Основные понятия моделирования с помощью искусственных нейронных сетей (ИНС) и их применение в фармацевтических исследованиях

Искусственные нейронные сети (ИНС) — это компьютерные программы, созданные по биологическому принципу и предназначенные для имитации обработки информации человеческим мозгом. ИНС получают знания, выявляя закономерности и взаимосвязи в данных, и обучаются на основе опыта, а не программирования. ИНС состоит из сотен отдельных элементов — искусственных нейронов, или элементов обработки, соединённых коэффициентами (весами), которые формируют нейронную структуру и организованы в слои. Вычислительные возможности нейронных сетей обусловлены объединением нейронов в сеть. Каждый элемент обработки имеет взвешенные входы, передаточную функцию и один выход. Поведение нейронной сети определяется передаточными функциями её нейронов, правилом обучения и самой архитектурой. Веса являются настраиваемыми параметрами, поэтому нейронная сеть представляет собой параметрическую систему. Взвешенная сумма входных сигналов образует активацию нейрона. Затем сигнал активации проходит через передаточную функцию, в результате чего формируется единственный выходной сигнал нейрона. Передаточная функция вносит в сеть нелинейность. В процессе обучения межэлементные связи оптимизируются до тех пор, пока ошибка прогнозирования не будет минимизирована и сеть не достигнет заданного уровня точности. После обучения и тестирования сети можно подавать новую входную информацию для прогнозирования выходного результата. Уже разработано множество типов нейронных сетей, и новые типы изобретаются практически каждую неделю, однако все они могут быть описаны передаточными функциями своих нейронов, правилом обучения и формулой соединения. ИНС представляют собой перспективный метод моделирования, особенно для наборов данных с нелинейными взаимосвязями, которые часто встречаются в фармацевтических процессах. Для спецификации модели не требуется знать источник данных, однако из-за большого числа весов, подлежащих оценке, ИНС нуждаются в больших обучающих выборках. Кроме того, ИНС могут объединять и использовать литературные и экспериментальные данные для решения задач. Различные применения ИНС можно свести к классификации, или распознаванию образов, прогнозированию и моделированию. Обучаемые ассоциативные сети могут применяться в фармации как альтернатива традиционной методологии поверхности отклика. Необучаемые сети выделения признаков представляют собой альтернативу анализу главных компонент. Неадаптивные необучаемые сети способны восстанавливать образы при предъявлении зашумлённых образцов и могут использоваться для распознавания изображений. Потенциальные области применения методологии ИНС в фармацевтических науках простираются от интерпретации аналитических данных и разработки лекарственных препаратов и лекарственных форм до биофармации и клинической фармации.