基于人工神經網絡的藥劑處方優(yōu)化研究.pdf

1、藥物制劑的處方優(yōu)化屬于多因素，多水平的復雜優(yōu)化問題，人工神經網絡則很適于處理這類復雜的多變量非線性系統(tǒng)，并可通過網絡的預測能力實現多因素的同步優(yōu)化。本文重點研究人工神經網絡在藥物制劑處方優(yōu)化方面的應用。 傳統(tǒng)的基于統(tǒng)計學原理的藥物制劑處方優(yōu)化方法采用的數學原理不同，具有經驗性，即根據制劑研究的經驗，單因素考察各個變量對緩控釋制劑響應之間的關系，然后進行處方設計。這類方法缺點在于工作量大，費時，無法準確地預報實驗結果。同時在藥物制

2、劑處方設計過程中如何處理影響因素多、過程復雜，因素間交互作用錯雜，因素與結果指標之間存在多種不同的非線性關系，成為制約科學研究制劑及其優(yōu)化的瓶頸。 本文選擇緩釋制劑這一較為普遍的藥劑類型進行基于人工神經網絡的制劑處方優(yōu)化研究。對緩釋制劑特性及影響其處方設計質量的重要因素做了細致的分析研究，對人工神經網絡技術作了介紹，重點研究了誤差反向傳播（BP）神經網絡算法及其改進。本文以鹽酸地爾硫卓緩釋片劑為例，給出了一個基于改進的BP算法的