Введение
Глава 1 Обзор литературы 10
1.1. Анализ литературных данных 10
- Методы, применяемые для обработки экспериментальных данных биосенсоров (основные понятия) 10
- Нейросетевые модели и алгоритмы обучения 15
История развития теории нейронных сетей 15
Задачи, успешно решаемые с помощью ИНС 16
Структура ИНС, классификация и методы обучения 19
Применение ИНС для решения задач, связанных с исследованием и разработкой сенсорных систем 27
Моделирование процессов, протекающих в сенсорных системах 27
- Применение ИНС в качестве "программного сенсора" 29
Проведение измерений в средах с изменяемыми характеристиками 32
Проведение измерений при наличии искажений сигнала 35
Построение калибровочных зависимостей для анализа многокомпонентных сред 36
- Применение ИНС в иммуноанализе 40
- Выводы 45
1.2. Материалы и методы 47
Создание программ регистрации сигналов 47
Математическое описание калибровочных кривых 48
Построение ИНС 50
Система микробных сенсоров для раздельного анализа смеси "глюкоза- этанол" 52
Оптимизация числа измерений для построения калибровочных кривых с помощью ИНС 54
Глава 2. Создание программно-аппаратной базы проведения исследований 56
2.1. Создание программы регистрации сигналов амперометрических и потенциометрических сенсоров. .56
- Практическое применение созданной программы 58
2.2. Создание программ регистрации сигналов проточно-инжекционного и многоканального хемилюминисцентньгх иммуносенсоров 60
- Практическое применение созданных программ 62
Глава 3. Количественный анализ калибровочных зависимостей биосенсоров 63
Оценка диапазона линейности калибровочной кривой в полулогарифмических координатах 64
Практическое применение уравнения Хилла для анализа калибровочных зависимостей биосенсоров 65
- Потенциометрические сенсоры 66
Микробные сенсоры амперометрического типа 74
Глава 4. Применение искусственных нейронных сетей в анализе многокомпонентных сред 77
4.1. Исследование аппроксимационных свойств ИНС на основе модели сенсорной системы для определения трех различных веществ 78
Математические модели мультисенсорной системы 80
- Формирование наборов данных 83
Выбор алгоритма и оптимальных параметров обучения 84
- Выбор оптимальной размерности сети 88
- Сравнение точности обработки данных, полученных с помощью 3-х систем сенсоров 89
Сравнение эффективности одной ИНС и системы, состоящей из m независимых ИНС, раздельно определяющих концентрацию каждого из m компонентов смеси 89
4.2. Система микробных сенсоров для раздельного анализа смеси "глюкоза- этанол" 91.
- Полиномиальная аппроксимация калибровочных поверхностей. Определение концентраций компонентов смеси при помощи калибровочных поверхностей 91
Определение концентрации компонентов смеси при помощи искусственных нейронных сетей 94
Сравнение эффективности анализа смеси при помощи хемометрических методов и искусственных нейронных сетей 96
Глава 5. Моделирование калибровочных зависимостей в иммуноферментном анализе с помощью искусственных нейронных сетей 98
Построение калибровочных зависимостей, определение концентраций 99
Измерение концентраций в сыворотках 106
Заключение 109
Выводы 111
Благодарности 112
Список литературы 113
