ИСТИНА

Главным содержанием диссертационной работы является создание универсальной методологии, позволяющей с единых позиций осуществлять количественный прогноз самых разнообразных свойств химических соединений в рамках теоретико-графового подхода к описанию их строения на основе компьютерной обработки экспериментальных данных. Математически обосновано и на множестве примеров продемонстрировано, что такой методологией является сочетание многослойных искусственных нейронных сетей персептронного типа и фрагментных дескрипторов. В рамках развития нейросетевых подходов разработаны: а) процедура двойного скользящего контроля; б) статистический метод быстрой пошаговой множественной линейной регрессии; в) метод интерпретации нейросетевых регрессионных моделей; г) концепция «обучаемой симметрии». В рамках развития фрагментных подходов разработаны: а) иерархическая система классификации типов атомов, а также структура и алгоритм генерации фрагментных дескрипторов; б) концепция фрагментов с «выделенными» атомами; в) концепция псевдофрагментных дескрипторов. В рамках развития интегрированных подходов разработаны: а) методы интеграции нейросетевого и молекулярного моделирования; б) концепция построения нейросетевых моделей «структура-условия-свойство»; в) методы объединения нейросетевых моделей; г) концепция проведения прямых корреляций «структура-свойство». Построены модели для прогнозирования 62 разнообразных свойств химических соединений. Результаты работы могут быть использованы для прогнозирования самых разнообразных свойств химических соединений.