|
化学物質の構造とその活性の間には線形で記述できないような複雑な因果関係があることが広く知られている。これを化学物質の構造活性相関という。従来これらの非線形的因果関係の解析には主に重回帰分析が用いられてきた。しかしながらもともとこの相関は非線形性が強いので、従来の線形の関連を期待する統計的手段を適用するには限界がある。本研究では生体の有する高度な情報処理プロセスをシミュレートするニューラルネットワークの特徴である非線形的な動作に注目し、その化学物質の構造活性相関への適用と展開を目的とする。
平成8年度は、ニューラルネットワークシミュレータを本格的に構築した。用いたニューラルネットワークモデルはパーセプトロン型と呼ばれるものである。作成したシミュレータを用いて、ノルボルナン類の化合物の構造活性相関の研究を行なった。また再構築学習法を用いて、ノルボルナン類の化合物の構造活性相関の因果関係の解析を行なった。
平成9年度はひき続き、ノルボルナン類の化合物の構造活性相関の因果関係の解析を行なった。加えてデータ間の距離を明示的に含む自己組織化の手法をニューラルネットに取り込み教師データ間の中間領域の予測精度を向上させ、学習方法によらない分類が可能となることを示した。
さらに、化学分野に限らず広く振幅と周波数が同時に変化する時系列データの予想に対しても新たにニューラルネットワークを開発し、ニューラルネットワークが従来の線形回帰法に比べ精度の高い予測を行うことが明らかにした。
|
