Реализация тестов и супертестов для ветеринарной и медицинской диагностики в среде системы искусственного интеллекта «Эйдос-Х++» без программирования

Луценко Евгений Вениаминович; Коржаков Валерий Евгеньевич

УДК 303.732.4

РЕАЛИЗАЦИЯ ТЕСТОВ И СУПЕРТЕСТОВ ДЛЯ ВЕТЕРИНАРНОЙ И МЕДИЦИНСКОЙ ДИАГНОСТИКИ В СРЕДЕ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА «ЭЙДОС-Х++» БЕЗ ПРОГРАММИРОВАНИЯ

Луценко Евгений Вениаминович д.э.н., кт.н., профессор Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, prof. hitsenkoUb.vmail. сот

Коржаков Валерий Евгеньевич к. т. н., доцент

Адыгейский государственный университет

Адыгея, Россия, korve(3)yandex. т

В статье рассмотрено применение интеллектуальной технологи «Эйдос» для реализации уже разработанных ветеринарных и медицинских диагностических тестов без программирования в форме, удобной для индивидуального и массового тестирования, анализа его результатов и выработки индивидуальных и групповых рекомендаций. Возможно объединение нескольких тестов в супертест

Ключевые слова: АВТОМАТИЗИРОВАННЫЙ СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА «ЭЙДОС», ВЕТЕРИНАРНЫЕ И МЕДИЦИНСКИЕ ДИАГНОСТИЧЕСКИЕ ТЕСТЫ

UDC 303.732.4

REALIZATION OF TESTS AND SUPERTESTS FOR VETERINARY AND MEDICAL DIAGNOSTICS IN THE EIDOS-X++ SYSTEM OF ARTIFICIAL INTELLIGENCE WITHOUT PROGRAMMING

Lutsenko Evgeny Veniaminovich Dr.Sci.Econ., Cand.Tech.Sci., professor Kuban State Agrarian University, Krasnodar, Russia

Korzhakov Valery Evgenievich Cand.Tech.Sci., assistant professor Adygh State University, Adygheya, Russia

The article considers the application of Eidos intellectual technologies for implementation of developed veterinary and medical diagnostics statistical tests without programming in the convenient form for the individual and mass testing, the analysis of the results and development of the individual and group recommendations. It is possible to merge several tests in one supertest

Keywords: COMPUTERIZED SYSTEM-COGNITIVE ANALYSIS, EIDOS INTELLECTUAL SYSTEM, VETERINARY AND MEDICAL DIAGNOSTIC TESTS

В последнее время особую актуальность приобретает повышение качества (достоверности) постановки диагнозов в ветеринарии и медицине. Одним из направлений работы, направленных на достижение этой цели, является обеспечение возможности накопления профессиональных знаний экспертов в этой области в форме баз знаний систем искусственного интеллекта с обеспечением общего доступа к этим базам знаний для осуществления диагностики всех специалистов. Особенно полезно это может быть для молодых

специалистов, не облагающих профессиональным опытом, достаточным для постановки высокодостоверного диагноза. Но и для опытных специалистов применение подобных диагностических систем может быть оправданным как при массовых обследованиях (диспансеризации) просто для экономии времени и сил для выявления случаев, требующих специального внимания, так и при индивидуальной диагностике, т.к. способно застраховать от грубых диагностических ошибок, цена которых может быть максимально высокой.

Недостатка в информации о симптоматике различных заболеваний не ощущается. Однако информации о том, в какой степени тот или иной симптом характерен для данного конкретного заболевания уже меньше, а информации о диагностической ценности различных симптомов и синдромов для общей или дифференциальной диагностики различных классов заболеваний вообще недостаточно. А это значит, что конкретный врач должен сам решать задачу определения этой диагностической ценности и соответственно с учетом этого строить план получения дополнительной информации путем специальных лабораторных исследований. Ощущается также дефицит в программном инструментарии, обеспечивающем создание диагностических тестов и супертестов и их массовое применение в адаптивном режиме с сохранением и накоплением всех исходных данных и результатов с возможностью их использования дальнейшем после верификации диагноза для адаптации модели. В принципе подобные разработки есть за рубежом. Однако зарубежные разработчики никогда принципиально не продают сам инструментарий или технологию, а предоставляют лишь возможность использования продукта или результат этих технологий, т.е. самих диагностических тестов. У российских пользователей эти тесты, как правило, нелицензионные и требуют локализации (привязки к особенностям места применения), а также адаптации (учета динамики предметной области). Ясно, что технология стоит на порядки дороже продуктов, с помощью нее созданных, а для локализации и адаптации продуктов необходимо владение технологией, по сути, очень сходной с разработкой этих продуктов, а значит, эти работы по локализации адаптации продуктов могут быть проведены только разработчиками этих продуктов или их представителями, в распоряжении которых есть эти технологии. Конечно, работы по локализации и адаптации ветеринарных и медицинских диагностических тестов стоят дешевле самих технологий, необходимых для их проведения, однако и эти работы являются весьма наукоемкими и достаточно дорогими. По всем этим причинам на практике, как правило, они не могут быть проведены, более того, фактически их просто некому проводить, т.к. просто нет специалистов с соответствующей компетенцией в этой области.

В данной статье предлагается содержательное рассмотрение этих проблем

и их решение с помощью интеллектуальной системы «Эйдос-Х++», являющейся программным инструментарием автоматизированного системно-когнитивного анализа [2-27]. Отметим, что впервые применить систему Эйдос для реализации тестов различного назначения без программирования предложено в монографии [3] в 1996 году. Медицинские диагностические методики и даже списки симптомов в медицинских фолиантах с описаниями болезней тоже вполне можно считать слабоформализованными и не очень профессионально разработанными тестами. При этом уровень сложности работ соответствует требованиям к лабораторным работам по дисциплинам «Интеллектуальные информационные системы» и «Представление знаний в интеллектуальных информационных системах», которые ведут авторы в своих вузах. Мы этим хотим сказать, что наши студенты (по крайней мере, те, которые посещали занятия) вполне способны решать эти проблемы. Таким образом, проблемы с дефицитом интеллектуальных технологий и специалистов полностью снимаются.

Итак, рассмотрим технологию и методику, не требующую программирования, обеспечивающую реализацию в среде системы «Эйдос-Х++» тестов различного назначения. Сделаем это на примере теста ветеринарного назначения, предназначенного для диагностики заболеваний кошек. Данный тест взят с сайта: http://lifescats.rU/publ/4 [I]1 и выбран в качестве примера потому, что он является достаточно актуальным, очень наглядным и в тоже время достаточно простым, т.к. тестовый материал и ключи представляет собой дихотомические текстовые ттткальт (лингвистические переменные). С другой стороны он может служить хорошей иллюстрацией технологии и прототипом для разработки подобных тестов, но другого назначения, в ветеринарии и медицине. Мы бы хотели отметить, что для иллюстрации интеллектуальной технологии «Эйдос» выбор того или иного конкретного диагностического теста для примера не имеет принципиального значения, т.к. статья посвящена не диагностике кошек, а технологии переноса диагностических тестов в среду системы искусственного интеллекта «Эйдос-Х++», хотя и для повышения качества диагностики кошек, мы надеемся, наша статья также может быть полезной.

Интеллектуальную технологию, необходимую для решения поставленных проблем, реализует сама универсальная автоматизированная система «Эйдос-Х++» [2-27].

Эта методика включает следующие этапы (рисунок 1):

1. Подготовка Ехсе1-файла исходных данных на основе стимульного материала и ключей (шкал) теста.

2. Автоматизированный ввод данных в систему Эйдос-Х++ из Ехсе1-файла

исходных данных с помощью стандартного программного интерфейса системы (формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и обучающее выборки).

3. Синтез и верификация 3-х статистических и 7 интеллектуальных моделей.

4. Определение наиболее достоверной модели и назначение ее текущей.

5. Решение задач тестирования и выработки рекомендаций.

6. Исследование предметной области путем исследования ее моделей.

Последовательность обработки данных, информации и знаний в системе Эйдос-Х++

(^Когнитивная структуризация предметной области)

Формализация предметной области

Class_Sc, Gr_CISc Классифккационные шкалы и градации

0pis_Sc, Gr_0pSc Описательные «калы и градации

Обучающая

выборка

ЕЕ

0bl_Kd

Коды классов обьектов

Obi_Zag обучающей выборки 0Ы_Крг

Заголовки объектов у. ^ Коды признаков объектов

обучающей выборки обучающей выборки

г Исходные БД Ргс1 Abs Ргс2

для расчета $3 Вероятность того, что если у обьекта Матрица абсолютных частот встреч Вероятность того, что если предъявлен

]-го класса обнаружен признак, — сочетании: класс к признак 1 объект Ьга класса, то у него будет

>. то это 1-и признак (матрица сопряженности) обнаружен \-И\ признак. J

№1

Количество знаний по А.Харкевичу

INF4

ROI-RetonOn

Investmert

■■ -

INF3

INF6 Хи-квадрат: INF2

Разность разности между Количество

условной и фактическими и знаний по

безусловной теоретически А.Харкевичу

вероятностей эжидаемыми по

критерию

, , ..

№5

ROt-Return On Investment

№7

Разность условной и безусловной вероятностей

Решение задач идентифкации и протезирования

Решение задач поддержки принятия решений

Решение задач исследования предметной области,путем исследования ее модели____________________

Рисунок 1. Последовательность обработки данных, информации и знаний в системе Эйдос-Х++

На первом этапе подготовим Excel-файл, который может быть непосредственно введен в систему ЭЙДОС-Х++ с помощью одного из ее стандартных программных интерфейсов с внешними базами данных (режим 2.3.2.2). Для этого используем методику из 7 шагов.

На рисунке 2 приведен Help данного режима, в котором приведены

требования к этому Ехсе1-файлу, из которых вытекает данная методика.

t) Помощь по режиму 2.3,2,2 для случая Excel-файлов исходных данных (1=1 . Л \" ЁЦ

Режим 2. 3. 2. 2 УНИВЕРСАЛЬНЫЙ ПРОГРАММНЫЙ ИНТЕРФЕЙС ИМПОРТА ДАННЫХ ИЗ ВНЕШНЕЙ БАЗЫ ДАННЫХ "INP_DATA. XLSX” В СИСТЕМУ "ЭЙД0С-ХИ-" И НОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ.

