CC BY
31
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2021 - V. 28, № 2 - P. 111-114
УДК: 61 DOI: 10.24412/1609-2163-2021-2-111-114
ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОСЕТЕЙ В ПРОМЫШЛЕННОЙ ЭКОЛОГИИ Г.В. ГАЗЯ, В.В. ЕСЬКОВ, Н.Ф. СТРАТАН, Ю.В. САЛИМОВА, Ю.С. ИГНАТЕНКО
БУ ВО ХМАО-Югры «Сургутский государственный университет», ул. Ленина, д. 1, г. Сургут, 628400, Россия
Аннотация. При действии слабых электромагнитных полей возникает проблема использования статистических методов в идентификации получаемых эффектов. Цель исследования. Доказать эффективность использования искусственных нейросе-тей при выявлении действия слабых электромагнитных полей на сердечно-сосудистую систему работниц нефтегазового комплекса РФ. Объект и методы исследования. Согласно Хельсинской декларации обследована группа женщин (100 человек) с помощью прибора Элокс-01 по 6-ти параметрам сердечной-сосудистой системы. Результаты и их обсуждение. Произведены попарные сравнения пяти параметров работы сердца. Из всех тридцати разных пар сравнения только 13 пар показали статистически достоверные различия (по критерию Манна-Уитни, p<0,05), остальные 17 пар статистически совпадают. Использование искусственных нейросетей обеспечило разрешение такой неопределенности 1-го типа. Это позволило выявить главные диагностические признаки среди всех 5-ти параметров работы сердца. Выводы. Детальное изучение различий 5-ти параметров работы сердца показало низкое статистическое различие выборок, что представлено как неопределенность 1-го типа. Применение искусственных нейросетей в двух новых режимах (хаос и многократные реверберации) обеспечило решение задачи системного синтеза, т.е. нахождение главных диагностических признаков.
Ключевые слова: стохастика, хаос, неопределенность, нейросети, эффект Еськова-Зинченко.
THE USE OF ARTIFICIAL NEURAL NETWORKS IN INDUSTRIAL ECOLOGY G.V. GAZYA, V.V. ESKOV, N.F. STRATAN, YU.V. SALIMOVA, YU.S. IGNATENKO Surgut state University, Lenin pr., 1, Surgut, 628400, Russia
Abstract. Under the action of weak electromagnetic fields, the problem of using statistical methods in identifying the effects obtained arises. Purpose of the study. To prove the effectiveness of using artificial neural networks in identifying the effect of weak electromagnetic fields on the cardiovascular system of female working in the oil and gas complex of the Russian Federation. Object and methods. According to the Declaration of Helsinki, a group of 100 women was examined using the Elox-01 device for 6 parameters of the cardiovascular system. Results. Pairwise comparisons of five parameters of the heart were made. Only 13 pairs of thirty different comparison pairs, showed statistically significant differences (according to the Mann-Whitney test, p<0.05), the remaining 17 pairs statistically coincided. The use of artificial neural networks provided the resolution of such type 1 uncertainty. This made it possible to identify the main diagnostic signs among all 5 parameters of the heart. Conclusions. A detailed study of the differences between 5 parameters of the heart's work showed a low statistical difference in the samples, which was presented as type 1 uncertainty. The use of artificial neural networks in two new modes (chaos and multiple reverberations) provided a solution of system synthesis problem, i.e. finding the main diagnostic signs.
Keywords: stochastics, chaos, uncertainty, neural networks, Eskov-Zinchenko effect.
Введение. Слабые электромагнитные поля (ЭМП) регистрируются в различных устройствах в современном автоматизированном производстве. В этой связи выявить эффекты действия таких ЭМП на организм работающих весьма сложно. Традиционные методы статистики все-таки позволяют иногда установить эффект действия ЭМП на сердечно-сосудистую систему (ССС). Однако чаще эти эффекты выявить весьма сложно [2].
