Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos

Mostrar outras versões (1)

In this paper artificial neural network (ANN) based on supervised and unsupervised algorithms were investigated for use in the study of rheological parameters of solid pharmaceutical excipients, in order to develop computational tools for manufacturing solid dosage forms. Among four supervised ne...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Navarro, Marco Vinícius Monteiro
Outros Autores: http://lattes.cnpq.br/4867451742538033
Formato: doctoralThesis
Idioma:por
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Redes Neurais Artificiais. Redes Supervisionadas. Redes Não-supervisionadas. Excipientes Sólidos
Artificial Neural Networks. Unsupervised Algorithms. Neural Gas. Self- Organizing Maps. Pharmaceutical Solid Excipients. Rheological Parameters. Winner-Take- All. Frequency-Sensitive Competitive Lea
CNPQ::CIENCIAS DA SAUDE
Endereço do item:https://repositorio.ufrn.br/jspui/handle/123456789/13866
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-13866
record_format dspace
institution Repositório Institucional
collection RI - UFRN
language por
topic Redes Neurais Artificiais. Redes Supervisionadas. Redes Não-supervisionadas. Excipientes Sólidos
Artificial Neural Networks. Unsupervised Algorithms. Neural Gas. Self- Organizing Maps. Pharmaceutical Solid Excipients. Rheological Parameters. Winner-Take- All. Frequency-Sensitive Competitive Lea
CNPQ::CIENCIAS DA SAUDE
spellingShingle Redes Neurais Artificiais. Redes Supervisionadas. Redes Não-supervisionadas. Excipientes Sólidos
Artificial Neural Networks. Unsupervised Algorithms. Neural Gas. Self- Organizing Maps. Pharmaceutical Solid Excipients. Rheological Parameters. Winner-Take- All. Frequency-Sensitive Competitive Lea
CNPQ::CIENCIAS DA SAUDE
Navarro, Marco Vinícius Monteiro
Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos
description In this paper artificial neural network (ANN) based on supervised and unsupervised algorithms were investigated for use in the study of rheological parameters of solid pharmaceutical excipients, in order to develop computational tools for manufacturing solid dosage forms. Among four supervised neural networks investigated, the best learning performance was achieved by a feedfoward multilayer perceptron whose architectures was composed by eight neurons in the input layer, sixteen neurons in the hidden layer and one neuron in the output layer. Learning and predictive performance relative to repose angle was poor while to Carr index and Hausner ratio (CI and HR, respectively) showed very good fitting capacity and learning, therefore HR and CI were considered suitable descriptors for the next stage of development of supervised ANNs. Clustering capacity was evaluated for five unsupervised strategies. Network based on purely unsupervised competitive strategies, classic "Winner-Take-All", "Frequency-Sensitive Competitive Learning" and "Rival-Penalize Competitive Learning" (WTA, FSCL and RPCL, respectively) were able to perform clustering from database, however this classification was very poor, showing severe classification errors by grouping data with conflicting properties into the same cluster or even the same neuron. On the other hand it could not be established what was the criteria adopted by the neural network for those clustering. Self-Organizing Maps (SOM) and Neural Gas (NG) networks showed better clustering capacity. Both have recognized the two major groupings of data corresponding to lactose (LAC) and cellulose (CEL). However, SOM showed some errors in classify data from minority excipients, magnesium stearate (EMG) , talc (TLC) and attapulgite (ATP). NG network in turn performed a very consistent classification of data and solve the misclassification of SOM, being the most appropriate network for classifying data of the study. The use of NG network in pharmaceutical technology was still unpublished. NG therefore has great potential for use in the development of software for use in automated classification systems of pharmaceutical powders and as a new tool for mining and clustering data in drug development
author2 http://lattes.cnpq.br/4867451742538033
author_facet http://lattes.cnpq.br/4867451742538033
Navarro, Marco Vinícius Monteiro
format doctoralThesis
author Navarro, Marco Vinícius Monteiro
author_sort Navarro, Marco Vinícius Monteiro
title Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos
title_short Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos
title_full Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos
title_fullStr Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos
title_full_unstemmed Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos
title_sort emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos
publisher Universidade Federal do Rio Grande do Norte
publishDate 2014
url https://repositorio.ufrn.br/jspui/handle/123456789/13866
work_keys_str_mv AT navarromarcoviniciusmonteiro empregoderedesneuraisartificiaissupervisionadasenaosupervisionadasnoestudodeparametrosreologicosdeexcipientesfarmaceuticossolidos
_version_ 1773967444259373056