- Данный программный интерфейс обеспечивает автоматическое формирование классификационных и описательных шкал и градаций, а также обучаищей и распознаваемой выборки, т. е. формализацию предметной области, на основе XLS или XLSX-файла с исходными данными приведенного ниже стандарта.

- Файл исходных данных должен иметь имя: INP_DATA.XLS или INP_DATA.XLSX и может быть получен в Excel-2003(2057-2010), а файл распознаваемой выборки имя: inp_rasp.xls или inp_r.asp.xlsx. Файлы inp_data.xls (inp_data.xlsx) и inp_rasp.xls или inpjusp. xlsx) должны находиться в папке /AIDO S-X/AID_DATA/Iпp_datа/ и имеют совершенно одинаковую структуру.

- 1-я строка этого файла должна содержать наименования колонок на любом языке, в т. ч. и русском. Эти наименования должны быть во всех колонках, при этом объединение ячеек и переносы слов не допускаются. Желательно, чтобы эти наименования были не очень длинными, т.к. к ним еще будут добавляться интервальные числовые или текстовые значения.

- Каждая строка этого файла, начиная со 2-й, содержит данные об одном объекте обучаищей выборки. Если Excel-2003, в листе может быть до 65536 строк и до 256 колонок. В листе Excel -2007(into) возможно до 1 048 576 строк и 16 334 колонок.

- Столбцы, начиная со 2-го, являются классификационными и описательными шкалами и могут быть текстового (номинального) или числового типа (с десятичными знаками после запятой).

- Столбцу присваивается числовой тип, если все значения его ячеек числового типа. Если хотя бы одно значение является текстовым (не числом, в т.ч. пробелом), то столбцу присваивается текстовый тип. Зто означает, что нули должны быть указаны нулями, а не пробелами.

- 1-й столбец содержит наименование источника данных длиной до 130 символов, но желательно, чтобы эти наименования были не очень длинными.

- Столбцы со 2-го по К-й являются классификационными шкалами (выходными параметрами) и содержат данные о классах (будущих состояниях объекта управления), к которым принадлежат объекты обучаищей выборки.

- Столбцы с К+1 по последний являются описательными шкалами (факторами) и содержат данные о признаках (значениях факторов), характеризующих объекты обучаищей выборки.

- В результате работы режима формируется файл INP_NAME.TXT стандарта MS DOS (кириллица), в котором наименования классификационных и описательных шкал являются СТРОКАМИ. Система формирует классификационные и описательные шкалы и градации. Для этого в каждом числовом столбце система находит минимальное и максимальное числовые значения и формирует заданное количество числовых интервалов, после чего числовые значения заменяются их интервальными значениями. В текстовых столбцах система находит уникальные текстовые значения. Каждое УНИКАЛЬНОЕ интервальное числовое или текстовое значение считается градацией кл ас сифи к аци он н о и или описательной шкапы1 характеризунщей объект. С их использованием генерируется обучанщая выборка, каждый объект которой соответствует одной строке файла исходных данных NP_DATA и содержит коды классов, соответствующие фактам совпадения числовых или уникальных текстовых значении классов с градациями классификационных шкал и коды признаков, соответствующие фактам совпадения числовых или уникальных текстовых значений признаков с градациями описательных шкал.

- Распознаваемая выборка формируется на основе файла INPJIASP аналогично, за исключением того, что классификационные и описательные шкалы и градации не создаются, а используются ранее созданные в модели, и базы распознаваемой выборки могут не включать коды классов, если столбцы классов в файле INPJiASP были пустыми. Структура файла INP_RASP должна быть такая же, как IHP_DATA, т.е. они должны ПОЛНОСТЬЮ совпадать по столбцам, но могут иметь разное количество строк.

Рисунок 2. Help программного интерфейса системы Эйдос-Х++ с вешними базами данных 2.3.2.2.

Шаг 1-й. Сначала необходимо скачать с сайта http://lifescats.ru/publ/4 две таблицы, которые на сайте называются: «Таблица симптомов заболеваний кошек (часть 1)» и «Таблица симптомов заболеваний кошек (часть 2)». Эти таблицы, по сути, образуют одну таблицу, т.е. являются продолжением друг друга. Конечно, эти таблицы являются не только таблицами симптомов, т.к. содержат и нозологические образы, т.е. сами названия заболеваний или диагнозов, а также взаимосвязь между симптомами и заболеваниями, указанную в форме символов.

TITa? 2-й. Затем на этом сайте выходим на тест 1-й таблицы: http://lifescats.ru/publ/4-l-0-2. выделяем блоком всю страницу, копируем в буфер обмена и вставляем ее в MS Word. Затем выделяем на странице, перенесенной в Word, саму таблицу и переносим ее без остальных элементов страницы на новый лист. Затем тоже самое делаем со 2-й частью таблицы, размещенной по ссылке: http://lifescats.ru/publ/4-l-0-3.

Затем копируем обе таблицы из Word через буфер обмена и вставляем в лист MS Ехсе1-2007(2010)2 начиная с ячейки А1. Эта исходная таблица с сайта

2 Более ранние версии MS Excel для наших целей малопригодны.

http://ej.kubagro.ru/2013/05/pdf/14.pdf

приведена ниже (таблица 1):

Таблица 1 - Исходная таблица данных с сайта: http://lifescats.rU/puhl/4 для создания ветеринарного диагностического теста*

Рвота I И И 9 9 9 ! ! II II II і і 1 ?

Диарея(понос) I И и ? 9 9 II II II і ] і ?

Запор ? ? ? п і і і

Кровь в кале и і

Отсутствие аппетита и ! ! ! ! ! ! ! ! 9 п і 9 ! п ? ? ? ! ? і 1 1

Чрезмерная жажда ? ? ? ? 9 9 її її ? 1

Ненормальное мочеиспускание II п ?

Слюнотечение 0 ? ? I ? ? н 9 м !

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Кашель и чихание ? ? И И 9 і і 9 9 9 !

Выпячивание третьего века I ? ? ? 1 ! 9 9 9 9 і 9 9 9 ! ] 9 9 9

Выделения из глаз И 1 і 9 п м

Выделения из ушей 9 п 9 9 !

Выделения из носа 1 И 9 9

Анальные выделения ? ? 9

Г енитальпые выделения 9 9 и ? и

Обезвоживание и ! I 9 і ! ?

Потеря веса 0 ? I ? И И н 9 н 9 ! 9 9 9 ?

Бледность десен ! II 9 9 ! ! 9 9 ? ! ?

Затрудненное дыхание 9 9 9 1 ! ! н н 9 9 9 9

Потеря сознания ? ! 9 9 ! п 9 ! 9

Паралич 1 і 9 !

Внезапная смерть н ? 9 п і і ]|

Лихорадка(высокая температура) ? ? т і і н 9 9 ? ! ?

Пониженная температура н ? ? 9 і 9 9 9 ? ? 1

Вздутие живота ? ? 9 и і и и 9 і ] н 1

Вздутие под кожей 9 і ? ! п м

Раздражение кожи 1 1 9 9 9 ! ! I] ? і

Поражение кожи/слизистых/роговицы ? И 9 I і п П її

Потеря шерсти ? ? 1 9 9 9 9 9 9 ? п і ? 9 9

Явная боль ! ? V 1 ? 9 і 9 і п ! п 9 9 9

Хромота 9 9 ] ?

Ненормальное поведение і ? и і н 9 ? ? ? ? п п ? ?

Шок н ? 9 і ]! ?

Отсутствие явных симптомов ? ? II И 9 і II II II II II п ! 1 ?

^Источник информации: сайт: llttp://lifescatS■m/puЫ/4

Шаг 3-й. На этом шаге мы приводим таблицу 1 к виду, необходимому для того, что она воспринималась универсальным программным интерфейсом системы Эйд ос с внешними базами данных (эти требования приведены на рисунке 2). Для этого необходимо транспонировать таблицу 1, чтобы симптомы

были строками, а классы - столбцами, и добавить еще один столбец с информацией об источнике данных. Для этого мы используем столбец с классами, т.е. диагнозами, те. столбец А.

Для транспонирования таблицы 1 в MS Excel копируем ее в буфер обмена, ставим курсор на ячейке АЗ7, разворачиваем список на кнопке «Вставить», выбираем опцию: «Специальная вставка»3, «Транспонирование» и кликаем на кнопке ОК. В результате у нас в 37-й строке начиная с ячейки А37 появляется транспонированная таблица 1. После этого удаляем саму исходную таблицу 1, удалив строки с 1-й по 36-ю включительно. Это проще всего сделать, просто выделив блоком колонку А и нажав кнопку Delete.

Шаг 4-й. Потом выделяем блоком всю 1-ю строку (с вопросами), кликаем на правой кнопке мыши, выбираем «Формат ячеек», «Ориентация надписей 90 градусов», разворачиваем список «Формат» на главной ленте и выбираем «Автоподбор ширины столбца» и «Автоподбор высоты строки».

Шаг 5-й. На сайте http://lifescats.ru/publ/4 говорится о различной характерности диагностических признаков (симптомов), приведенных в таблицах 1 и 2 сайта для постановки различных диагнозов:

«Условные обозначения:

!! - главные, наиболее характерные симптомы, имеющие место всегда при данном заболевании или состоянии;

! - симптомы, обычно наблюдающиеся при данном заболевании, но не имеющие решающего значения;

? - второстепенные симптомы»

То, что признаки должны иметь различную характерность видно уже из того (см. таблицу 1), что одни признаки встречаются у многих заболеваний, тогда как другие только у нескольких, один заболевания описываются большим количеством симптомов, а другие гораздо меньшим.