В условиях действия особых (неблагоприятных) экологических условий Севера РФ на организм работающих в системе нефтегазового комплекса, эффекты действия слабых ЭМП могут проявляться более выражено из-за сочетанности этих факторов. В наших исследованиях было доказано неустойчивое состояния ССС у жителей Севера РФ [1,3-6,9,11,1618,20,21]. Ожидается, что сочетанное воздействие ЭМП и экологических условий Севера могут дать определенный эффект в реакции ССС.
Отметим, что существует общая проблема выявления действия слабых внешних факторов на параметры ССС. Низкая чувствительность статистических методов может не обеспечить выявление влияния ЭМП на организм человека [7]. В этой связи, мы предлагаем новые методы и новые технологии на базе искусственных нейронных сетей (ИНС) для решения этих проблем [1,3-6,8-11,19].
Объекты и методы исследования. Согласно Хельсинской декларации были обследованы 6 параметров ССС у четырех разных групп женщин (работницы ЗСК - завода стабилизации конденсата, г. Сургут). Первые две группы (по 25 человек) составили женщины до 35 лет (1-я группа) и старше 35 лет (2-я группа) без воздействия ЭПМ. Третья группа (до 35 лет) и 4-я группа (старше 35 лет) подвергались действию промышленных ЭМП в течении рабочего дня.
Измерялись шесть параметров ССС: xi - SIM -показатели состояния симпатической вегетативной
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2021 - V. 28, № 2 - P. 111-114
нервной системы (ВНС); X2 - PAR - показатели парасимпатической ВНС; хз - SSS - число ударов в минуту; X4 - SDNN - показатель стандарта отклонения кар-диоинтервалов (КИ); xs - INB - индекс Баевского; Хб -параметры КИ. Все эти 6 параметров образовывали вектор состояния ССС: x=x(t)=(xi, X2, ... , хв)Т в шестимерном фазовом пространстве состояния (ФПС).
Для сравнения выборок вектора x(t) для всех 4-х групп мы использовали стандартную искусственную нейросеть (ИНС) Nemo-Pro в особом режиме. При настройке нейросетей мы хаотически задавали начальные веса признаков wio и каждая такая нейросеть настраивалась десятки (и сотни) раз. После настройки мы различали веса признаков wi, а повторение настроек ИНС нами обозначались как реверберации. В итоге мы смогли рассчитывать выборки wi, т.е. находить главные x(t).
Результаты и их обсуждение. Прежде всего отметим, что для каждого испытуемого каждая выборка xi(t), например, КИ, содержала не менее 300-а значений этого признака xi(t). Поскольку для всех этих выборок мы не могли регистрировать параметрические распределения, то все наши расчеты были выполнены в рамках непараметрических распределений. Поэтому мы исследовали медианы Ме для всех выборок x(t). Детальное изучение выборок медиан Ме для xi(t) (в каждой выборке имеем 25 Ме) показало, что выборки Ме xi(t) очень редко дают статистические различия.
Для примера мы представляем табл. 1., в которой мы представляем матрицу парных сравнений выборок Ме для КИ всех 4-х групп, в которой внесены критерии Манна-Уитни pij для г-й и j-й выборок Ме КИ. Очевидно, что статистические различия дают 2-я и 3-я группы, их критерии р2,з=0,018, т.е. р2,з<0,05. Остальные пары статистически не различаются, т.к. их критерии Манна-Уитни ргу>0,05 (они могут иметь общую генеральную совокупность).
Таблица 1
Сравнение парных выборок значений Me четырех групп женщин (n=25) по непараметрическому критерию Мана-Уитни
Группа Группа
1 2 3 4
1 -/- 0,308 0,072 0,620
2 0,308 -/- 0,018 0,090
3 0,072 0,018 -/- 0,171
4 0,620 0,090 0,171 -/-
Примечание: * - Выборки статистически различаются при р<0,05
Подчеркнем, что каждая Ме, входящая в выборку из 25-ти значений, была рассчитана по выборке из 300-т значений КИ. Таким образом, табл. 1 представляет результат обработки не менее 7500-та значений КИ для каждой группы, а всего таких групп в табл. 1 было 4. В итоге мы обработали для каждой такой таблицы не менее 30000 значений, а всего таких таблиц (подобных табл. 1) было 6. Во всех этих 6-ти таблицах
наблюдаются крайне низкие значения статистических различий.
