Магістерські роботи (ММСА)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/21849

Переглянути

Перегляд Магістерські роботи (ММСА) за Ключові слова "004.032.26, 615.072"

Зараз показуємо 1 - 2 з 2
  • Ескіз
    ДокументВідкритий доступ
    Оцінка ADME-Tox властивостей молекул. Методи навчання багатозадачних нейронних мереж
    (КПІ ім. Ігоря Сікорського, 2022-12) Островський, Захар Юрійович; Недашківська, Надія Іванівна
    Магістерська дисертація: 110 с., 28 табл., 43 рис., 1 додаток, 46 посилань. Об’єкт дослідження: ADME-Tox властивості молекули. Мета дослідження: аналіз ADME-Tox параметрів, побудова багатозадачної нейронної мережі із використанням графових нейронних мереж для прогнозування ADME-Tox властивостей, порівняння якості цієї моделі із класичними моделями під кожен параметр у плані швидкості і якості прогнозу. Використані методи: Рівнозначне зважування (EW), Випадкове зважування (RLW), Зважування за невизначенністю (UW), Нормалізація градієнтів (GradNorm), Динамічне усереднення коефіцієнтів (DWA), “Неконфліктуючий” градієнтний спуск (CAGrad), Неупереджене багатозадачне навчання (IMTL), Проєктування конфліктуючих градієнтів (PCGrad), Вакцинування градієнтів (GradVac). Отриманні результати: побудовано графову багатозадачну нейронну мережу для прогнозування ADME-Tox властивостей молекул із швидкістю прогнозу 500 тисяч молекул за 280 секунд для середньостатистичної машини із графічним процесором GPU та за 550 секунд для середньостатистичної машини із процесором CPU. У рамках подальшого дослідження пропонується підвищувати точність кожного ADME-Tox параметру, а також побудувати універсальний молекулярний декодувальник, який переводитиме будь-яку молекулу у векторний простір.
  • Ескіз
    ДокументВідкритий доступ
    Оцінка ADME-Tox властивостей молекул. Методи та моделі графових нейронних мереж
    (КПІ ім. Ігоря Сікорського, 2022-12) Возняк, Володимир Зіновійович; Недашківська, Надія Іванівна
    Магістерська дисертація: 111 с., 32 табл., 37 рис., 1 додаток, 38 посилань. Об’єкт дослідження: ADME-Tox властивості молекули. Мета дослідження: аналіз ADME-Tox параметрів, побудова багатозадачної нейронної мережі із використанням графових нейронних мереж для прогнозування ADME-Tox властивостей, порівняння якості цієї моделі із класичними моделями під кожен параметр у плані швидкості і якості прогнозу. Використані моделі: графова згорткова нейронна мережа (GCN), графова уважна нейронна мережа (GATv2), графові нейронні мережі із передачею повідомлень (GIN та GINE), графова нейронна мережа для молекулярних задач (MF). Отриманні результати: побудовано графову багатозадачну нейронну мережу для прогнозування ADME-Tox властивостей молекул із швидкістю прогнозу 500 тисяч молекул за 280 секунд для середньостатистичної машини із процесором GPU та за 550 секунд для середньостатистичної машини із процесором CPU. У рамках подальшого дослідження пропонується підвищувати точність кожного ADME-Tox параметру, а також побудувати універсальний молекулярний декодувальник, який переводитиме будь-яку молекулу із молекулярного простору у векторний.