. ابتدا تعداد زیادی از توصیف کننده های مولکولی با استفاده از نرم افزار های هایپرکم، موپک و دراگون محاسبه شده است. سپس تعداد مناسبی از این توصیف کننده ها با استفاده از روش mlr انتخاب شده است. نتایج بدست آمده از روش mlr نشان می دهد که فعالیت ضد آلزایمر این ترکیبات به پارامتر های مختلفی از قبیل: توصیف کننده های توپولوژیکی، خود همبستگی دوبعدی، توصیف کننده های سه بعدی مورس و شاخص های بار الکتریکی بستگی دارد. سپس این توصیف کننده ها به عنوان ورودی برای شبکه عصبی ann-lm بکار برده شده است. بهترین شبکه عصبی مصنوعی یک شبکه جلو رونده با انتشار به عقب خطا که با الگوریتم lm آموزش داده شده است می باشد که دارای ساختار 1-8-8 می باشد. بهترین خطای استاندارد و ضریب همبستگی برای مجموعه آموزشی به ترتیب 10/0 و 954/0 می باشد و برای مجموعه آزمایشی بهترین خطای استاندارد و ضریب همبستگی به ترتیب 098/0 و 946/0 می باشد. مقایسه نتایج بدست آمده نشان می دهد که شبکه های عصبی مصنوعی در پروژه حاضر قدرت پیش بینی بهتری نسبت به سایر روش ها از قبیل: mlr و pls دارا می باشد.