В табл. 1 из 6-ти пар только одна пара показала статистические различия (р2,з=0,018), остальные выборки имеют общую генеральную совокупность. Для иллюстрации общей картины парных сравнений выборок для оставшихся пяти диагностических признаков xi(t) мы даем табл. 2, в которой представлены непараметрические и критерии Манна-Уитни для всех 5 -ти возможных пар сравнения (т.е. для 4-х разных по возрасту и действию ЭМП) для всех пяти признаков xi(t).
Таблица 2
Результаты попарного сравнения средних значений рангов допустимого уровня значимости параметров вариабельности сердечного ритма обследованных 1-4 групп с помощью непараметрического и критерия Манна-Уитни
Параметр Величины критерия р при попарном сравнении
1 - 2 1 - 3 1 - 4 2 - 3 2 - 4 3 - 4
SIM 0,052 0,045* 0,000* 0,778 0,001* 0,005*
PAR 0,304 0,793 0,000* 0,516 0,003* 0,001*
SSS 0,352 0,109 0,749 0,023* 0,224 0,202
SDNN 0,084 0,050 0,000* 0,655 0,037* 0,108
IBN 0,107 0,084 0,000* 0,808 0,001* 0,007*
Примечание: 1 - женщины до 35 лет без воздействия источников ЭМП, 2 - женщины после 35 лет без воздействия источников ЭМП, 3 - женщины до 35 лет под воздействием источников ЭМП, 4 - женщины после 35 лет под воздействием источников ЭМП; р - достигнутый уровень значимости (при критическом уровне <0,05); * - группы статистически принадлежат к разным генеральным совокупностям
Из табл. 2 следует, что для всех 30-ти разных пар сравнения, только 13 пар показали критерии Манна-Уитни ру<0,05. Остальные 17 пар показали рг)>0,05, т.е. эти две сравниваемые выборки могут иметь одну, общую генеральную совокупность. Такие пары статистически совпадают и они демонстрируют преобладание статистических совпадений над статистическими различиями.
Таким образом, статистика не показывает выраженных различий в параметрах организма, т.е. это идентифицируется как неопределенность 1-го типа (когда выборки статистически могут совпадать, но состояние гомеостаза Н1 существенно отличается от гомеостаза Н2(Н1ФН2)). Статистика не показывает различий в физиологических состояниях фактически разных (по возрасту и действию ЭМП) групп обследуемых. Для установления различий в этом случае мы предлагаем использовать ИНС на базе Шиго-Рт.
Сразу отметим, что введение всех 5-ти параметров (согласно табл. 2) и попарное сравнение тех групп, которые в рамках статистики почти не дают различий, показало сразу 4 существенных различия между сравниваемыми парами. Для примера мы представляем табл. 3, в которой представлены результаты 50-ти хаотичных настроек ИНС (представлены медианы Ме±а). В табл. 3 мы сравнивали 1-ю и
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2021 - V. 28, № 2 - P. 111-114
2-ю группу испытуемых по 5-ти параметрам ССС.
Таблица 3
Результаты статистической обработки значений весов после 50-ти итераций, выборки для групп сравнения 1-2
Подчеркнем, что в табл. 2 ни одна пара сравнений (для всех 5-ти параметров) не показала U критерий Манна-Уитни менее 0,05. Все pj>0,05, т.е. любая из этих пар может иметь одну (общую) генеральную совокупность. Статистика показывает отсутствие различий параметров ССС для двух разных возрастных групп женщин - работниц завода стабилизации конденсата (ЗСК).
