DOI: 10.7256/2454-0714.2023.4.68876

Аннотация: Предметом исследования является логический подход к анализу данных и разработка программного инструментария, способного определять скрытые закономерности, даже с ограниченным количеством данных. Входные данные состоят из показателей диагностики пациентов, их диагнозов и опыта врачей, полученного в ходе медицинской практики. Метод исследования – разработка программного инструментария на основе систем многозначной логики предикатов для анализа данных пациентов. Данный подход рассматривает исходные данные как набор общих правил, среди которых можно выделить те правила, которые достаточны для объяснения всех наблюдаемых данных. Эти правила, в свою очередь, являются генеративными для рассматриваемой области и помогают лучше понять природу изучаемых объектов. Новизна исследования заключается в применении многозначной логики для анализа ограниченного объема медицинских данных пациентов с целью определения наиболее вероятного диагноза с заданной точностью. Предложенный подход позволяет обнаруживать скрытые закономерности в симптомах и результатах обследований пациентов, классифицировать их и выделять уникальные признаки различных форм гастрита. В отличие от нейронных сетей, логический анализ является прозрачным и не требует обучения на больших объемах данных. Выводы исследования показывают возможность такого подхода для диагностики при нехватке информации, а также предложение альтернатив при не достижении требуемой точности диагноза.

DOI: 10.25136/2644-5522.2017.6.24746

Аннотация: Объектом исследования данной работы является предметная область, представляющая собой прецедентную зависимость между объектами и их характеристиками используемую при решения задач распознавания образов. Интеллектуальный анализ данных является одним из необходимых этапов решения плохо формализованных задач, поэтому во многих случаях от метода построения баз знаний, их анализа и минимизации зависит точность решения поставленной задачи. Разработка общих формальных методов для выявления логических закономерностей в любой заданной предметной области представляется весьма актуальной проблемой, так как предоставляет возможность формирования оптимальных баз знаний, что существенно упрощает решение и улучшает его качество. В данной работе для анализа и минимизации баз знаний используется аппарат дифференцирования булевых функций, который являются направлениями современной дискретной математики и находят свое применение в задачах динамического анализа и синтеза дискретных цифровых структур. Основными результатами проведенного исследования являются построенная логическая функция, анализирующая зависимость между объектами и характеризующими их признаками, представляющая возможность выявить все закономерности данной предметной области; а также метод минимизации баз знаний, полученных на основе логического анализа данных, выявляющий минимальный набор решающих правил, достаточным для решения поставленной задачи.

DOI: 10.7256/2306-4196.2015.5.16368

Аннотация: Предметом исследования являются методы и алгоритмы направленные на практическое решение задач распознавания образов в слабоформализованных областях знаний. К которым относятся медицинская, техническая, геолого-разведывательная диагностика, прогнозирование, построение экспертных систем. Решение таких задач ввело в обиход большое число некорректных (эвристических) алгоритмов. Авторами подробно рассматриваются такие аспекты, как необходимость развития теории корректирующих операций, синтеза корректных алгоритмов минимальной сложности, решение вопросов об их устойчивости с помощью математических методов. Особое внимание уделяется построению алгоритма, являющийся корректным на всем множестве распознаваемых объектов, на основе существующих алгоритмов и решающих правил, составленных для исследуемой области. Логический подход может представлять собой технологию для построения теории синтеза корректных алгоритмов распознавания на базе существующих семейств алгоритмов. Так как данные методы, несмотря на отсутствие адекватных математических моделей исследуемых зависимостей между образом и его свойствами, неполноту и противоречивость данных позволяют создавать алгоритмы, реализующие определенные рассуждения эксперта. Основными выводами проведенных исследований является логический анализ заданной предметной области, в терминах переменозначной логики. Предлагаются подходы к конструированию процедур распознавания по прецедентам на основе заданных некорректных алгоритмов и построенных логических решающих правил. Основным вкладом авторов в исследование темы является предложенный алгоритм, расширяющий область получаемых решений, являющийся корректным на всей исследуемой области. Новизна исследования заключается в использование переменозначной логики, повышающей корректность кодируемой информации и повышающая выразительность сделанных выводов.