Grundgerüsterkennung von Diterpenen aus 13C-NMR Daten mit Methoden der Künstlichen Intelligenz
Versandkostenfrei!
Versandfertig in 1-2 Wochen
38,00 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Diplomarbeit aus dem Jahr 1996 im Fachbereich Ingenieurwissenschaften - Künstliche Intelligenz, Note: 1,3, Humboldt-Universität zu Berlin (Unbekannt), Sprache: Deutsch, Abstract: Inhaltsangabe:Problemstellung:Die Erforschung und Bekämpfung humaner und pflanzlicher Krankheiten war schon immer ein wesentlicher Bestandteil von Wissenschaft und Forschung. Die Forschung konzentriert sich hierbei neuerdings verstärkt auf natürliche Strukturen, wie sie in Mikroorganismen, marinen Organismen und Pflanzen vorkommen. Die Strukturen in Naturstoffen sind sehr komplex. Die Strukturaufklärung erweist ...
Diplomarbeit aus dem Jahr 1996 im Fachbereich Ingenieurwissenschaften - Künstliche Intelligenz, Note: 1,3, Humboldt-Universität zu Berlin (Unbekannt), Sprache: Deutsch, Abstract: Inhaltsangabe:Problemstellung:
Die Erforschung und Bekämpfung humaner und pflanzlicher Krankheiten war schon immer ein wesentlicher Bestandteil von Wissenschaft und Forschung. Die Forschung konzentriert sich hierbei neuerdings verstärkt auf natürliche Strukturen, wie sie in Mikroorganismen, marinen Organismen und Pflanzen vorkommen. Die Strukturen in Naturstoffen sind sehr komplex. Die Strukturaufklärung erweist sich als sehr zeitaufwendig und bleibt meistens den Experten vorbehalten. Aufgrund dessen besteht Bedarf für eine Automatisierung der Strukturaufklärung.
Zur Automatisierung der Strukturaufklärung, wurde von der Firma AnalytiConi ein Projekt beim Bundesministerium für Bildung, Wissenschaft, Forschung und Technik (BMBF) beantragt. Bereits seit den siebziger Jahren werden Ansätze verfolgt, die Strukturaufklärung mit Hilfe entsprechender Software teilweise zu automatisieren. Um die hohe Anzahl kombinatorisch denkbarer Strukturen auf die biogenetisch sinnvollen Strukturen reduzieren zu können, wird das Konzept der "biogeneseunterstützten Strukturaufklärung" herangezogen.
Naturstoffe zeichnen sich durch ihren biogenetisch logischen Aufbau des Kohlenstoffgerüstes aus. Der hier verfolgte Ansatz beschränkt sich im Vergleich zu früheren Ansätzen auf Naturstoffe.
In dem beantragten Projekt zur Strukturaufklärung kommen die folgenden modernen Techniken aus dem Bereich der Künstlichen Intelligenz zum Einsatz kommen:
assoziatives Lernen (überwachtes Lernen), entdeckendes Lernen (nicht überwachtes Lernen),neuranale Netze.
Gang der Untersuchung:
Der Inhalt der Arbeit ist in fünf Kapitel untergliedert: Kapitel 1 erläutert Projektstand und Projektziel, Kapitel 2 gibt einen Ausblick auf die chemischen Hintergründe, Kapitel 3 befasst sich mit einem Suchproblem graphentheoretischer Art. Aus den bekannten Strukturen verschiedener Grundgerüste und der vorgegebenen Struktur eines Moleküls soll erkannt werden, um welches Grundgerüst es sich handelt.
Die Kapitel 4 und 5 befassen sich mit der Erkennung von Grundgerüsten, bei denen die Struktur des zu untersuchenden Moleküls unbekannt ist. Untersucht werden die Einsatzmöglichkeiten von neuronalen Netzen und maschinellen Lernalgorithmen. Es werden Daten untersucht, die aus 13C-NMR-Spektren von Naturstoffen stammen, deren Struktur bereits aufgeklärt wurde. Dieses geschieht zum einen unter Berücksichtigung der Zuordnung der Atomnummern und zum anderen ohne deren Berücksichtigung. Diese Einteilung soll die Frage klären, ob neuronale Netze auf diese Problemklasse anwendbar sind. Außerdem soll die Frage der Datenrepräsentation in neuronalen Netzen geklärt werden. Parallel zu diesen Experimenten werden auch Experimente mit maschinellen Lernalgorithmen durchgeführt. Einige der Ergebnisse bezüglich maschineller Lernalgorithmen entstanden in Kooperation mit der Gesellschaft für Mathematik und Datenverarbeitung (GMD) und wurden dort von Soso Dieroski erarbeitet.