Однако, табл. 3 показала существенные статистические различия по всем 5-ти параметрам ССС. При этом главным диагностическим признаком является параметр xi - SIM. Для SIM мы имеем медиану весов Wi в виде Me±d=0,772±0,24 у.е. На втором месте находится показатель xs - INB, который равен: Me±d=0,675±0,299. Отметим, что в статистике у xs были плохие показатели (pi,2 для INB был 0,107).
В итоге ИНС полностью разделила признаки и помогла выявить главные диагностические признаки (xi - SIM и xs - INB). Однако и остальные признаки показали различия. Их Ме для весов Wi были выше 0,5, что доказывает их существенную значимость. Подчеркнем, что все 5 признаков четко ранжируются по весам Wi.
Статистический анализ выборок всех 6-ти признаков показывает очень слабое разделение выборок. Особенно это характерно для КИ, где в табл. 1 также выдает пара (2-3, ее р2,з=0,018) показала статистическое различие из всех 6-ти разных пар сравнения. Из табл. 2 следует, что аналогичный результат показал параметр хз - SSS (тоже для р2,з=0,023). Остальные параметры показали 2 (для X4-SDNN) и более пар отличий. В статистике параметр xi - SIM демонстрирует наибольшее число пар, для каждых рг><0,05 (таких пар 4-е из всех 6-ти).
В целом, из 36-ти разных пар сравнения (это с учетом табл. 1 и 2) мы имеем только 14 пар сравнения параметров ССС, которые показали существенное статистическое отличие 4 этих пар по критерию Манна-Уитни pj<0,05, т.е. они не имеют общую генеральную совокупность (пары статистически различаются). Однако применение искусственных нейросе-тей показало существенное различие для всех пар. Это показало новые возможности ИНС в экологии и медицине, когда статистика не работает. Использование ИНС открывает новые перспективы для биомедицины [3-6,8-17,19,21].
Выводы. Детальное статистическое сравнение шести параметров ССС для четырех групп женщин
показало, что только параметры КИ и SSS дают минимальное статистическое различие (из 6-ти пар сравнения только одна пара показала р2,з<0,05). Остальные показатели дают 2-е, 3-и и даже 4-е пары различий (их pi/<0,05). Наиболее выразительные отличия дает параметр SIM. Он наиболее информативен.
Однако, в целом из 36-ти разных пар сравнения только 14 пар статистически различаются. Остальные 22 пары статистически совпадают, что нами представлено как неопределенность 1-го типа. Для ее разрешения мы использовали ИНС в двух особых режимах: хаос и многократные реверберации. Это позволило диагностировать главные признаки xi и разделить все группы, что не может сделать статистика.
Литература / References
1. Галкин В.А., Еськов В.В., Пятин В.Ф., Кирасирова Л.А., Кульчицкий В.А. Существует ли стохастическая устойчивость выборок в нейронауках? // Новости медико-биологических наук. 2020. Т. 20, №3. С. 126-132 / Galkin VA, Es'kov VV, Pyatin VF, Kirasirova LA, Kul'chitskiy VA. Sushchestvuet li stokhasticheskaya ustoychivost' vy-borok v neyro-naukakh? [Is there a stochastic stability of samples in the neuro-sciences?]. Novosti mediko-biologicheskikh nauk. 2020;20(3):126-32. Russian.
2. Грязев М.В., Куротченко Л.В., Куротченко С.П., Лу-ценко Ю.А., Субботина Т.И., Хадарцев А.А., Яшин А.А. Экспериментальная магнитобиология: воздействие полей сложной структуры: Монография / Под ред. Т.И. Субботиной и А.А. Яшина. Москва - Тверь - Тула: Изд-во ООО «Триада», 2007. 112 с. (Серия «Экспериментальная электромагнитобиология», вып. 2) [Gryazev MV, Kurotchenko LV, Kurotchenko SP, Lutsenko YuA, Subbotina TI, Khadartsev AA, Yashin AA. Eksperimental'naya magnitobiologiya: vozdeystvie poley slozhnoy struktury: Monografiya. Pod redaktsiey TI Subbotinoy i AA Yashina [Experimental magnetobiology: the impact of field for complex structures: Monograph. Edited by T. Sub-botina and Yashin]. Moscow - Tver' - Tula: Izd-vo OOO «Triada»; 2007. Russian.]
