پیش بینی میزان حلالیت داروی ایبوپروفن در دی اکسید کربن فوق بحرانی با استفاده از شبکه عصبی مصنوعی

در این تحقیق از نرم افزار شبکه های عصبی مصنوعی برای پیش بینی میزان حلالیت ایبوپروفن در دی اکسید کربن فوق بحرانی استفاده شده است. برای ساختن شبکه عصبی تعداد نورون ها از 1 تا 20، توابع انتقال tansig,purelin,radbas,satlin,tribas, satlins در نظر گرفته شده است. نوع تابع آموزش و میزان تقسیم بندی داده ها نیز بررسی شده است. خطای شبکه نیز از نوع میانگین مربعات خطا (MSE) تعریف شده است. بهترین شبکه عصبی ساخته شده برای حالتی است که از تابع آموزش بیزین-رگولاریزیشن با تقسیم بندی داده ها به صورت 70 درصد داده های آموزشی، 15 درصد داده های ارزیابی در حین آموزش و 15 درصد داده های ارزیابی در پایان آموزش نتیجه شده است. همچنین این شبکه دارای 12 نورون می باشد که تابع انتقال(تبدیل)آن نیز ردبس است و خطای شبکه در این شرایط نیز 0.00057329 تخمین زده شده است و رگراسیون در این حالت برابر 0.92 می باشد.

Keywords:

شبکه عصبی مصنوعی , حلالیت , ایبوپروفن , دی اکسیدکربن فوق بحرانی , لونبرگ-مارکوات , بیزین-رگولاریزیشن , میانگین مربعات خطا