Однако на сайте это различие имеет качественный уровень и выражено в текстовом виде обозначениями: «!!», «!» и «?». В системе Эйдос-Х++ эта степень характерности симптома для заболевания выражена количественно. Кроме того в системе Эйжос-Х++ расчет значимости признаков (т.е. средней характерности по всем заболеваниям) - это одна из основных особенностей применяемых в системе интеллектуальных моделей и не требует ввода разных вариантов симптомов, если у них различная характерность. Мы еще рассмотрим этот вопрос на 6-м этапе методики.

Поэтому заменяем в транспонированной таблице исходных данных все «!!» на «*», затем все «!» на «*» и все «~?»4 на «*». После этого таблица 1 приобретает вид, представленный в таблице 2:

3 В разных версиях MS Excel диалог задания этих опций может выглядеть несколько по-разному, но смысл от этого не меняется.

4 Символ «~» перед знаком вопроса используется для экранирования его как спецсимвола, используемого для обозначения любого одного символа, и для рассмотрения его как обычного символа

Таблица 2 — Таблица исходных данных для ввода в систему Эйдос-Х++ с помощью стандартного программного интерфейса с внешним базами данных

Источник Заболевание (диагноз) ! Отсутствие аппетита 1 і І 1 I Вьіпяпітание третьего века | і! Выделения из ушей I 5 < 0 1 г 1 1 1 1 Внезапная смерть | 1 1 Іопижетпіая температура 1 * 1 & Потеря шерсти I ! Ненормальное поведение 1 і I

Панлей-копеиия (вирусный энтерит) Панлей-копения (вирусный энтерит) » • » 5 > < • * * » * ► • * -

Пищевое отравлен не/■ ас іро-: жтери Iі Пищевое отранлсн ие/гае і ро-:ін іериї

Волосяные пробки (безоары) Волосяные пробки (безоары) * * * і * * * * * * *

Колит Колит * " * * * *

Бешенство Бешенство * * * * * * * * * *

Респираторная вирусная инфекция Респираторная вирусная инфекция т- * * т- -■1 =■ т

Гсрпсс/ ринотрахеит Гсрпсс/ ринотрахеит

Иифекцноная анемия (малокровие) йпфекционая анемия (малокровие) * • * * * * - '

Вирусная лейкемия (белокровие) Вирусная лейкемия (белокровие)

Инфекционный перитопит (ФИ11) Инфекционный перитопит (ФИ11) * * * * * * * * * * * * * * *

Урологический синдром /мочекаменная болезнь Урологический синдром /мочекаменная болезнь 1' * * * * т * У *

Почечпая недостаточность Почечпая недостаточность * * * ‘ ■ * * * * * *

Сердечная недостаточность Сердечная недостаточность '• * - 1-- ' * і * •• *

Тепловой удар Тепловой удар

Рак Рак * * * - * * - * + - * * - * * * * > *

Неправильное питание Неправильное питание * * * * * » * * * * *

Круглые глисты (аскариды) Круглые глисты (аскариды) * * * * * * * * * * * * *

Ленточные глисты Ленточные глисты * * *

Токсоплазмоз Токсоплазмоз * * * * *

Воспаление рта (стоматит) Воспаление рта (стоматит) - 1- • + > * * 1-

Воспаление слизистой оболочки глаза (конъюктивит) Воспаление слизистой оболочки глаза (кот>юктивпт)

Воспаление роговой оболочки глаз (кератит) Воспаление роговой оболочки глаз (кератит) * * -* * * *

Воспаление уха (отит) Воспаление уха (отит) * * * * * * *

Блохи: клещи; грибок Блохи; клеши; грибок * * * * * * * * *

Абсцесс (гнойник, нарыв) Абсцесс (гнойник, нарыв) * * ■г * * * * * *

Г сматома (кровоизлияние) Гематома (кровоизлияние) 5 г * *

Отравление Отравление * - * 1- -- ■> + - ♦ * + -1- * *

Течка Течка

Беременность Беременность * * * * * - <- * * *

Г инекологические проблемы Гинекологические проблемы * * * * * * * * * * » * * *

На первый взгляд данная методика может выглядеть несколько усложненной, однако реализация на компьютере этих шагов занимает буквально считанные минуты и фактически осуществляется очень просто.

На втором этапе вводим Ехсе1-файл исходных данных в систему «Эйдос-Х++» с помощью программного интерфейса 2.3.2.2 (рисунок 3):

{•) 2.В.2.2. Универсальный программный интерфейс импорта данных в систему "ЭЙДОС-Х-»

і у Л

Автоматическая формализация предметной области: генерация классификационных и описательных шкал и градаций, а также обучающей и распознаваемой выборки на основе базы исходных данных: "1пр_<1а1а"

Задайте тип файле исходных данных: ,ltnp_data'

<*■ @ОПй|ЕШ Стандарт XlS-Файла

Г XLSX- MS Excel-2007(2010)

Г DBF - DBASE IV (D8F/NTX) Стандарт Р8Г-»айла

С CSV ■ Comma-Sepaiated Values Стандарт CSV-Файла

Задайте диапазон столбцов классификационных шкал:^ Начальный столбец классификационных шкал: Конечный столбец классификационных шкал:

Задайте режим:

Г Применить сценарный метод прогнозирования СК-анализа?

□к

Cancel

|— Считать нули и пробелы отсутствием данных?

(* Да Нули и пробелы считаются отсутствием данных

С Нет С Не знаю

Пояснения по работе конвертера исходных данных

Задайте диапазон столбцов описательных шкал: Начальный столбец описательных шкал: Конечный столбец описательных шкал:

36

(• Формализации предметной области (на основе "1пр_с1а1а") С Генерации распознаваемой выборки (на основе "1пр_га$р")

Задание параметров Формирования сценариев:

Задайте способ выбора размера интервалов:

Равные интервалы с разным числом наблюдений С Разные интервалы с равным числом наблюдений

Описание сценарного метода прогнозирования СК-анализа

Рисунок 3. Вид первого окна программного интерфейса системы Эйдос-Х++

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

с вешними базами данных 2.3.2.2.

Для этого используем методику, приведенную ниже и основанную, как и предыдущая, на требованиях, приведенных в Help режима 2.3.2.2 (рисунок 2). Эта методика включает следующие 4 шага.

Шаг 1-й. Копируем приведенный выше Excel-файл в папку: «Место расположения системы на flHCKe»\AID_DATA\Inp_data\ с именем “Inp_data.xls”.

Шаг 2-й. Запускаем режим 2.3.2.2 системы Эйдос-Х++ и задаем в окне, представленном на рисунке 3, следующие параметры:

- тип файла исходных данных: XLS-MS Excel-2003;

- нули и пробелы считаются отсутствием данных;

- диапазон колонок классификационных шкал: 2-2;

- диапазон колонок описательных шкал: 3-36;

- формализация предметной области (файл исходных данных Inp_data.xls);

- равные интервалы с разным числом наблюдений;

- сценарный метод прогнозирования СК-анализа не применять.

Шаг 3-й. После нажатия кнопки ОК появляется отображение процесса открытия и загрузки Excel-файла, а затем появляется второе окно режима 2.3.2.2, представляющее собой специальный калькулятор, позволяющий при наличии числовых классификационных и/или описательных шкал подбирать количество интервалов (градаций) в числовых шкалах (рисунок 4):

£) 2.3.2.2. Задание размерности модели системы "ЭЙДОС-Х+

ИНФОРМАЦИЯ 0 РАЗМЕРНОСТИ МОДЕЛИ

Суммарное количество градаций классификационных и описательных шкал: [30 х 68]

Т екстовые

на класс, шкалу

о сю

30.00

описательных

Є8

0,00

2,00

ВСЕГО: 1

Задайте число интервалов (градаций) в шкале:

30

30,00

63

2,00

Пересчитать шкалы и градации

Выйти на создание модели

Рисунок 4. Вид второго окна программного интерфейса системы Эйдос-Х++

с вешними базами данных 2.З.2.2.

В данном случае числовые шкалы отсутствуют, и число градаций задавать нет необходимости и возможности.

Шаг 4-й. При клике на кнопке «Выйти на создание модели» появляется отображение стадии процесса формализации предметной области (рисунок 5):

С) 2.32.2. Процесс импорта данных из внешней БД "1пр_()а1а" в систему "ЭЙДОС-Х++" 1 1=1 1

Стадии исполнения процесса

1/3: Формирование классификационных и описательных шкал и градаций на основе БД “Іпр_с)а(в” - Готово 2/3: Генерация обучающей выборки и базы событий "ЕуегЛэКО" на основе БД “1пр_с1а1а" - Готово 3/3: Переиндексация всех баз данных нового приложения - Готово

ПРОЦЕСС ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ ЗАВЕРШЕН ЫСПЕШНО !!!

Прогноз времени исполнения

Начало: 14:32:18 Окончание: 14:32:20

Ок

100%

Прошло: 0:00:02 Осталось: 0:00:00

Рисунок 5. Вид третьего окна программного интерфейса системы Эйдос-Х++

с вешними базами данных 2.З.2.2.

Таким образом, на втором этапе на основе Ехсе1-файла исходных данных создаются классификационные и описательные ттткальт и градации, а потом с их использованием и обучающая выборка, т.е. осуществляется формализация предметной области (рисунки 6, 7, 8):

О 2.1. Классификационные шкалы и градации. Текущая модель: "ШР1"

і і И

Код шкалы Наименование классификационной шкалы

Ц ЗАБОЛЕВАНИЕ (ДИАГНОЗ) ...!