3. Еськов В.В. Математическое моделирование гомеостаза и эволюции complexity: монография. Тула: Издательство ТулГУ, 2016. 307 с. / Es'kov VV. Matematicheskoe modelirovanie gomeostaza i ehvol-yucii complexity: monografiya [Mathematical modeling of homeostasis and evolution of complexity: monograph]. Tula: izd-vo TulGU; 2016. Russian.
4. Еськов В.В., Башкатова Ю.В., Шакирова Л.С., Веденеева Т.С., Мордвинцева А.Ю. Проблема стандартов в медицине и физиологии // Архив клинической медицины. 2020. Т. 29, №3. С. 211-216 / Es'kov VV, Bashkatova YuV, Shakirova LS, Vedeneeva TS, Mordvintseva AYu. Problema standartov v meditsine i fiziologii [The problem of standards in medicine and physiology]. Arkhiv klinicheskoy meditsiny. 2020;29(3):211-6. Russian.
5. Еськов В.В., Пятин В.Ф., Филатова Д.Ю., Башкатова Ю.В. Хаос параметров гомеостаза сердечно-сосудистой системы человека. Самара: Изд-во ООО «Порто-Принт», 2018. 312 с. / Es'kov VV, Pyatin VF, Filatova DYu, Bashkatova YuV. Khaos paramet-rov gomeostaza ser-dechno-sosudistoy sistemy cheloveka [Chaos of parameters of homeostasis of the human cardiovascular system]. Samara: Izd-vo OOO «Porto-Print»; 2018. Russian.
6. Еськов В.В., Пятин В.Ф., Шакирова Л.С., Мельникова Е.Г. Роль хаоса в регуляции физиологических функций организма / Под ред. А.А. Хадарцева. Самара: ООО «Порто-принт», 2020. 248 с. / Es'kov VV, Pyatin VF, Shakirova LS, Mel'nikova EG. Rol' khaosa v reg-ulyatsii fiziologicheskikh funktsiy organizma [The role of chaos in the regulation of physiological functions of the body]. Edited by AA Khadartseva. Samara: OOO «Porto-print»; 2020. Russian.
7. Еськов В.М., Газя Г.В., Майстренко Е.В., Болтаев А.В. Влияние промышленных электромагнитных полей на параметры сердечнососудистой системы работников нефтегазовой отрасли // Экология и промышленность России. 2016. № 1. С. 59-63 / Es'kov VM, Gazya
Wi SIM PAR SSS SDNN IBN
M±a 0,772±0,240 0,585±0,249 0,574±0,214 0,626±0,256 0,675±0,299
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2021 - V. 28, № 2 - P. 111-114
GV, Maystrenko EV, Boltaev AV. Vliyanie promyshlennykh elektromag-nitnykh poley na parametry serdechnososudistoy sistemy rabotnikov neftegazovoy otrasli [The impact of electromagnetic fields on the industrial parameters of the cardiovascular system of the oil and gas industry workers]. Ekologiya i promyshlennost' Rossii. 2016;1:59-63. Russian.
8. Еськов В.М., Галкин В.А., Пятин В.Ф., Филатов М.А. Организация движений: стохастика или хаос? / Под. ред. член-корр. РАН, д.биол.н., профессора Г.С. Розенберга. Самара: Издательство ООО «Порто-принт», 2020. 144 с. / Es'kov VM, Galkin VA, Pyatin VF, Filatov MA. Organizatsiya dvizheniy: stokhastika ili khaos? Pod. red. chlen-korr. RAN, d.biol.n., professora G.S. Rozenberga [Organization of movements: stochastics or chaos?. Corresponding Member of the Russian Academy of Sciences, Doctor of Biology, Professor G.S. Rosenberg]. Samara: Izdatel'stvo OOO «Porto-print»; 2020. Russian.
