化为三维或四维。
（3）根据数据距阵因子分析，采用前3个或前4个因子做为主因子，他们所带边的方差占总方差的95%以上，从方差极大正交旋转因子载荷距阵可获得有关这几个主因子物理意义的信息。
（4）根据主因子分析提供的信息，选择样本的特征参数并与各主成分进行拟合，这种拟合可采用回归分析的方法或用官能团贡献加和法。
（5）由样本的某一物性作为因变量，特征参数作为自变量作多元回归分析，得到回归方程。
（6）ANN法预测物性：用样本和特征参数作为输入参数，样本的物性数据作为目标函数。选部分样本构成训练集，全部样品构成预测集，训练集的样本选定以特征参数的变化范围和样本的化学结构特征能覆盖全体样本为原则，不在于样本数的多少，选定神经网络的变化范围和层数和各层节点；输入层的节点数对应于样本的特征参数的数目，输出层的节点数对应于目标函数的数目，隐含层的层数和节点数凭经验选定。选择网络参数，学习速率和动量项 ，可以动态调节，规定预期的输入标准差，令其训练和学习，达到要求后结束训练，依据预测集样本的输入参数迅速报出预测结果[15]。运用三层误差径向基函数网络对51种胺类有机物进行了结构—毒性关系的研究。选入的结构参数为分子连接性指数(0Xv，1Xv)，信息理论指数(RIC, SRIC, RCIC)及分子量等6种均可通过分子拓扑图直接计算获得

本生物化学毕业设计“RBF人工神经网络用于胺类有机物的毒性识别”论文由清风毕业设计网[www.lunwen550.com]征集整理！