<

- 1 Код градации Наименование градации классификационной шкалы -

1 Абсцесс [гнойник, нарыв]

2 Беременность

3 Бешенство

4 Б лони; клещи; грибок

5 Вирусная лейкемия (белокровие]

Є В олосяные пробки[безоары]

7 Воспаление роговой оболочки глаз (кератит)

8 Воспаление рта (стоматит)

9 Воспаление слизистой оболочки глаза (коньюктивит)

10 Воспаление уха (отит)

11 Гематома (кровоизлияние)

12 Герпес/ ринотрахеит

13 Гинекологические проблемы

14 Инфекционая анемия (малокровие)

15 Инфекционный перитонит (ФИП)

1Є Колит

17 Круглые глисты (аскариды)

18 Л енточные глисты

18 Неправильное питание

20 Отравление

21 П анлей-копения (вирусный э нтерит]

- 22 Пищевое отравление/гастро-энтерит -

• >

Помощь Доб. шкалу Д об. град, шкалы Копир, шкалу Копир.град. шкалы Копир, шкалу с град. Удал, шкалу с град. Уд а л. град, шкалы Перекодировать Очистить

Рисунок 6. Экранная форма режима 2.1 просмотра и корректировки классификационных шкал и градаций системы Эйдос-Х++

{*) 2.2. Описательные шкалы и градации- Текущая модель: ’ІІЧРІ"

111- І -Г

Код шкалы Наименование описательной шкалы

1 РВОТА

2 ДИАРЕЯ(ПОНОС)

3 ЗАПОР

4 КРОВЬ В КАЛЕ

5 ОТСУТСТВИЕ АППЕТИТА

6 ЧРЕЗМЕРНАЯ ЖАЖДА

7 НЕНОРМАЛЬНОЕ МОЧЕИСПУСКАНИЕ

8 СЛЮНОТЕЧЕНИЕ

8 КАШЕЛЬ И ЧИХАНИЕ

10 ВЫПЯЧИВАНИЕ ТРЕТЬЕГО ВЕКА

11 ВЫДЕЛЕНИЯ ИЗ ГЛАЗ

12 ВЫДЕЛЕНИЯ ИЗ УШЕЙ

13 ВЫДЕЛЕНИЯ ИЗНОСА

14 АНАЛЬНЫЕ ВЫДЕЛЕНИЯ

15 ГЕНИТАЛЬНЫЕ ВЫДЕЛЕНИЯ

16 ОБЕЗВОЖИВАНИЕ

17 ПОТЕРЯ ВЕСА

18 БЛЕДНОСТЬ ДЕСЕН

18 ЗАТРУДНЕННОЕ ДЫХАНИЕ

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

20 ПОТЕРЯ СОЗНАНИЯ

21 ПАРАЛИЧ

22 ВНЕЗАПНАЯ СМЕРТЬ -

I ■ ! ► Г

Код градации Наименьв'ание градации о™&9ГельнЪЙ'шк.алы I

Помощь Доб. шкалу Доб.град.шкалы Копир, шкалу Копир.град. шкалы Копир, шкалу с град. Удал, шкалу с град. Уд а л. град, шкалы Перекодировать Очистить

Рисунок 7. Экранная форма режима 2.2 просмотра и корректировки описательных шкал и градаций системы Эйдос-Х++

{*) 2.3.1, Ручной ввод-корректировка обучающей выборки. Текущая модель: "1ЫР1"

I | ІнІ

Код объекта Наименование объекта Лата Время

1 П анлей-копения (вирусный энтерит]

2 П ищевое отравление/гастро-з нтерит

3 В олосяные пробки (безоары)

4 Колит

5 Бешенство

8 Респираторная вирусная инфекция

7 Герпес/ ринотрахеиг

8 И нфекционая анемия (малокровие)

9 В ирусная лейкемия (белокровие]

1 п |,11Ж, ГГПМП1

I

Код объекта Класс 1 Класс 2 Класс 3 | Класс 4 I

1 21 0 0 0

І2Ґ _!І

Код объекта Признак 1 Признак 2 Признак 3 Признак 4 I Признак 5 I Признак 6 Признак 7

і нв» 2 3 5 6 8 10

1 14 16 17 18 20 22 23

1 24 30 32 33 0 0 0

-

Помощь Скопировать обуч.выб.в расп. Добавить объект Добавить классы Добавить признаки Удалить объект Удалить классы Удалить признаки Очистить БД

Рисунок 8. Экранная форма режима 2.3.1 просмотра и корректировки обучающей выборки системы Эйдос-Х++

На третьем этапе запускается режим 3.5 системы Эйдос-Х++, который обеспечивает синтез и верификацию 3 статистических и 7 интеллектуальных моделей. Окно задания параметров данного режима приведено на рисунке 9 (вид по умолчанию).

t) 3.5. Выбор моделей для синтеза и верификации

іЖі

Задайте стат. модели и модели знаний для синтеза и верификации-Стэтистические базы:

В Р . ABS - частный критерий: количество встреч сочетаний: "класс-признак" у объектов обуч.выборкй V 2. PRC1 ■ частный критерий: уел. вероятность i-ro признака среди признаков объектов j-ro класса Г? 3. PRC2 • частный критерий: условная вероятность i-ro признака у объектов j-ro класса Базы знаний:

!7 4. INF1 - частный критерий: количество знаний по АХаркевичу; вероятности из PRC1 У 5. INF2 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC2 W S. INF3 - частный критерий: Хи-квадрат, разности между фактическими и ожидаемыми абс. частотами & 7. INF4 - частный критерий: ROI (Return On Investment); вероятности из PRC1 !✓ 8. INF5 - частный критерий: ROI (Return On Investment); вероятности из PRC2 W Э. INF6 - частный критерий: разн.усл.и безусявероятностей; вероятности из PRC1 10.INF7 - частный критерий разн.усл и безусл.вероятностей; вероятности из PRC2 (• Синтез и верификация заданных моделей С Т олько верификация заданных моделей

Параметры копирования обуч. выборки в распознаваемую: Какие объекты обуч. выборки копировать:

(• Копировать всю обучающую выборку С Копировать только текущий объект С Копировать каждый Ы-й объект С Копировать N случайных объектов С Копировать все объекты, начиная с М-го

Удалять из обуч. выборки скопированные объекты: (* Не удалять Удалять

Пояснение по алгоритму верификации

г Подробнее

Измеряется внутренняя достоверн. модели

и к

Cancel

Рисунок 9. Вид окна задания параметров режима 3.5 системы Эйдос-Х++

На рисунке 10 приведено окно отображения стадии процесса исполнения данного режима (на рисунке вид по окончании работы режима).

£) 3.5. Синтез и верификация заданных из 10 моделей

-IЭ-ИЬДМ

Стадии исполнения процесса

Копирование обучающей выборки в распознаваемую - Готово Синтез стат.модели "АВЗ" (расчет матрицы абсолютных частот) - Г отово Синтез стат.моделей "РР1С1" и "РР1С2" (усл.безусл.% распр.) - Г отово Синтез моделей знаний: 1ЫП-1ЫР7 - Готово

Шаг 1-й из 10 Шаг 2-й из 10 Шаг 3-й из 10 Шаг А-й из 10

НАЧАЛО ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ-ИСПОЛНЕНИЕ:---------------------------...

Шаг 5-й из 10' Задание модели "INF7" в качестве текущей - Г отово Шаг 6-й из 10: Пакетное распознавание в модели "INF7" - Г отово

Шаг 7-й из 10: Измерение достоверности модели: "Inf?" - Интегральный критерий: "Сумма знаний" - Г отово

КОНЕЦ ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ - ГОТОВО:-------------------------------..

Шаг 8-й из 10: Объединение БД DostRspI 0 из 10 в БД DostRasp. - Г отово

Шаг 9-й из 10: Печать сводной формы по результатам верификации моделей. - Г отово

Шаг 10-й из 10: Создание формы: "Достоверность идент классов в различных моделях" - Г отово

Верификация заданных стат.моделей и моделей знаний упешно завершена !!!

Прогноз времени исполнения Начало: 17:10:59

Окончание: 17:11:24

Ю05г

Прошло: 0:00:24 Осталось: 0:00:00

Рисунок 10. Окна отображения стадии исполнения режима 3.5 системы Эйдос-Х++ (вид

по окончании работы режима)

Видно, что процесс синтеза и верификации 3 статистических и 7 интеллектуальных моделей предметной области занял 24 секунды машинного времени. Некоторые из этих моделей приведены в таблицах 4-7.

Таблица 3 - МАТРИЦА АБСОЛЮТНЫХ ЧАСТОТ

Код Наименование Абсцесс {гнойник, нарыв) g 1 э Блохи; клещи; грибок Вирусная лейкемия (белокровие) Волосяные пробки (безоары) Воспаление роговой оболочки глаз (кератит) Воспаление рта (стоматит) Воспаление слизистой оболочки глаза (конъюктивит) Воспаление уха (отит) Гематома (кровоизлияние) I Г и некологические проблемы Инфекционая анемия (малокровие) Инфекционный перитонит (ФИП) Круглые глисты (аскариды) Ленточные глисты Неправильное питание Отравление Панлей-копения (вирусный энтерит) Пищевое отравление/гастро-энтерит Почечная недостаточность Респираторная вирусная инфекция Сердечная недостаточность Тепловой удар Токсоплазмоз Урологический синдром /мочекаменная болезнь | SUMMA

1 РВОТА-' 1 1 1 1 1 1 1 1 і і і і і і і 15

2 ДИАРЕЯ (ПОНОС)-* 1 1 1 1 1 1 1 1 і 1 і і і 13

3 ЗАПОР-* 1 1 1 1 1 1 1 7

4 КРОВЬ В КАЛЕ-* 1 1 2

5 ОТСУТСТВИЕ АППЕТИТА-* 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 23

6 ЧРЕЗМЕРНАЯ ЖАЖДА-” 1 1 1 1 1 і і і і і 10

7 НЕНОРМАЛЬНОЕ МОЧЕИСПУСКАНИЕ-* 1 і і 3

8 СЛЮНОТЕЧЕНИЕ-* 1 1 1 1 і і і і і і 10

9 КАШЕЛЬ И ЧИХАНИЕ-* 1 1 1 1 1 1 і і і і і 11

10 ВЫПЯЧИВАНИЕ ТРЕТЬЕГО ВЕКА-* 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 19