9. Еськов В.М., Галкин В.А., Филатова О.Е. Complexity: хаос го-меостатических систем: монография / Под ред. Г.С. Розенберга. Самара: изд-во ООО «Потро-принт», 2017. 388 с. / Es'kov VM, Galkin VA, Filatova OE. Complexity: khaos gomeostaticheskikh sistem: monografiya [Complexity: chaos of homeostatic systems: monograph]. Pod red. G.S. Rozenberga. Samara: izd-vo OOO «Potro-print»; 2017. Russian.
10. Еськов В.М., Пятин В.Ф., Башкатова Ю.В. Медицинская и биологическая кибернетика: перспективы развития // Успехи кибернетики. 2020. Т.1, №1. С. 64-72 / Es'kov VM, Pyatin VF, Bashkatova YuV. Meditsinskaya i biologicheskaya kibernetika: perspektivy razvitiya [medical and biological cybernetics: development prospects]. Uspekhi kibernetiki. 2020;1(1):64-72. Russian.
11. Еськов В.М., Галкин В.А., Филатова О.Е. Конец определенности: хаос гомеостатических систем. Тула, 2017. 596 с. / Es'kov VM, Galkin VA, Filatova OE. Konets opredelennosti: khaos gomeostatich-eskikh sistem [End of certainty: chaos of homeostatic systems]. Tula; 2017. Russian.
12. Заславский Б.Г., Филатов М.А., Еськов В.В., Манина Е.А. Проблема нестационарности в физике и биофизике // Успехи кибернетики. 2020. Т. 2, №2. С. 61-67 / Zaslavskij BG, Filatov MA, Es'kov VV, Manina EA. Problema nestacionarnosti v fizike i biofizike [The problem of non-stationarity in physics and biophysics]. Uspexi kibernetiki. 2020;2(2):61-7. Russian.
13. Козлова В.В., Филатов М.А., Шакирова Л.С., Еськов В.В. Новые подходы в измерении биосистем с позиций «Complexity» W. Weaver и «Fuzziness» L.A. Zadeh // Сложность. Разум. Постнеклассика. 2021. № 1. С. 83-93 / Kozlova VV, Filatov MA, Shakirova LS, Es'kov VV. Novy'e podxody' v izmerenii biosistem s pozicij «Complexity» W. Weaver i «Fuzziness» L.A. Zadeh [New approaches in biosystems measuring from the position of W. Weaver's "Complexity" and "Fuzziness" by L.A. Zadeh]. Complexity. Mind. Postnonclassic. 2021;1:83-93. Russian.
14. Прохоров С.А., Гумарова О.А., Монастырецкая О.А., Хвостов Д.Ю., Афаневич И.А. Нестабильные системы: проблема однородности групп // Сложность. Разум. Постнеклассика. 2019. № 1. С. 62-72 / Proxorov SA, Gumarova OA, Monasty'reczkaya OA, Xvos-tov DYu, Afanevich IA. Nestabil'ny'e sistemy': problema odnorodnosti
grupp [Unstable systems: the problem of group homogeneity]. Slozhnost'. Razum. Postneklassika. 2019;1:62-72. Russian.
15. Твердислов В.А., Манина Е.А. Возможны ли причинно-следственные связи в науках о биосистемах? // Вестник новых медицинских технологий. 2021. №1. C. 64-68. DOI: 10.24412/1609-21632021-1-64-68 / Tverdislov VA, Manina EA. Vozmozhny li prichinno-sledstvennye svyazi v naukakh o biosistemakh? [Is it possible causal relationships in the sciences of biological systems? (review of the literature)]. Journal of New Medical Technologies. 2021;1:64-8. DOI: 10.24412/16092163-2021-1-64-68. Russian.