spelling ri-123456789-138662019-05-26T06:09:19Z Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos Navarro, Marco Vinícius Monteiro http://lattes.cnpq.br/4867451742538033 http://lattes.cnpq.br/4452581275123481 Oliveira, Eduardo de Jesus http://lattes.cnpq.br/1293090609428232 Barbosa, Euzébio Guimarães http://lattes.cnpq.br/3197108792266393 Morais, Waldenice de Alencar http://lattes.cnpq.br/2575667613995470 Chaud, Marco Vinícius http://lattes.cnpq.br/8853705702222360 Redes Neurais Artificiais. Redes Supervisionadas. Redes Não-supervisionadas. Excipientes Sólidos Artificial Neural Networks. Unsupervised Algorithms. Neural Gas. Self- Organizing Maps. Pharmaceutical Solid Excipients. Rheological Parameters. Winner-Take- All. Frequency-Sensitive Competitive Lea CNPQ::CIENCIAS DA SAUDE In this paper artificial neural network (ANN) based on supervised and unsupervised algorithms were investigated for use in the study of rheological parameters of solid pharmaceutical excipients, in order to develop computational tools for manufacturing solid dosage forms. Among four supervised neural networks investigated, the best learning performance was achieved by a feedfoward multilayer perceptron whose architectures was composed by eight neurons in the input layer, sixteen neurons in the hidden layer and one neuron in the output layer. Learning and predictive performance relative to repose angle was poor while to Carr index and Hausner ratio (CI and HR, respectively) showed very good fitting capacity and learning, therefore HR and CI were considered suitable descriptors for the next stage of development of supervised ANNs. Clustering capacity was evaluated for five unsupervised strategies. Network based on purely unsupervised competitive strategies, classic "Winner-Take-All", "Frequency-Sensitive Competitive Learning" and "Rival-Penalize Competitive Learning" (WTA, FSCL and RPCL, respectively) were able to perform clustering from database, however this classification was very poor, showing severe classification errors by grouping data with conflicting properties into the same cluster or even the same neuron. On the other hand it could not be established what was the criteria adopted by the neural network for those clustering. Self-Organizing Maps (SOM) and Neural Gas (NG) networks showed better clustering capacity. Both have recognized the two major groupings of data corresponding to lactose (LAC) and cellulose (CEL). However, SOM showed some errors in classify data from minority excipients, magnesium stearate (EMG) , talc (TLC) and attapulgite (ATP). NG network in turn performed a very consistent classification of data and solve the misclassification of SOM, being the most appropriate network for classifying data of the study. The use of NG network in pharmaceutical technology was still unpublished. NG therefore has great potential for use in the development of software for use in automated classification systems of pharmaceutical powders and as a new tool for mining and clustering data in drug development Neste trabalho foram estudadas redes neurais artificiais (RNAs) baseadas em algoritmos supervisionados e não supervisionados para emprego no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos, visando desenvolver ferramentas computacionais para o desenvolvimento de formas farmacêuticas sólidas. Foram estudadas quatro redes neurais artificiais supervisionadas e cinco não supervisionadas. Todas as RNAs supervisionadas foram baseadas em arquitetura de rede perceptron multicamada alimentada à frente (feedfoward MLP). Das cinco RNAs não supervisionadas, três foram baseadas em estratégias puramente competitivas, "Winner-Take- All" clássica, "Frequency-Sensitive Competitive Learning" e "Rival-Penalize Competitive Learning" (WTA, FSCL e RPCL, respectivamente). As outras duas redes não supervisionadas, Self- Organizing Map e Neural Gas (SOM e NG) foram baseadas estratégias competitivo-cooperativas. O emprego da rede NG em tecnologia farmacêutica é ainda inédito e pretende-se avaliar seu potencial de emprego como nova ferramenta de mineração e classificação de dados no desenvolvimento de medicamentos. Entre os protótipos de RNAs supervisionadas o melhor desempenho foi conseguido com uma rede de arquitetura composta por 8 neurônios de entrada, 16 neurônios escondidos e 1 neurônio de saída. O aprendizado de rede e a capacidade preditiva em relação ao ângulo de repouso (α) foi deficiente, e muito boa para o índice de Carr e fator de Hausner (IC, FH). Por esse motivo IC e FH foram considerados bons descritores para uma próxima etapa de desenvolvimento das RNAs supervisionadas. As redes, WTA, RPCL e FSCL, foram capazes de estabelecer agrupamentos dentro da massa de dados, porém apresentaram erros grosseiros de classificação caracterizados pelo agrupamento de dados com propriedades conflitantes, e também não foi possível estabelecer qual o critério de classificação adotado. Tais resultados demonstraram a inviabilidade prática dessas redes para os sistemas estudados sob nossas condições experimentais. As redes SOM e NG mostraram uma capacidade de classificação muito superior às RNAs puramente competitivas. Ambas as redes reconheceram os dois agrupamentos principais de dados correspondentes à lactose (LAC) e celulose (CEL). Entretanto a rede som demonstrou deficiência na classificação de dados relativos aos excipientes minoritários, estearato de magnésio (EMG), talco (TLC) e atapulgita (ATP). A rede NG, por sua vez, estabeleceu uma classificação muito consistente dos dados e resolveu o erro de classificação apresentados pela rede SOM, mostrando-se a rede mais adequada para a classificação dos dado do presente estudo. A rede Neural Gas, portanto, mostrou- se promissora para o desenvolvimento de softwares para uso na classificação automatizada de sistemas pulverulentos farmacêuticos 2014-12-17T14:25:22Z 2014-09-05 2014-12-17T14:25:22Z 2014-02-05 doctoralThesis NAVARRO, Marco Vinícius Monteiro. Emprego de redes neurais artificiais supervisionadas e não supervisionadas no estudo de parâmetros reológicos de excipientes farmacêuticos sólidos. 2014. 130 f. Tese (Doutorado em Inovação Tecnológica em Medicamentos) - Universidade Federal do Rio Grande do Norte, Natal, 2014. https://repositorio.ufrn.br/jspui/handle/123456789/13866 por Acesso Aberto application/pdf application/pdf Universidade Federal do Rio Grande do Norte BR UFRN Programa de Pós-Graduação em Desenvolvimento e Inovação Tecnológica em Medicamentos Inovação Tecnológica em Medicamentos

Registros relacionados