11 ВЫДЕЛЕНИЯ ИЗ ГЛАЗ-* 1 1 1 1 1 1 6

12 ВЫДЕЛЕНИЯ ИЗ УШЕЙ-* 1 1 1 1 1 5

13 ВЫДЕЛЕНИЯ ИЗ НОСА-* 1 1 і і 4

14 АНАЛЬНЫЕ ВЫДЕЛЕНИЯ-* 1 і і 3

15 ГЕНИТАЛЬНЫЕ ВЫДЕЛЕНИЯ-* 1 1 1 і 1 5

16 ОБЕЗВОЖИВАНИЕ-* 1 1 1 і і і і 7

17 ПОТЕРЯ ВЕСА-* 1 1 1 1 1 1 1 1 1 і і і і і і 15

18 БЛЕДНОСТЬ ДЕСЕН-* 1 1 1 1 1 1 1 1 1 1 1 11

19 ЗАТРУДНЕННОЕ ДЫХАНИЕ-* 1 1 1 1 1 1 1 1 1 1 1 1 12

20 ПОТЕРЯ СОЗНАНИЯ-* 1 1 1 1 1 1 1 1 1 9

21 ПАРАЛИЧ-* 1 і і і 4

22 ВНЕЗАПНАЯ СМЕРТЬ-* 1 і і і і і і 7

23 ЛИХОРАДКА(ВЫСОКАЯ ТЕМПЕРАТУРА)-* 1 1 1 1 1 1 і і і і і 11

24 ПОНИЖЕННАЯ ТЕМПЕРАТУРА-* 1 1 1 1 і і і і і і і 11

25 ВЗДУТИЕ ЖИВОТА-* 1 1 1 1 1 1 1 1 1 1 1 1 12

26 ВЗДУТИЕ ПОД КОЖЕЙ-* 1 1 1 1 1 1 6

27 РАЗДРАЖЕНИЕ КОЖИ-* 1 1 1 1 1 1 1 1 1 1 10

28 ПОРАЖЕНИЕ КОЖИ/СЛИЗИСТЫХ/РОГОВИЦЫ-* 1 1 1 1 1 1 1 і 8

29 ПОТЕРЯ ШЕРСТИ-’ 1 1 1 1 1 1 1 1 1 1 1 1 1 1 і 15

30 ЯВНАЯ БОЛЬ-* 1 1 1 1 1 1 1 1 1 і і і і 1 і 15

31 ХРОМОТА-* 1 1 1 і 4

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

32 НЕНОРМАЛЬНОЕ ПОВЕДЕНИЕ-* 1 1 1 1 1 1 1 1 1 і і і 1 1 14

33 шок-* 1 1 1 1 1 1 6

34 ОТСУТСТВИЕ ЯВНЫХ СИМПТОМОВ-* 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 15

35 Сумма числа признаков 9 10 10 11 12 12 7 8 7 4 12 19 8 15 6 14 5 13 18 18 13 11 26 10 11 9 5 7 10 328

36 Сумма числа объектов обуч.выборки 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 і 1 1 і 1 1 1 1 30

ABS

Таблица 4 - МАТРИЦ А ЗНАНИИ (частный критерий: количество знаний по А.Харкевичу в миллибитах, 1-й вариант расчета вероятностей: Д/ — суммарное количество признаков по7-му классу. Вероятность того, что если у объекта ]-го класса

обнаружен признак, то это 1-й признак)

Код Наименование § £ І 1 І I 1 І §. І а | І 1 I ш | 1 1 Круглые глисты (аскариды) ё с; | Л ! 1 1 С Почечная недостаточность 1 Сердечная недостаточность 1 ь Урологический синдром /мочекаменная болезнь I О

1 эВОТА-* 663 508 508 119 852 319 378 440 165 165 440 582 -147 752 663 6408 214 286

V ЦИАРЕЯ(ПОНОС)-' 784 629 629 240 9/3 440 499 562 286 286 562 -25 873 6739 226 316

3 ЗАПОР-* 1154 1086 810 810 1086 1228 499 6673 222 426

4 <РОВЬ В КАЛЕ-* 2802 2084 4886 163 627

5 ЭТСУТСТВИЕ АППЕТИТАг* 390 301 220 146 14В 603 490 603 146 -243 490 -43 16 78 -19/ -197 78 220 -609 220 888 603 301 4748 1Ь8 29/

6 ЧРЕЗМЕРНАЯ ЖАЖДА-* 1006 852 852 462 1195 508 508 784 925 197 7290 243 388

7 НЕНОРМАЛЬНОЕ МОЧЕИСПУСКАНИЕ-* 1482 1945 2026 5453 182 560

Н ЗЛЮНОТЕЧЕНИЕ-' 1006 852 1195 852 5оа 508 784 197 1006 1095 8004 267 421

9 <АШЕЛЬ И ЧИХАНИЕ-* 771 1228 1114 771 582 640 703 116 925 845 1228 8923 297 440

10 ЗЫПЯЧИВАНИЕ ТРЕТЬЕГО ВЕКА-* 462 382 308 308 765 765 308 -81 119 1// 1050 240 -зь -35 240 382 -34/ 462 765 6234 208 314

11 ЗЫДЕЛЕНИЯ ИЗ ГЛАЗ-* 1741 1628 1741 1284 1154 1439 8987 300 618

12 ЗЫДЕЛЕНИЯ ИЗ УШЕЙ-* 1683 1513 1782 2369 784 8131 271 652

13 ЗЫДЕЛЕНИЯ ИЗ НОСА-* 1971 1628 973 1782 6354 212 567

14 АНАЛЬНЫЕ ВЫДЕЛЕНИЯ-* 2459 1528 1217 5203 173 556

15 ‘ЕНИТАЛЬНЫЕ ВЫДЕЛЕНИЯ-* 1593 1050 1250 784 2180 6857 229 557

16 ЭБЕЗВОЖИ ВАН ИЕ-* 1154 765 965 810 810 1228 1308 7040 236 444

17 ПОТЕРЯ ВЕСА-* 582 508 508 119 852 319 378 1250 440 165 582 -147 663 582 965 7766 259 356

1Я БЛЕДНОСТЬ ДЕСЕН-* 845 771 382 1114 582 640 703 42П 428 845 116 6853 228 346

19 ЗАТРУДНЕННОЕ ДЫХАНИЕ-' 852 697 697 1041 508 567 354 42 852 771 941 1154 8476 283 400

20 ПОТЕРЯ СОЗНАНИЯ-* 1095 552 598 598 1015 286 1015 1185 1095 7438 248 420

21 ПАРАЛИЧ-* 1782 1284 973 1702 5741 191 511

'П ЗНЕЗАПНАЯ СМЕРТЬ-' 1308 810 810 499 1228 1398 1308 7361 245 478

23 ПИХОРАДКА(ВЫСОКАЯ ТЕМПЕРАТУРА)-* 1015 925 1114 771 382 582 428 116 925 1015 1228 8500 283 431

24 ПОНИЖЕННАЯ ТЕМПЕРАТУРА-* 925 771 382 582 42» 428 703 845 116 925 Я2Ь 7030 234 Ш

25 ЗЗДУТИЕ ЖИВОТА-* 852 697 697 308 508 567 629 354 629 42 771 852 6907 230 323

2(5 ЗЗДУТИЕ ПОД КОЖЕЙ-* 1528 1358 1628 2215 629 1358 8717 291 628

27 РАЗДРАЖЕНИЕ КОЖИ-* 1095 925 1308 1195 852 1439 721 1593 784 1593 11506 384 581

28 ПОРАЖЕНИЕ КОЖИ/СЛИЗИСТЫХ/РОГОВИЦЫ-* 1284 1114 1497 1384 1497 1041 1628 386 9832 328 586

29 ПОТЕРЯ ШЕРСТИ-' 752 663 663 582 508 965 852 1439 508 119 319 378 1250 440 -147 9291 310 423

30 ЯВНАЯ БОЛЬ-' 752 663 508 965 852 862 119 319 1095 166 165 440 -14/ 1250 663 8661 289 404

31 ХРОМОТА-’ 1872 2558 1560 1702 7692 256 680

32 НЕНОРМАЛЬНОЕ ПОВЕДЕНИЕ-* 721 721 640 1023 1023 910 177 1154 499 22.1 223 810 1308 721 10156 339 437

33 1ЮК-* 895 941 941 1217 1528 1439 6961 232 486

34 ЭТСУТСТВИЕ ЯВНЫХ СИМПТОМОВ-* 663 582 508 508 852 852 119 852 378 1250 440 440 -147 582 965 8844 295 383

35 ^умма 10370 8016 9633 8743 7551 7442 7821 9486 7902 9185 8582 9366 7348 7368 7353 10577 8576 6392 7904 8440 8568 8108 9795 6358 10289 10774 9597 7220 6906 9993 255661

36 305 236 283 257 222 219 230 279 232 270 252 275 216 217 216 311 252 188 232 248 252 238 288 187 303 317 282 212 203 294 251

37 Среднеквадратичное отклонение 569 408 488 437 341 338 489 555 495 523 717 446 364 409 321 736 439 465 377 354 378 361 497 395 517 533 495 546 417 529 470

Таблица 5 - МАТРИЦ А ЗНАНИИ ВДТЗ (частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами)

К Наименование ! 1 1 I .1 I I ! , ■ , I 1 ! I 1 ! ’ 1 s I I i I 1 1 I I I I s I ! 1

?ВОТА-” MSI Ш\ т В'Ж'] ш ми El№4Ei№MEi№MEi]KMElII:IEl]|.iaaiIKI ш №1 Ш1ШШ1УШ * \ IШКИ ЕН 1-1 Е«Е :я ЕШ.1И 111.1:1 EIHCI EIKX1 ИИ1 Illlllllllll IlEil

ЗИАРЕЖПОНОСК E<fcr;lBiTCilE<E!*lEtE':!B)№VlB)№aE<l'J:lEi№HEi№J:lEi№HE<I[;] № М ж ш MSI ЕШИаЕЕЭ ММ итшт 1* Ы К !•] till Б&!1 t!bJ K1J ЬК1 tljJ m

ЗАП0Р-* м !■ Ч ИН гон I ■я ИМ B(»#J НЕ 1.1 Е*н ■ Eifftl E<i (-1 ЕН i 1ЕН Я EiW 1ШОШЮ! Ш

