| 中文摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 缩略语/符号说明 | 第11-12页 |
| 前言 | 第12-17页 |
| 研究现状、成果 | 第12-15页 |
| 研究目的、方法 | 第15-17页 |
| 一、生物分配胶束色谱模型的构建 | 第17-27页 |
| 1.1 对象和方法 | 第17-19页 |
| 1.1.1 仪器 | 第17页 |
| 1.1.2 试药 | 第17页 |
| 1.1.3 方法 | 第17-19页 |
| 1.2 结果 | 第19-25页 |
| 1.2.1 定量保留时间-药代动力学模型的构建 | 第19-24页 |
| 1.2.2 定量保留时间-药代动力学模型的预测能力评价 | 第24-25页 |
| 1.3 讨论 | 第25-26页 |
| 1.4 小结 | 第26-27页 |
| 二、误差反向传播人工神经网络(BPANN)模型的构建 | 第27-45页 |
| 2.1 对象和方法 | 第27-34页 |
| 2.1.1 数据集 | 第27-28页 |
| 2.1.2 分子描述符 | 第28页 |
| 2.1.3 遗传算法 | 第28页 |
| 2.1.4 多元线性回归变量筛选和回归 | 第28-33页 |
| 2.1.5 BPANN的构建和优化 | 第33页 |
| 2.1.6 软件与统计 | 第33-34页 |
| 2.2 结果 | 第34-41页 |
| 2.2.1 多元线性回归及验证 | 第34-35页 |
| 2.2.2 误差反向传播人工神经网络的构建和验证 | 第35-41页 |
| 2.3 讨论 | 第41-44页 |
| 2.4 小结 | 第44-45页 |
| 三、对传人工神经网络(CPANN)模型的构建 | 第45-80页 |
| 3.1 对象和方法 | 第45-63页 |
| 3.1.1 分子描述符的计算 | 第45页 |
| 3.1.2 雌激素活性数据的来源 | 第45-58页 |
| 3.1.3 分子描述符的筛选 | 第58-60页 |
| 3.1.4 对传人工神经网络 | 第60页 |
| 3.1.5 遗传算法优化对传人工神经网络结构参数 | 第60-62页 |
| 3.1.6 软件与统计 | 第62-63页 |
| 3.2 结果 | 第63-76页 |
| 3.2.1 分子描述符的筛选 | 第63-64页 |
| 3.2.2 CPANN的训练和优化 | 第64-65页 |
| 3.2.3 CPANN的分类预测 | 第65-67页 |
| 3.2.4 CPANN模型的评价 | 第67-76页 |
| 3.3 讨论 | 第76-78页 |
| 3.4 小结 | 第78-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-90页 |
| 发表论文和参加科研情况说明 | 第90-91页 |
| 综述 人工神经网络及生物分配胶束色谱在药物活性模型构建应用进展 | 第91-110页 |
| 综述参考文献 | 第100-110页 |
| 致谢 | 第110页 |