Inhaltsverzeichnis:Inhaltsverzeichnis:
1.Einleitung1
1.Vorarbeiten3
1.Stand der Forschung3
2.Projektziel4
2.Chemische Grundlagen5
1.NMR - Spektroskopie5
2.13C - NMR Spektrum5
3.Diterpene7
4.Multiplizitäten7
5.Substituenten8
6.Beobachtete und reduzierte Multiplizitäten8
3.Ein graphentheoretisches Problem11
1.Graphentheoretische Grundlagen11
2.Suche nach Subgraphen und Isomorphismen11
2.1Der Algorithmus von Schmidt und Druffel13
2.2Der Algorithmus von Corneil und Gottlieb15
2.3Der Algorithmus von Sussenguth Jr.18
2.4Algorithmus zur Bestimmung kleinster Kreise22
3.Anwendung des Subgraphen - Isomorphismus23
4.Neuronale Netze25
1.Ein Back Pro...
Die Erforschung und Bekämpfung humaner und pflanzlicher Krankheiten war schon immer ein wesentlicher Bestandteil von Wissenschaft und Forschung. Die Forschung konzentriert sich hierbei neuerdings verstärkt auf natürliche Strukturen, wie sie in Mikroorganismen, marinen Organismen und Pflanzen vorkommen. Die Strukturen in Naturstoffen sind sehr komplex. Die Strukturaufklärung erweist sich als sehr zeitaufwendig und bleibt meistens den Experten vorbehalten. Aufgrund dessen besteht Bedarf für eine Automatisierung der Strukturaufklärung.
Zur Automatisierung der Strukturaufklärung, wurde von der Firma AnalytiConi ein Projekt beim Bundesministerium für Bildung, Wissenschaft, Forschung und Technik (BMBF) beantragt. Bereits seit den siebziger Jahren werden Ansätze verfolgt, die Strukturaufklärung mit Hilfe entsprechender Software teilweise zu automatisieren. Um die hohe Anzahl kombinatorisch denkbarer Strukturen auf die biogenetisch sinnvollen Strukturen reduzieren zu können, wird das Konzept der "biogeneseunterstützten Strukturaufklärung" herangezogen.
Naturstoffe zeichnen sich durch ihren biogenetisch logischen Aufbau des Kohlenstoffgerüstes aus. Der hier verfolgte Ansatz beschränkt sich im Vergleich zu früheren Ansätzen auf Naturstoffe.
In dem beantragten Projekt zur Strukturaufklärung kommen die folgenden modernen Techniken aus dem Bereich der Künstlichen Intelligenz zum Einsatz kommen:
assoziatives Lernen (überwachtes Lernen), entdeckendes Lernen (nicht überwachtes Lernen),neuranale Netze.
Gang der Untersuchung:
Der Inhalt der Arbeit ist in fünf Kapitel untergliedert: Kapitel 1 erläutert Projektstand und Projektziel, Kapitel 2 gibt einen Ausblick auf die chemischen Hintergründe, Kapitel 3 befasst sich mit einem Suchproblem graphentheoretischer Art. Aus den bekannten Strukturen verschiedener Grundgerüste und der vorgegebenen Struktur eines Moleküls soll erkannt werden, um welches Grundgerüst es sich handelt.
Die Kapitel 4 und 5 befassen sich mit der Erkennung von Grundgerüsten, bei denen die Struktur des zu untersuchenden Moleküls unbekannt ist. Untersucht werden die Einsatzmöglichkeiten von neuronalen Netzen und maschinellen Lernalgorithmen. Es werden Daten untersucht, die aus 13C-NMR-Spektren von Naturstoffen stammen, deren Struktur bereits aufgeklärt wurde. Dieses geschieht zum einen unter Berücksichtigung der Zuordnung der Atomnummern und zum anderen ohne deren Berücksichtigung. Diese Einteilung soll die Frage klären, ob neuronale Netze auf diese Problemklasse anwendbar sind. Außerdem soll die Frage der Datenrepräsentation in neuronalen Netzen geklärt werden. Parallel zu diesen Experimenten werden auch Experimente mit maschinellen Lernalgorithmen durchgeführt. Einige der Ergebnisse bezüglich maschineller Lernalgorithmen entstanden in Kooperation mit der Gesellschaft für Mathematik und Datenverarbeitung (GMD) und wurden dort von Soso Dieroski erarbeitet.
Inhaltsverzeichnis:Inhaltsverzeichnis:
1.Einleitung1
1.Vorarbeiten3
1.Stand der Forschung3
2.Projektziel4
2.Chemische Grundlagen5
1.NMR - Spektroskopie5
2.13C - NMR Spektrum5
3.Diterpene7
4.Multiplizitäten7
5.Substituenten8
6.Beobachtete und reduzierte Multiplizitäten8
3.Ein graphentheoretisches Problem11
1.Graphentheoretische Grundlagen11
2.Suche nach Subgraphen und Isomorphismen11
2.1Der Algorithmus von Schmidt und Druffel13
2.2Der Algorithmus von Corneil und Gottlieb15
2.3Der Algorithmus von Sussenguth Jr.18
2.4Algorithmus zur Bestimmung kleinster Kreise22
3.Anwendung des Subgraphen - Isomorphismus23
4.Neuronale Netze25
1.Ein Back Pro...
Andere Kunden interessierten sich für