16. Филатов М.А., Григорьева С.В., Горбунов Д.В., Бело-щенко Д.В., Фадюшина С.И. Неоднородность разовых выборок параметров функциональных систем организма человека // Сложность. Разум. Постнеклассика. 2019. № 2. С. 71-79 / Filatov MA, Gri-gor'eva SV, Gorbunov DV, Beloshhenko DV, Fadyushina SI. Neodnorod-nost' razovy'x vy'borok parametrov funkcional'ny'x sistem organizma cheloveka [Heterogeneity of single samples of the parameters of the functional systems of the human body]. Slozhnost'. Razum. Postneklassika. 2019;2:71-9. Russian.
17. Чемпалова Л.С., Трофимов В.Н., Мельникова Е.Г., Аксенова Ю.А., Пономарева Н.И. Нейровегетативная система приезжих жителей Югры в возрастном аспекте // Сложность. Разум. Постне-классика. 2019. № 4. С. 41-47 / Chempalova LS, Trofimov VN, Mel'ni-kova EG, Aksenova YuA, Ponomareva NI. Nejrovegetativnaya sistema priezzhix zhitelej Yugry' v vozrastnom aspekte [Neuro-vegetative system of visiting inhabitants of UGRA in the age aspect]. Complexity. Mind. Postnonclassic. 2019;4:41-7. Russian.
18. Filatova O.E., Pyatin V.F., Filatov M.A., Shakirova L.S. The low temperature influence on cardiointervals under physical training of man // Human Ecology. 2021. №1. P. 17-21 / Filatova OE, Pyatin VF, Filatov MA, Shakirova LS. The low temperature influence on cardiointervals under physical training of man. Human Ecology. 2021;1:17-21.
19. Filatova O.E., Bashkatova Yu.V., Shakirova L.S., Filatov M.A. Neural network technologies in system synthesis // IOP Conf. Series: Materials Science and Engineering. DOI: 10.1088/1757-899X/1047/1/012099 / Filatova OE, Bashkatova YuV, Shakirova LS, Filatov MA. Neural network technologies in system synthesis. IOP Conf. Series: Materials Science and Engineering. DOI: 10.1088/1757-899X/1047/1/012099
20. Grigorenko N.B., Nazina V.V., Filatov M.A., Chempalova L.S., Tretyakov S.A. New information technologies in the estimation of the third type systems // Journal of Physics: Conference Series. DOI: 10.1088/1742-6596/1889/3/032003 / Grigorenko NB, Nazina VV, Filatov MA, Chempalova LS, Tretyakov SA. New information technologies in the estimation of the third type systems. Journal of Physics: Conference Series. DOI: 10.1088/1742-6596/1889/3/032003
21. Khadartseva K.A., Filatov M.A., Melnikova E.G. The problem of homogenous sampling of cardiovascular system parameters among migrants in the Russian North // Human Ecology. 2020. №7. P. 27-31 / Khadartseva KA, Filatov MA, Melnikova EG. The problem of homogenous sampling of cardiovascular system parameters among migrants in the Russian North. Human Ecology. 2020;7:27-31.
Библиографическая ссылка:
Газя Г.В., Еськов В.В., Стратан Н.Ф., Салимова Ю.В., Игнатенко Ю.С. Использование искусственных нейросетей в промышленной экологии // Вестник новых медицинских технологий. 2021. №2. С. 111-114. DOI: 10.24412/1609-2163-2021-2-111-114.
Bibliographic reference:
Gazya GV, Eskov VV, Stratan NF, Salimova YuV, Ignatenko YuS. Ispol'zovanie iskusstvennykh neyrosetey v promyshlennoy ekologii [The use of artificial neural networks in industrial ecology]. Journal of New Medical Technologies. 2021;2:111-114. DOI: 10.24412/1609-21632021-2-111-114. Russian.
