| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 前言 | 第8-14页 |
| 参考文献 | 第12-14页 |
| 第一章 分子结构处理与建模算法 | 第14-26页 |
| ·分子结构处理 | 第14-16页 |
| ·分子描述符计算 | 第14-15页 |
| ·分子三维结构的优化 | 第15-16页 |
| ·建模算法 | 第16-25页 |
| ·遗传算法(Genetic Algorithm) | 第16-19页 |
| ·神经网络(Artificial Neural Network,ANN) | 第19-22页 |
| ·多元线性回归(Multiple Linear Regression,MRL) | 第22-25页 |
| 参考文献 | 第25-26页 |
| 第二章 化合物透过人皮肤渗透性能的预测 | 第26-42页 |
| ·实验方法 | 第26-34页 |
| ·药物渗透速率BP网络 | 第26-30页 |
| ·药物渗透系数BP神经网络 | 第30-34页 |
| ·实验结果 | 第34-38页 |
| ·药物渗透速率BP网络 | 第34-35页 |
| ·药物渗透系数BP网络 | 第35-38页 |
| ·讨论 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 第三章 药物溶解度预测 | 第42-53页 |
| ·实验方法 | 第42-46页 |
| ·数据集和参数 | 第42-45页 |
| ·逐步多元线性回归 | 第45-46页 |
| ·神经网络模型 | 第46页 |
| ·实验结果 | 第46-49页 |
| ·多元线性回归 | 第46-48页 |
| ·BP神经网络 | 第48-49页 |
| ·讨论 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 第四章 化合物口服生物利用度预测 | 第53-67页 |
| ·实验方法 | 第53-61页 |
| ·数据采集 | 第53-60页 |
| ·三维分子结构构造 | 第60页 |
| ·分子描述符 | 第60页 |
| ·重要分子描述的选择 | 第60-61页 |
| ·BP神经网络的建模 | 第61页 |
| ·实验结果 | 第61-64页 |
| ·遗传算法选择的分子描述符及其重要性 | 第61-63页 |
| ·预测效能 | 第63-64页 |
| ·讨论 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 参考文献 | 第66-67页 |
| 第五章 生物药剂学分类系统的研究 | 第67-73页 |
| ·实验方法 | 第67-69页 |
| ·数据采集 | 第67-68页 |
| ·特征溶解度预测 | 第68页 |
| ·溶解性计算 | 第68-69页 |
| ·绝对生物利用度预测 | 第69页 |
| ·实验结果 | 第69-70页 |
| ·溶解性预测 | 第69页 |
| ·渗透性预测 | 第69页 |
| ·生物分类系统预测 | 第69-70页 |
| ·讨论 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 参考文献 | 第72-73页 |
| 第六章 新生儿丁胺卡那霉素消除速率常数的预测 | 第73-83页 |
| ·材料与方法 | 第73-75页 |
| ·数据来源 | 第73-74页 |
| ·药动学模型 | 第74-75页 |
| ·实验方法 | 第75-78页 |
| ·梯度下降BP神经网络(Gradient descent backpropagation neural network,GD-BP-NN) | 第75页 |
| ·贝叶斯标准化BP神经网络(Bayesian regularized back-propagation neural network,BR-BP-NN) | 第75-76页 |
| ·遗传BP神经网络(Genetic backpropagation neural network,G-BP-NN) | 第76-78页 |
| ·三种神经网络预测精度和运行效率的比较 | 第78页 |
| ·实验结果 | 第78-80页 |
| ·本章小结 | 第80-82页 |
| 参考文献 | 第82-83页 |
| 全文总结 | 第83-85页 |
| 综述 神经网络和遗传算法在药剂学中的应用 | 第85-102页 |
| 1.神经网络 | 第85-91页 |
| ·简介 | 第85-87页 |
| ·BP网络的MATLAB设计 | 第87-89页 |
| ·BP网络在药物制剂中的应用 | 第89-91页 |
| 2.遗传算法 | 第91-97页 |
| ·简介 | 第91-93页 |
| ·遗传算法在药剂学上的应用 | 第93-97页 |
| 3.展望 | 第97-99页 |
| 参考文献 | 第99-102页 |
| 致谢 | 第102-103页 |
| 硕士阶段研究成果 | 第103页 |
