Оценивание липофильности с помощью байесовских нейронных сетей"; Известия Тульского государственного университета. Технические науки; № 9

Бібліографічні деталі
Parent link:	Известия Тульского государственного университета. Технические науки № 9.— 2022.— [С. 288-292]
Автор:	Пякилля Б. И. Борис Иванович
Співавтор:	Национальный исследовательский Томский политехнический университет Инженерная школа информационных технологий и робототехники Отделение автоматизации и робототехники
Інші автори:	Гончаров В. И. Валерий Иванович
Резюме:	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..
Мова:	Російська
Опубліковано:	2022
Предмети:	электронный ресурс труды учёных ТПУ машинное обучение хемоинформатика теорема Байеса неопределенности
Онлайн доступ:	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
Формат:	Електронний ресурс Частина з книги
KOHA link:	https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=668448