4 Н V ■Л ККЯ BlRi 1 Eiffrtl EtliSl Edil ВНЕ 1 EiHSl Eiliyj EH [4 E<H;1 EdTJ ЕШ'Л ВШИ EiIi’IEiIi.I IlI01(<I0] >p

ОТСУТСТВИЕ АППЕТИТА-* И!! ЕШЕКЭЕШЕШЕШШ и, гттшжтшштттттштшъгшшмштптт*

ЧРЕЗМЕРНАЯ ЖАЖДА-* EtWJEOkliMitiilEiK’JBiXifclBiIftlEiMIEiKIEiftflEiKIEiIHaEiKMBiEl'lBWilEiECl m 1-1 Hlrtl КМ 1 Elk’ll ЕЖ* 1 EiWi ЕН И EiW 1 Е<Ю11ФИ1ПЮ1 11

НЕНОРМАЛЬНОЕ МОЧЕИСПУСКАНИЕ-* ЕЛ!иЕЛ^1Е!М1ЕД1!]Е!ХиЕД£1ЕЛ*^1ЕД!иЕЛ*^1Е*Х*иЕД*£1Е*Ж£11!^ И Е El ж

8 СЛЮНОТЕЧЕНИЕ-’ я МИ r# m МИ мм ми ПК Л ВНП Е<№1 КМ I ■*№■! Е№1 ■<№! ЕН1-1Е1Ю1 ШПИНЮ! 4EE

-W <АШЕЛЬ И ЧИХАНИЕ-* ill'll БШКШЕШЛЬВД т № 1-1 KV.l Etfc/J III Kl 1И.ч| Е*Ю1 ЕН М НМЛ ЕЖНЖШМКП

ВЫПЯЧИВАНИЕ ТРЕТЬЕГО ВЕКА-’ В1№У4Е<Ж:1В1К»ЧВ1Ж!4а11К111В1К!11В1№!] ММ Ж ММ 1=3 ИМ ЯЧКИ ■<! Cl ММ IHW.1 ВИС leaci НК-1 BUM ■ НЕ УЖ еи^ I B*lWi ЕДО! ИГО! BWSI iuoiiuoi DEKI

if ЗЫДЕЛЕНИЯ ИЗ ГЛАЗ-* E)X[4E>Sl-IE<II-IE<K*lEiR'>JEil'>JHX:fJBiI^Hi№MEiSk1EiXiMBlH;lEiKl.1 и !*

ЗЫДЕЛЕНИЯ ИЗ УШЕИ-* Ш виз ЕЛИ ЕЕ] Е#] ММ MEI ММ Mil |*МЗ №1 MN ЬЛ*-Й WA KMI И№! ЁЕИ -0.27 ййй !<1М ИН ME! ElSIJ 1ДИ I#] ИЮ1 m

13 ЗЫДЕЛЕНИЯ ИЗ НОСА-* -0,11 -0,12 -0,12 -0,13 -0,15 -0,15 -0,09 0,90 -0,09 -0,10 -0,05 0,85 -0,23 -0,10 -0,18 -0,07 -0.17 -0,06 -0.16 -0.22 -0 22 -0.16 -0.13 0.68 0 88 -0.13 -0.11 -0,12 0,00 0.00 0,34

14 АНАЛЬНЫЕ ВЫДЕЛЕНИЯ-* -0,08 -0,09 -0,09 -0,10 -0,11 -0,11 -0,06 -0,07 -0,06 -0,07 -0,04 -0,11 -0,17 -0,07 -0.14 0,95 -013 -0,05 -0.12 -0.16 084 -0,12 -0.10 0.76 -0.09 -0.10 -0.08 -0,05 -0,06 -0,09 0,00 0.00 0,29

15 'ЕНИТАЛЬНЫЕ ВЫДЕЛЕНИЯ-* -0,14 0,85 -0,15 -0,17 -0,18 -0,18 -0,11 -0,12 -0,11 -0,12 -0,06 -0,18 0,71 -0,12 0.77 -0,09 -0.21 -0,08 -0.20 -0.27 -0.27 -0.20 -0.17 0.60 -0.15 -0.17 -014 0,92 -0,11 -0,15 0,00 0.00 0,36

16 ОБЕЗВОЖИВАНИЕ-* -0,19 -0,21 -0,21 -0,23 0.74 -0.26 -0,15 -0,17 -0.15 -0,17 -0,09 -0,26 0.59 -0,17 0.68 -0,13 -0.30 -0,11 -0.28 0.62 0.62 -0,28 0 77 -0 55 0.79 -0.23 -0.19 -0,11 -0,15 0,00 0.00 0,40

17 ПОТЕРЯ ВЕСА-* -0,41 -0,46 -0,46 0,50 0,45 -0,55 -0,32 -0,37 -0,32 -0,37 -0,18 0,45 0,13 0,63 0.31 -0,27 0.36 0,77 0.41 -0,82 0,18 -0,59 0.50 -0.19 0 54 0.50 -0 f 0,68 -0,46 0,00 0.00 0,47

18 БЛЕДНОСТЬ ДЕСЕН-* -0,30 -0,34 -0,34 0,63 0,60 -0.40 -0,23 -0,27 -0,23 -0,27 -0,13 -0,40 0,36 0,73 0.50 -0.20 0.53 -0,17 0.56 0.40 0.40 -0.44 0.63 0.13 -0.34 -0.37 -0.30 -0,17 0,00 0.00 0,40

19 ЗАТРУДНЕННОЕ ДЫХАНИЕ-' -0,33 0,63 -0,37 -0,40 0.56 -0.44 -0,26 -0.29 -0,26 -0,29 -0,15 0.56 -0,70 0,71 0.45 -0,22 0.49 -0.18 -0.48 0.34 -0,66 -0.48 -0.40 0.05 0 63 0.60 0.67 -0.18 0,74 -0,37 0,00 0.00 0,48

20 ПОТЕРЯ СОЗНАНИЯ-* -0,25 -0,27 0,73 -0,30 -0,33 -0,33 -0,19 -0,22 -0,19 -0,22 -0,11 -0,33 0.48 -0,22 -0.41 -0.16 -0.38 -0,14 -0.36 0,51 0,51 -0.36 0.70 0.29 -0.27 0.70 0.75 -0.14 -0,19 0,73 0,00 0.00 0,41

21 ПАРАЛИЧ-’ -0,11 -0,12 0,88 -0,13 -0,15 -0,15 -0,09 -0,10 -0,09 -0,10 -0,05 -0,15 -0,23 -0,10 -0.18 -0.07 -0,17 -0.06 -0.16 0.78 -0.22 -0,16 -0.13 0.68 -0.12 0.87 -or -0,09 -0,12 0,00 0.00 0,32

22 ВНЕЗАПНАЯ СМЕРТЬ-* -0,19 -0,21 0,79 -0,23 -0,26 -0,26 -0,15 -0,17 -0,15 -С " -0,09 -0,26 -0,41 -0,17 -0.32 -0,13 -0.30 -0,11 -0.28 0.62 0.62 -0.28 -0.23 0.45 -0.21 0.77 0.81 -0,11 -0,15 0,79 0,00 0.00 0,40

23 ЛИХОРАДКА(ВЫСОКАЯ ТЕМПЕРАТУРА)-* 0,70 ___ 0,66 -0,40 -0,40 -0,23 -0,23 0,73 -0,13 0.60 0,36 -0,27 0.50 -0,20 -0.47 -0,17 -0.44 -0,60 0.40 -0.44 -0.37 0.13 0.66 -0.37 0.70 -0,17 0,77 -0,34 0,00 0.00 0,46

24 ПОНИЖЕННАЯ ТЕМПЕРАТУРА-’ 0,56 • 0,60 -0,40 -С.27 -0,23 -0,13 -0,40 0,36 -0,27 0.50 -0,20 -0.47 -0,17 -0.44 0.40 0.40 0,56 0.63 0.13 0.66 -0.37 -0.30 -0,23 0,66 0,00 0.00 0,41

25 ВЗДУТИЕ ЖИВОТА-* -0,33 0,63 :.г С,56 0,56 -0,26 -0,29 -0,26 -0,29 -0,44 0,30 0 45 : 2 0 49 0 52 0.34 с 6: 0 52 -0 4С 0 05 : г 0 60 3 3 3 -0,18 -0,26 0,63 0,00 0 00 0,42

26 ВЗДУТИЕ ПОД КОЖЕЙ-* 0.84 -0,18 -0,18 0,80 -0,22 -0,22 -0,13 -0,15 -0,13 0,85 0,93 -0,22 -0,15 -0,27 -0,11 -0.26 -0.09 -0.24 -0,33 -0.33 -0.24 -0.20 0.52 -0.18 0.80 -0.16 -0,09 -0,13 -0,18 0,00 0.00 0,41

27 РАЗДРАЖЕНИЕ КОЖИ-* 0,73 -0,30 0,30 0,56 -С.о 0,79 0,76 -0,12 0,63 - - -0,24 -0.46 0.82 0,57 0.85 0,60 -0,55 -0.55 -0.40 -0.34 -0.79 -0.30 -0.34 -0.27 0,85 -0,21 -0,30 0,00 0.00 0,54

28 ПОРАЖЕНИЕ КОЖИ/СЛИЗИСТЫХ/РОГОВИЦЫ-* 0,78 -0,24 -0,24 0,73 -0,29 • : 0,83 0,80 0,83 : 20 -0,10 0,71 -0,46 -0,20 -0.37 0.85 -0.34 -0,12 -0.32 -0.44 -0.44 -0.32 -0.27 0.37 -0.24 -0.27 -0.22 -0,12 -0,17 -0,24 0,00 0.00 0,47

29 ПОТЕРЯ ШЕРСТИ-’ 0,59 0,54 0,54 0,50 -0,55 0,45 -0,32 -0,37 С.68 0.63 0,82 0,45 0,13 -0,37 0.31 -0,27 0.36 0,77 0,41 -0,82 -0.82 -0,59 -0.50 -0.19 -0.46 -0.50 -0.41 -0,23 -0,32 -0,46 0,00 0.00 0,52

