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: 10.7256/2454-0714.2017.3.24050

Аннотация: В статье предлагается метод построения логических операций для анализа и коррекции результатов работы сигма-пи нейронных сетей, предназначенных для решения задач распознавания. Целью работы является выявление логической структуры неявных закономерностей, сформированных в результате обучения нейронной сети. Предлагаемый авторами метод восстанавливает обучающую выборку, опираясь на значения весовых коэффициентов сигма-пи нейрона, проводит анализ связей этой структуры и позволяет обнаружить неявные закономерности, что способствует повышению адаптивных свойств сигма-пи нейрона. Для решения поставленной задачи проводиться логико-алгебраический анализ предметной области в рамках которой происходит обучение сига-пи нейрона, строиться логическая решающая функция, исследуются ее свойства и применимость к коррекции работы нейрона. Широко известно, что комбинированный подход к организации работы алгоритмов распознания повышает их эффективность. Авторы утверждают, что комбинация нейросетевого подхода и применение логических корректоров позволяет в случаи возникновения некорректного ответа указать наиболее близкий по запрашиваемым признакам объект из выборки по которой обучался сигма-пи нейрон. Это существенно повышается качество автоматизированного решения интеллектуальных задач, т.е. обеспечение точности достижения верного решения за счет использования наиболее эффективных систем анализа исходных данных и разработки более точных методов их обработки.

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.