Оценивание липофильности с помощью байесовских нейронных сетей"
| Parent link: | Известия Тульского государственного университета. Технические науки № 9.— 2022.— [С. 288-292] |
|---|---|
| Main Author: | |
| Corporate Author: | |
| Other Authors: | |
| Summary: | Заглавие с экрана Рассмотрены преимущества использования байесовских нейронных сетей в задаче оценивания липофильности малых органических соединений. Существующие классические модели имеют недостаток в связи с невозможностью учета т.н. эпистемиологической неопределенности, которая свойственна всем моделям и является причиной низкого качества предсказаний моделей машинного обучения. Байесовские же модели имеют преимущество перед классическими моделями благодаря своей способности сообщать исследователю информацию о своей неопределенности, что позволяет учитывать возможный разброс предсказываемых значений. The advantages of using Bayesian neural networks in the problem of estimating the lipophilicity of small organic compounds are considered. The existing classical models have a drawback due to the impossibility of taking into account the socalled. epistemic uncertainty, which is inherent in all models and is the reason for the low quality ofpredictions of machine learning models. Bayesian models, on the other hand, have an advantage over classical models due to their ability to inform the researcher about their uncertainty, which makes it possible to take into account the possible spread of predicted values.. |
| Language: | Russian |
| Published: |
2022
|
| Subjects: | |
| Online Access: | https://www.elibrary.ru/item.asp?id=49756242 https://tidings.tsu.tula.ru/tidings/pdf/web/preview_therest_ru.php?x=tsu_izv_technical_sciences_2022_09_b&year=2022 |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=668448 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 668448 | ||
| 005 | 20250307142752.0 | ||
| 035 | |a (RuTPU)RU\TPU\network\39673 | ||
| 035 | |a RU\TPU\network\33255 | ||
| 090 | |a 668448 | ||
| 100 | |a 20221202d2022 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drnn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Оценивание липофильности с помощью байесовских нейронных сетей" |d Lipophilicity estimation by means of ba yesian neural networks |f Б. И. Пякилля, В. И. Гончаров | |
| 203 | |a Текст |c электронный | ||
| 300 | |a Заглавие с экрана | ||
| 320 | |a [Библиогр.: 11 назв.] | ||
| 330 | |a Рассмотрены преимущества использования байесовских нейронных сетей в задаче оценивания липофильности малых органических соединений. Существующие классические модели имеют недостаток в связи с невозможностью учета т.н. эпистемиологической неопределенности, которая свойственна всем моделям и является причиной низкого качества предсказаний моделей машинного обучения. Байесовские же модели имеют преимущество перед классическими моделями благодаря своей способности сообщать исследователю информацию о своей неопределенности, что позволяет учитывать возможный разброс предсказываемых значений. | ||
| 330 | |a The advantages of using Bayesian neural networks in the problem of estimating the lipophilicity of small organic compounds are considered. The existing classical models have a drawback due to the impossibility of taking into account the socalled. epistemic uncertainty, which is inherent in all models and is the reason for the low quality ofpredictions of machine learning models. Bayesian models, on the other hand, have an advantage over classical models due to their ability to inform the researcher about their uncertainty, which makes it possible to take into account the possible spread of predicted values.. | ||
| 461 | |t Известия Тульского государственного университета. Технические науки | ||
| 463 | |t № 9 |v [С. 288-292] |d 2022 | ||
| 510 | 1 | |a Lipophilicity estimation by means of ba yesian neural networks |z eng | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a машинное обучение | |
| 610 | 1 | |a хемоинформатика | |
| 610 | 1 | |a теорема Байеса | |
| 610 | 1 | |a неопределенности | |
| 700 | 1 | |a Пякилля |b Б. И. |c специалист в области информатики и вычислительной техники |c инженер-проектировщик Томского политехнического университета |f 1990- |g Борис Иванович |3 (RuTPU)RU\TPU\pers\31610 |9 15767 | |
| 701 | 1 | |a Гончаров |b В. И. |c радиотехник, специалист в области информатики и вычислительной техники |c профессор Томского политехнического университета, доктор технических наук |f 1937- |g Валерий Иванович |3 (RuTPU)RU\TPU\pers\21955 |9 9274 | |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет |b Инженерная школа информационных технологий и робототехники |b Отделение автоматизации и робототехники |3 (RuTPU)RU\TPU\col\23553 |
| 801 | 0 | |a RU |b 63413507 |c 20221202 |g RCR | |
| 856 | 4 | |u https://www.elibrary.ru/item.asp?id=49756242 | |
| 856 | 4 | |u https://tidings.tsu.tula.ru/tidings/pdf/web/preview_therest_ru.php?x=tsu_izv_technical_sciences_2022_09_b&year=2022 | |
| 942 | |c CF | ||