30 ЯВНАЯ БОЛЬ-’ 0,59 -0,46 0,54 -0,55 0,45 0,68 0,63 -0,32 С. 63 -0,18 - . 0,13 -0,37 0.31 0,73 -0.64 -0,23 -0,59 0.18 0,18 0,41 -0.50 -0.19 -0.46 -0.50 -0.41 0,77 0,32 0,54 0,00 0.00 0,49

31 ХРОМОТА-* 0,89 -0,12 -0,12 -0,13 -0,15 -0,15 ; -0,10 -0,09 -0,10 0,55 -0,15 ::: -0.10 -0,18 -0.07 -0.17 -0,06 0,84 -0.22 -0.22 -0,16 -0.13 -0.32 -0.12 0.87 -0.11 -0,06 -0,09 -0,12 0,00 0.00 0,36

32 НЕНОРМАЛЬНОЕ ПОВЕДЕНИЕ-' 0,57 0,57 0,53 -0,51 -0,51 0,70 -0,34 0,70 0 66 -0,17 -0,51 0,19 -0,34 -0.64 0,74 -0.60 -0,21 0.45 0,23 0.23 -0,55 -0.47 -1,11 -0.43 -0.47 0.62 0,79 -0,30 0,57 0,00 0.00 0,55

33 ШОК-* -0,16 -0,18 -0,18 -0,22 -0,22 -0,13 -0,15 -0,13 -0,15 -0,07 -0,22 С 65 -0.15 -0.27 -0,11 -0.26 -0,09 -024 067 0.67 0.76 -0.20 -0 48 -0.18 -0 20 0 84 -0,09 -0,13 0,82 0,00 0 00 0,38

34 ОТСУТСТВИЕ ЯВНЫХ СИМПТОМОВ-’ -0,41 0,54 -0,46 0,50 0,45 0,45 -0,32 0.63 -0,32 С'. 63 -0,18 : 0,13 0,63 -0.69 -0.27 0.36 0,77 0.41 -0.82 -0.82 0.41 -0.50 -0.19 -0.46 0.50 -0.41 -0,23 0,68 -0,46 0,00 0.00 0,51

Сумма 0,00 0,00 0,00 0,00 0,00 0,00 0,00 с.со 0,00 с.со С. СО с.со 0.00 0,00 0,00 0,00 0,00 0,00 0,00 0.00 0,00 0,00 0.00 0.00 0.00 0.00 0.00 0,00 0,00 0,00 0,00

Среднее 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0.00 0,00 0,00 0.00 0.00 0.00 0.00 0.00 0,00 0,00 0,00 0.00

Среднеквадратичноеотклонение 0,45 0,41 0,45 0,43 0,40 0,40 0,38 0,42 0,38 0,42 0,34 0,45 0,42 0.38 0.41 0,41 0,42 0,33 0,41 0.48 0.47 0.43 0.45 0.47 0.47 0.48 0.45 0,34 0,36 0,45 "041"

Таблица 6 - МАТРИЦ А ЗНАНИИ INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета вероятностей: Nj— суммарное количество признаков по j-му классу

2 ДИАРЕЯ(ПОНОС)-* 1.5 1.1 1.1 0,3 2,2 0.7 0,8 0,9 0.4 0,4 0,9 1,8 12.2 0,4 0,6

4 КРОВЬ В КАЛЕ-’ 26,3 10,7 37.0 1,2 5,1

6 ЧРЕЗМЕРНАЯ ЖАЖДА-’ 2,3 1.7 1,7 0,7 3,1 0.8 0,8 1,5 2,0 15,0 0,5 0,9

8 СЛЮНОТЕЧЕНИЕ-’ 2,3 1.7 3,1 1,7 0,8 0,8 1,5 2.3 2,6 17.2 0,6 1.0

10 ВЫПЯЧИВАНИЕ ТРЕТЬЕГО ВЕКА-* 0,7 0,6 0,4 0,4 1,5 1.5 0,4 -0,1 0,2 0,2 2,5 0,3 -0,0 -0,0 0,3 0,6 0,7 1.5 11,3 0,4 0,6

12 ВЫДЕЛЕНИЯ ИЗ УШЕЙ-* 6,3 5,0 7.2 15,4 35,4 1,2 3,3

14 АНАЛЬНЫЕ ВЫДЕЛЕНИЯ-* 17.2 5,1 25,5 0,9 3,3

16 ОБЕЗВОЖИВАНИЕ-’ 2,9 1,5 2,1 1.6 1,6 3,3 3,7 16,6 0,6 1,1

18 БЛЕДНОСТЬ ДЕСЕН-* 1.7 1,5 0,6 2,7 1,0 1,1 1,3 0.7 0,7 1.7 13,1 0,4 0,7

20 ПОТЕРЯ СОЗНАНИЯ-' 2,6 0,9 1.0 1,0 2,3 2,3 3,0 2,6 16,3 0,5 1.0

22 ВНЕЗАПНАЯ СМЕРТЬ-* 3,7 1.6 1,6 3,3 4.2 3,7 18,8 0,6 1.3

24 ПОНИЖЕННАЯ ТЕМПЕРАТУРА-* 2,0 1,5 0,6 1,0 0,7 0,7 1,3 1.7 2,0 2,0 13,5 0,4 0,7

26 ВЗДУТИЕ ПОД КОЖЕЙ-* 5,1 4,0 5,8 12.7 4,0 32,6 1,1 2,7

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

28 ПОРАЖЕНИЕ КОЖИ/СЛИЗИСТЫХ/РОГОВИЦЫ-* 3,6 2,7 4,9 4,1 4,9 2,4 5,8 28,9 1,0 1.8

30 ЯВНАЯ БОЛЬ-* 1,4 1,2 0,8 2,1 1,7 1.7 0,2 0,5 2,6 0,2 0,2 0,7 3.4 1,2 17.8 0,6 0,9

32 НЕНОРМАЛЬНОЕ ПОВЕДЕНИЕ-' 1,3 1,3 1,1 2,3 2,3 1,9 0,2 2.9 0,8 0,3 0,3 1,6 3,7 1,3 21.6 0,7 1.0

34 ОТСУТСТВИЕ ЯВНЫХ СИМПТОМОВ-' 1,2 1,0 0,8 0,8 1.7 1.7 0,2 1,7 0,6 3,4 0,7 07 -0,2 1,0 2,1 17.4 0,6 0,8

37 Среднее Среднеквадратичное отклонение 0,9 2,0 0,5 0,7 1,5 0,6 1,2 0.4 0.7 0,4 0,7 0,6 1,6 0,9 2.0 0,7 0,8 1.7 1.5 4.7 0,6 1,3 0,5 1.0 0,5 0,9 0,4 0,7 1.7 5.4 0,7 1,9 0,5 1,4 0,5 1.0 0,5 0.8 0,5 1.0 0,5 0.8 0,8 1,7 0,4 0,8 0,8 0,9 1,7 0,7 1.3 0,8 2.4 0,5 1.0 0,8 2,0 0,7 1,9

Необходимо обратить внимание на то, что весовые коэффициенты в моделях системы Эйдос-Х++, созданные на основе исходных данных,

отличаются друг от друга, в частности в интеллектуальных моделях в общем случае отличаются не только весами, но и знаками весовых коэффициентов (например, в приведенных моделях ЮТ1- количество знаний по А.Харкевичу и ШБЗ - Хи-квадрат).

Базы знаний, представленные в таблицах 4, 5, 6, имеют декларативную форму и содержат 30x34=1020 элементов, отражающих силу и направление причинно-следственной связи между значениями факторов и градациями классификационных шкал, которые могут быть представлены в продукционной форме в виде 1020 продукций вида: «Если то». Это количество продукций близко к максимальному пределу для большинства систем искусственного интеллекта, основанного на классических продукциях с Аристотелевской логикой «истина-Ложь». Это связано с тем, что «При большом числе продукций в продукционной модели усложняется проверка непротиворечивости системы продукций, т.е. множества правил. Поэтому число продукций, с которыми работают современные системы ИИ, как правило, не превышают тысячи»5. Однако в системе «Эйдос» используются нечеткие продукции с переменной степенью истинности импликаций. Поэтому в системе «Эйдос» нет проблемы, с которыми сталкиваются экспертные системы, состоящей в необходимости проверка непротиворечивости системы продукций, и они все учитываются в интегральном критерии со своей степенью истинности. В результате, как показали численные эксперименты, в текущей версии системы «Эйдос-Х++» может быть до 1500x70000=105000000 нечетких продукций, что примерно в 105000 раз больше, чем в самых мощных экспертных системах с продукционными моделями. Даже если бы продукционные модели такой мощности было бы возможно реализовать, то для их работы были бы необходимы суперкомпьютеры. Декларативные же базы знаний системы «Эйдос» служат лишь основой для решения различных задач идентификации (прогнозирования), принятия решений и исследования предметной области, которые на продукционных моделях такой размерности, по-видимому, невозможно решать и на суперкомпьютерах.

Очевидно, что знания такого объема и детализации невозможно получить от экспертов по ряду причин, среды которых основными являются следующие:

1. Большинство экспертов пользуются знаниями в слабо формализованной форме, т.е. интуитивными невербализованными знаниями, основанными на опыте и профессиональной компетенции. Повышение степени формализации этих знаний до уровня, позволяющего внести их в компьютерные базы знаний, представляет собой большую проблему, чаще всего неразрешимую для эксперта, которые являясь экспертами в своей профессиональной области при этом обычно не имеют подготовки инженера по знаниям (когнитолога). Кроме того известно, что при любой формализации происходит необратимая потеря адекватности знаний. Даже начальный этап формализации: вербализация требует

больших усилий, труда, времени и еще таланта писателя, хотя вербализации совершенно недостаточна для внесения в компьютерные базы знаний, т.е. для этого требуется более высокий уровень формализации.

2. На практике могут встречаться такие мотивы принятия решений, которые эксперт не просто не станет вербализовать, т.к. они предосудительны и вместо истинных мотивов и знаний сообщит неистинные.

