Публікація:
Інтелектуальний аналіз медичних даних на основі гібридних нейромереж

dc.contributor.authorМулеса, П. П.
dc.date.accessioned2016-06-23T12:51:22Z
dc.date.available2016-06-23T12:51:22Z
dc.date.issued2015
dc.description.abstractМетою дисертаційної роботи є розробка нових гібридних нейро-фаззі систем для вирішення задач ефективного аналізу і обробки інформації на основі динамічного інтелектуального аналізу медичних даних у вигляді багатовимірних таблиць і нестаціонарних нелінійних сигналів з локальними особливостями за умов апріорної та поточної невизначеності. Запропоновано метод навчання двошарового нейро-фаззі компресора, що відрізняється використанням активаційних функцій з лінійними похідними, що дозволило підвищити швидкодію процесу оброблення даних та спростити обчислювальну реалізацію методу. Запропоновано метод навчання-самонавчання одношарової класифікуючої-кластеризуючої нейронної мережі, яка відрізняється тим, що може оброблювати інформацію як в режимі навчання з вчителем, так і без, та вирішувати задачі класифікації-кластеризації за умов класів, що перетинаються, що дозволило опрацьовувати дані в on-line режимі. Запропонована багатошарова діагностуюча нейро-фаззі система, що побудована на основі системи Такаґі-Суґено-Канґа з додатковим нелінійним шаром діагностики та модифіковано її метод навчання, що побудовано на основі критерію розпізнавання образів, яка характеризується підвищеною швидкодією та простотою обчислювальної реалізації. Удосконалено метод передобробки медичної інформації для структуризації простору факторів в задачах діагностування захворювань з використанням нечіткого дерева рішень, моделей багатокритеріального вибору та нечіткої логіки, що дало змогу провести ранжування факторів з метою виявлення найвпливовіших та їх подальшого оброблення інтелектуальною діагностуючою системою. The goal of thesis is synthesis of hybrid neuro-fuzzy systems for solving tasks of effective information analysis and processing based on dynamical medical data mining which presented by multivariate tables and non-stationary nonlinear signals with local properties under a-priory and current uncertainty. The learning method for neuro-fuzzy compressor is proposed. In this architecture we used activation function with linear derivatives, that allows increasing speed of data processing and reduces computational methods realization. The learning-self-learning method of single layer classification-clustering neural network is proposed. Such method can process information both in supervised and unsupervised learning mode and allows solving the classification-clustering tasks with fuzzy clusters in on-line mode. Multilayered diagnosis neural-network system based on Takagi-Sugeno-Kang approach with additional non-linear diagnosis layer is proposed. The learning method based on pattern recognition criterion is modified. Such system is characterized by increasing learning rate and simplicity of computational realization. Medical information preprocessing method for structuring of factors space in diagnostic medical tasks based on fuzzy decision trees, model of multi-criterion choice and fuzzy logic is improved. This method allows to provide the most important factors ranging.uk_UA
dc.identifier.citationМулеса П. П. Інтелектуальний аналіз медичних даних на основі гібридних нейромереж : дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / П. П. Мулеса ; М-во освіти і науки України, Ужгород. нац. ун-т. – Ужгород, 2015. – 170 с.uk_UA
dc.identifier.urihttp://openarchive.nure.ua/handle/document/1168
dc.language.isoukuk_UA
dc.subjectдинамічний інтелектуальний аналіз медичних данихuk_UA
dc.subjectнейро- фаззі компресорuk_UA
dc.subjectметод навчання-самонавчання класифікуючої-кластеризуючої нейронної мережіuk_UA
dc.subjectдіагностуюча нейро-фаззі системаuk_UA
dc.subjectdynamical medical data mininguk_UA
dc.subjectneuro-fuzzy compressoruk_UA
dc.subjectlearning-selflearning method of classification-clustering neural networkuk_UA
dc.subjectdiagnostic neuro-fuzzy systemsuk_UA
dc.titleІнтелектуальний аналіз медичних даних на основі гібридних нейромережuk_UA
dc.typeArticleuk_UA
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 1 з 1
Завантаження...
Зображення мініатюри
Назва:
MulesapPP.pdf
Розмір:
1.03 MB
Формат:
Adobe Portable Document Format
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.42 KB
Формат:
Item-specific license agreed upon to submission
Опис:

Колекції