OPTIMISATION D'UN MODÈLE DE RÉSEAU DE NEURONES ROBUSTE À PARTIR DE LA RÉGULARISATION BAYESIENNE ET LA MÉTHODE D'AUTOCORRÉLATION POUR LA PRÉDICTION DE LA TEMPERATURE D'ÉBULLITION DES ALCANES

摘要

Nous avons utilisé un nouveau modèle de type QSPR pour prédire la température d'ébullition des alcanes, en utilisant les réseaux de neurones et la régularisation bayésienne. Les variables indépendantes utilisées dérivent de la méthode d'autocorrélation. Le descripteur topologique consiste en quatre composantes d'autocorrélation. Nous avons testé le pouvoir prédictif de notre modèle de réseau de neurones par la technique de la validation croisée (leave-20%-out cross-validation method). La technique de la régularisation bayésienne a permis de fournir un modèle d'une grande capacité de généralisation (robustesse) dans la prédiction. La température des 143 molécules d'alcanes utilisées est corrélée de façon très satisfaisante. Le coefficient de corrélation et l'écart type étaient de l'ordre de 99 et 1,71℃ respectivement.