(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111663521.1 (22)申请日 2021.12.31 (71)申请人 王昊昱 地址 315000 浙江省宁波市宁波诺丁汉大 学理工楼PMB3 35 申请人 陈致远 (72)发明人 王昊昱　关秋峰　陈致远　曹兆洋　 李汶锦　黄亮　 (74)专利代理 机构 安徽初升专利代理事务所 (普通合伙) 3423 3 专利代理师 曹雪菲 (51)Int.Cl. G16C 20/50(2019.01) G16C 20/70(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 一种人工智能预测制剂溶出曲线并筛选错 误数据的系统及方法 (57)摘要 本发明公开了一种人工智能预测制剂溶出 曲线并筛选错误数据的系统及方法， 包括预测模 块， 其预测模块包含数据子系统、 神经网络子系 统和数据预测子系统， 所述神经网络子系统分别 与数据预测子系统和数据子系统相连接； 所述神 经网络子系统包含有神经网络模型构造模块和 神经网络模 型检验模块， 所述数据预测子系统包 含有辅料调整模块、 第一优化模块和第二优化模 块。 本发明创建了一个数据预测系统及方法， 其 特点是可以对少量实验为基础的实验进行预测。 也可以在处方内部分辅料发生改变的条件下， 依 然利用处方改变前的数据训练模型。 权利要求书1页 说明书8页 附图5页 CN 114512200 A 2022.05.17 CN 114512200 A 1.一种人工智能预测制剂溶出曲线并筛选错误数据的系统， 其特征在于， 包括预测模 块， 其预测模块包含 数据子系统、 神经网络子系统和数据预测子系统， 所述神经网络子系统 分别与数据预测子系统和数据子系统相连接； 所述神经网络子系统包含有神经网络模型构造模块和神经网络模型检验模块， 所述数 据预测子系统包 含有辅料调整模块、 第一优化模块和第二优化模块； 所述预测模块包含有F2算法、 BP神经网络、 径向基函数RBF神经网络、 P感知器神经网 络、 自组织神经网络、 FFNN向前反馈神经网络、 HN霍普菲尔神经网络、 CNN卷积神经网络、 RNN 循环神经网络、 GAN 生成对抗网络和DN去卷积神经网络 。 2.根据权利要求1所述的一种人工智能预测制剂溶出曲线并筛选错误数据的方法， 其 特征在于， 具体步骤如下： S1.建立数据模型， 将大量的实验来获取训练数据， 输入到计算机后， 进行了标准化等 数据预处 理工作； S2.建立神经网络模型， 采用三层RBF神经网络作为数据筛选方法， 四层基于BP算法的 神经网络作为预测方法， 神经网络参数初始设定后， 编制神经网络模型； S3.利用S1中得到的数据对S2中建立的神经网络模型进行训练， 并评价模型的训练效 果； S31.如果效果 不理想， 返回过程S2修改神经网络参数， 以提高模型的非线性拟合能力； S32.如果符合要求， 结束该 过程。 3.根据权利要求2所述的一种人工智能预测制剂溶出曲线并筛选错误数据的方法， 其 特征在于， 在S31的数据基础上运 算第一优化模块， 还 包含有如下步骤： S33.根据概率统计方法， 通过多次训练和预测， 得到同一组输入数据的多次预测结果， 将每一次训练后得到的预测结果作为一个决策树， 如果符合要求则保留， 不符合要求则删 除； S34.根据统计学方法， 计算所有预测数据的标准差然后计算所有预测数据的平均值， 如果预测 值与平均值的差值的绝对值大于标准差， 那么该数据将被 自动删除， 由此即可排 除由于预测数据收敛在局部最优解时产生的异常数据， 再将所有的数据计算平均值， 得出 一条平均值曲线， 当训练预测样本量越大， 该曲线的取值越稳定 。 4.根据权利要求2所述的一种人工智能预测制剂溶出曲线并筛选错误数据的方法， 其 特征在于， 在S31的数据基础上运 算第二优化模块， 还 包含有如下步骤： S35.从训练集中选取一组真实数据， 作为参比数据每一次模型训练后， ， 都对这组数据 进行预测， 然后将预测结果与该数据进行对比， 并计算F2值； 当F2小于设定值时， 则认为该 模型收敛在局部最优解， 程序自动认定其为异常模 型， 并将其删除； 当符合要求的模型数量 达到设定值时， 再对筛 选后的数据求平均值， 得 出回归线。 5.根据权利要求3或4所述的一种人工智能预测制 剂溶出曲线 并筛选错误数据的方法， 其特征在于， 在第一优化模块或第二优化模块的基础上， 运 算辅料调整模块， 具体步骤为： 将样本中的辅料占比设为参数值， 然后将未添加的辅料参数设为0， 与其他输入值同时 输入到神经网络模型中训练。权　利　要　求　书 1/1 页 2 CN 114512200 A 2一种人工智能预测 制剂溶出曲线 并筛选错误数据的 系统及 方法 技术领域 [0001]本发明涉及数据处理和预测领域， 特别涉及一种人工智能预测制剂溶出曲线并筛 选错误数据的系统及方法。 背景技术 [0002]现在越来越多的公司和科研机构开始了人工智能在药物研发领域的探索。 但由于 制剂的特殊性， 很少有公司使用人工智能对其进 行研究。 制剂的辅料成分多为 天然有机物， 因此不同批次或不同生产商生产的辅料， 实际结构也不相同。 以海藻酸为例， 海藻酸的相对 分子质量在20000到2 40000之间， 其分子量的不同导致其物理性质存在很大差异， 影 响其崩 解性和粘合 性。 [0003]由于辅料间的差异及实验操作的差异， 导致每次实验结果会存在些许差异。 因此， 当这些数据导入人工智能模型后， 会出现噪音。 为了解决这些噪音， 提高预测的准确度， 需 要大量的样本量才能实现。 但是问题是， 当有足够数据时， 往往项目也接近完成了。 因此， 这 种预测将变得没有意 义。 [0004]从而为了实现在少量数据下， 模型依然满足预测需求是如今科研数据的社会趋 势。 发明内容 [0005]本发明要解决的技术问题是克服现有技术的缺陷， 提供一种人工智能预测制剂溶 出曲线并筛 选错误数据的系统及方法。 [0006]为了解决上述 技术问题， 本发明提供了如下的技 术方案： [0007]本发明一种人工智能预测制剂溶出曲线并筛选错误数据的系统， 包括1.预测模 块， 其预测模块包含 数据子系统、 神经网络子系统和数据预测子系统， 所述神经网络子系统 分别与数据预测子系统和数据子系统相连接； [0008]所述神经网络子系统包含有神经网络模型构造模块和神经网络模型检验模块， 所 述数据预测子系统包 含有辅料调整模块、 第一优化模块和第二优化模块； [0009]所述预测模块包含有F2算法、 BP神经 网络、 径向基函数RBF神经 网络、 P感知 器神经 网络、 自组织神经网络、 FFNN向前反馈神经网络、 HN霍普菲尔神经网络、 CNN卷积神经网络、 RNN循环神经网络、 GAN 生成对抗网络和DN去卷积神经网络 。 [0010]本发明提供了如下的第二个技 术方案： [0011]本发明还提供了这种人工智能预测制剂溶出曲线并筛选错误数据的方法， 具体步 骤如下： [0012]S1.建立数据模型， 将大量的实验来获取训练数据， 输入到计算机后， 进行了标准 化等数据预处 理工作； [0013]S2.建立神 经网络模型， 采用三层RBF神 经网络作为数据筛选方法， 四层基于BP算说　明　书 1/8 页 3 CN 114512200 A 3