一种预测木聚糖酶最适温度的PCANN模型

• 作者: 张光亚 方柏山 葛慧华
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 主成分分析 BP神经网络 木聚糖酶 最适温度 虚拟筛选
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 55-58
• 页数: 4页
• 分类号: Q550.3|Q811.211|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5013.2007.01.015

摘要

采用主成分分析法对样本数据集进行预处理,将得到的新样本数据集输入神经网络,构建F/10家族木聚糖酶氨基酸组成和最适温度的主成分分析神经网络(PCANN)模型.结果表明,当学习速率为0.07、动态参数为0.8、Sigmoid参数为0.96,隐含层结点数为5时,模型对温度拟合的平均绝对百分比误差为4.97%,绝对误差为3.03 ℃.同时,方法具有良好的预测效果,预测的平均绝对百分比误差为4.68%,平均绝对误差为3.55 ℃.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方柏山	华侨大学材料科学与工程学院	137	975	15.0	23.0
2	张光亚	华侨大学材料科学与工程学院	88	491	10.0	20.0
3	葛慧华	华侨大学材料科学与工程学院	17	57	4.0	7.0