浙江省科技厅重点资助项目(2009C14024)
- 作品数：2 被引量：3H指数：1
- 相关作者：李大东臧月唐佳玲王锋尹晓庆更多>>
- 相关机构：浙江海洋学院更多>>
- 发文基金：浙江省科技厅重点资助项目浙江省大学生科技创新项目更多>>
- 相关领域：理学更多>>
- 分子结构网络静态参数用于食品防腐剂构效关系的研究
- 2014年
- 本文应用网络科学的理论与方法,将组成分子的原子看作是网络节点,而一个分子的平面结构图就是由这些节点通过边连接而成,从而构造出分子结构网络,进一步计算出分子结构网络的平均度、平均路程长度等18个网络静态特征变量,作为构效分析的候选自变量。为了更好的进行构效分析,利用BP(Back Propagate,反向传播)人工神经网络从18个候选自变量中筛选出对活性贡献大的接近度中心性最大值等4个自变量,分别用支持向量机回归(SVR)和BP神经网络对分子结构网络的4个自变量与大鼠经口毒性LD_(50)进行定量构效关系(QSAR)研究,实验结果表明:基于分子结构网络静态参数的支持向量机回归模型具有良好的预测能力。说明应用分子结构网络静态参数建模,对具有同一(或多种)属性/活性的一类物质进行构效关系分析研究的这种新方法具有一定的应用前景。
- 张静李大东邹晨金鑫甑兴华李峰周娅莉
- 关键词：复杂网络食品添加剂定量构效关系支持向量机回归
- 极限学习机在3种虾体氨基酸水解液检测中的应用被引量：3
- 2013年
- 蛋白质类食品中的氨基酸特别是必需氨基酸的含量是衡量蛋白质类食品营养价值高低的重要评价指标,而现在的一些检测方法存在费用高、检测方法费时繁琐以及不适合作氨基酸含量的快速分析等问题:为快速、准确地完成混合虾体肌肉水解液中氨基酸浓度的定量分析,本文试验分别采用极限学习机(EML)、BP神经网络和RBF神经网络对南美白对虾、水培虾、竹节虾的36份水解液稀释液的紫外光谱数据进行测试,以完成水解液中苯丙氨酸、酪氨酸和组氨酸的定量检测,并在三者的预测比较中考查了极限学习机的优越性:实验结果为ELM网络的均方误差为3.9667e-007,BP网络的均方误差为7.0938,RBF网络的均方误差为5.2379e-004,极限学习机更准确地完成了混合虾体肌肉水解液中氨基酸浓度的定量分析;10次随机预测运行结果的决定性系数R^2分别为:EML 9.42069、BP 8.76012、RBF 8.80471,极限学习机调节参数少,学习速度更快,预测准确率更高。实验为相关食品中氨基酸含量检测提供了有价值的参考。
- 王锋曾宇梅沃棋棋臧月尹晓庆唐佳玲李大东
- 关键词：人工神经网络极限学习机氨基酸