3. Часто эксперт осознает процесс получения знаний от него и их формализации как процесс отчуждения от него тех знаний, которые он добывал всю профессиональную жизнь и на владении которыми основано его материальное, профессиональное и социальное благополучие. Поэтому он отрицательно относится к самой идее извлечения из него профессиональных знаний и придания им такой формы, в которой они могли бы быть включены в компьютерные базы знаний систем искусственного интеллекта, обобществлены и стать общим достоянием. Сами же системы искусственного интеллекта и специалистов в этой области он рассматривает как представляющих угрозу его благополучию.

По этим причинам эксперты часто не могут и не хотят делиться своими знаниями, и даже если они настроены доброжелательно это не всегда получается качественно.

В системе же «Эйдос» все эти проблемы вообще не возникают, т.к. степень истинности импликаций нечетких продукций, представленных в декларативной форме, вычисляется автоматически непосредственно на основе эмпирических данных без участия экспертов.

На четвертом этапе определяется наиболее достоверная модель и назначается текущей для дальнейшего применения.

Шаг 1-й. Из режима 4.1.3.6 видно (см. рисунок 11), что наивысшей достоверностью идентификации и не идентификации обладает модель 1п?4 с частными критериями, приведенными в таблице 7 и интегральным критерием, описанным ниже.

ф 4.1.З.6. Обобщ.форма по достов.моделей при разн.инткрит,. Текущая модель; 1NF7"

Наименование модели и частного критерия Интегральный критерий Вероятность Вероятность Средняя Дата Время ±

правильной правильной вероятно.. получения получения

идентифка... не идентиф.. правильн.. результата результ...

результата

■ Корреляция ad с.частот с обр.. 100.000 37.241 68.621 09.05.2013 14:39:55

1. ABS • частный критерий количество встреч сочетаний: "клас... Сумма абс.частот по признак.. 100.000 5.517 52.759 09.05.2013 14:39:55

2. PRC1 - частный критерий: уел. вероятность і-го признака сред... Корреляция уел. отн. частот со.. 100.000 37.241 68.621 09.05.2013 14:39:55

2. PRC1 - частный критерий: уел. вероятность і-го признака сред Сумма уел.отн частот по приз... 100.000 5.517 52.759 09.05.2013 14:39:56

3. PRC2 - частный критерий: условная вероятность і-го признака... Корреляция уел. отн. частот со... 100.000 37.241 68.621 09.05.2013 14:39:56

3. PRC2 - частный критерий: условная вероятность і-го признака... Сумма уел.отн частот по приз... 100.000 5.517 52.759 09.05.2013 14:39:56

4. INF1 ■ частный критерий количество знаний по АХаркевичу; в... Семантический резонанс зна.. 100.000 57.471 78.736 09.05.2013 14:39:57

4. INF1 - частный критерий количество знаний по А Харкевичу; в... Сумма знаний 100.000 7.586 53.793 09.G5.2013 14:39:57

5. INF2 ■ частный критерий количество знаний по АХаркевичу; в... Семантический резонанс зна.. 100.000 56.£97 78.448 09.05.2013 14:39:58

5. INF2 - частный критерий количество знаний по А Харкевичу; в... Сумма знаний 100.000 5.517 52.759 09.05.2013 14:39:58

6. INF3 ■ частный критерий Хи-квадрат, разности между Фактич.. Семантический резонанс зна.. 100.000 58.£51 79.425 09.05.2013 14:40:09

6. INF3 - частный критерий Хи-квадрат, разности между Фактич.. Сумма знаний 100.000 58.£51 79.425 09.05.2013 14:40:09

7. INF4 - частный критерий R0I (Return On Investment); вероятно. Семантический резонанс зна.. 100.000 68.046 84.023 09.05.2013 14:40:10

7. INF4 - частный критерий ROI (Return On Investment); вероятно.. Сумма знаний 100.000 6.552 53.276 09.05.2013 14:40:10

8. INF5 - частный критерий ROI (Return On Investment); вероятно.. Семантический резонанс зна.. 100.000 67.011 83.506 09.05.2013 о о

8. INF5 - частный критерий ROI (Return On Investment); вероятно.. Сумма знаний 100.000 5.517 52.759 09.05.2013 14:40:11

9. INF6 - частный критерий разн.усл.и безус а вероятностей; вер... Семантический резонанс зна.. 100.000 51.609 75.805 09.05.2013 14:40:18

9. INF6 - частный критерий разн.усл.и безусл вероятностей; вер... Сумма знаний 100.000 8.391 54.195 09.05.2013 14:40:18

10.INF7 - частный критерий: разнусл.и безусл.вероятностей; ве.. Семантический резонанс зна.. 100.000 50.575 75.287 09.05.2013 14:40:19

10.INF7 - частный критерий: разнусл.и безусл.вероятностей; ве.. Сумма знаний 100.000 5.517 52.759 09.05.2013 14:40:19 -

« ►

Помощь |

Рисунок 11. Данные о достоверности статистических моделей и моделей знаний системы Эйдос-Х++ в созданном интеллектуальном приложении

В таблице, приведенной на рисунке 11, показана вероятность6 верной идентификации (правильного отнесения к классу) и вероятность верной неидентификации (правильного неотнесения к классу), а также средняя вероятность верного результата. Это требует некоторого пояснения.

Рассмотрим, на примере с шестигранным игральным кубиком, различные виды прогнозов: положительный и отрицательный псевдопрогнозы, а также идеальный и реальный прогнозы (терминология авторов).

Положительный псевдопрогноз.

Предположим, модель дает такой прогноз: выпадет 1, 2, 3, 4, 5 или 6. В этом случае у нее будет 100% достоверность идентификации, т.е. не будет ни одного объекта, не отнесенного к тому классу, к которому он действительно относится, но при этом будет очень большая ошибка ложной идентификации,

6 Здесь вероятность измеряется нетрадиционно в процентах просто из соображений экономии разрядов в таблице. Кроме того фактически приводятся не вероятности, а относительные частости, которые стремятся к вероятностям как пределам при неограниченном увеличении числа испытаний.

т.к. огромное количество объектов будет отнесено к классам, к которым они не относятся (и именно за счет этого у модели и будет очень высокая достоверность идентификации). Ясно, что такой прогноз бесполезен, поэтому он и назван мной псевдопрогнозом.

Отрицательный псевдопрогноз.

Представим себе, что мы выбрасываем кубик с 6 гранями, и модель предсказывает, что не выпадет: 1, 2, 3, 4, 5 и 6, а что-то из этого естественно выпало. Конечно, модель дает ошибку в прогнозе в том плане, что не предсказала, что выпадет, зато она очень хорошо угадала, что не выпадет. Но ясно, что выпадет что-то одно, а не все, что предсказано, поэтому такого рода предсказания хорошо оправдываются в том, что не произошло и плохо в том, что произошло, т.е. в этом случае у модели будет 100% достоверность не идентификации, но очень низкая достоверность идентификации.

Идеальный прогноз.

Если в случае с кубиком мы прогнозируем, что выпадет, например 1, и соответственно прогнозируем, что не выпадет 2, 3, 4, 5, и 6, то это идеальный прогноз, имеющий. если он осуществляется, 100% достоверность идентификации и не идентификации. Идеальный прогноз, который полностью снимает неопределенность о будущем состоянии объекта прогнозирования, на практике удается получить крайне редко и обычно мы имеем дело с реальным прогнозом.

Реальный прогноз.

На практике мы чаще всего сталкиваемся именно с этим видом прогноза. Реальный прогноз уменьшает неопределенность о будущем состоянии объекта прогнозирования, но не полностью, как идеальный прогноз, а оставляет некоторую неопределенность не снятой. Например, для игрального кубика делается такой прогноз: выпадет 1 или 2, и, соответственно, не выпадет 3, 4, 5 или 6. Понятно, что полностью на практике такой прогноз не может осуществиться, т.к. варианты выпадения кубика альтернативны, т.е. не может выпасть одновременно и 1, и 2. Поэтому реального прогноза всегда будет определенная ошибка идентификации. Соответственно, если не осуществится один или несколько из прогнозируемых вариантов, то возникнет и ошибка не идентификации, т.к. это не прогнозировалось моделью.

Теперь представите себе, что у Вас не 1 кубик и прогноз его поведения, а

тысячи. Тогда можно посчитать средневзвешенные характеристики всех этих видов прогнозов.

Таким образом, если просуммировать проценты верной идентификации и не идентификации и вычесть проценты ложной идентификации и ложной неидентифкации, то это и будет критерий качества модели, учитывающий как ее способность верно относить объекты к классам, которым они относятся, так и ее способность верно не относить объекты к тем классам, к которым они не относятся. Это и есть «золотая середина». Надо искать модель, наилучшую по этому критерию, а не такую, которая дает наивысшую достоверность идентификации саму по себе, т.к. в этом случае мы от модели отрицательного псевдопрогноза кинемся в другую крайность и придем к модели положительного псевдопрогноза. Этот критерий просчитывается в системе Эйдос в ряде выходных форм анализа результатов верификации модели (4.1.3.6 и т.д.).

Статистические и интеллектуальные модели, формируемые и используемые системой Эйдос-Х++, отличаются частными критериями знаний (таблица 7).

Таблица 7 - РАЗЛИЧНЫЕ АНАЛИТИЧЕСКИЕ ФОРМЫ ЧАСТНЫХ

Наименование модели знаний и частный критерий Выражение для частного критерия

через относительные частоты через абсолютные частоты

ЕЧР1, частный критерий: количество знаний по АХаркевичу, 1 -й вариант расчета вероятностей: ТУ/ - суммарное количество признаков поу-му классу. Вероятность того, что если у объекта j-го класса обнаружен признак, то это ьй признак /(,=Ч'х£0*2^ т _ \тУ

4 ж.м. * 3

ЕЧР2, частный критерий: количество знаний по АХаркевичу, 2-й вариант расчета вероятностей: -/V/ - суммарное количество объектов поу'-му классу. Вероятность того, что если предъявлен объект j-го класса, то у него будет обнаружен 1-й признак. /..=Ч'х1,оя25- т _ \тУ

-I;,- I Х.ЬС'Х, 4 ж.м. * 3

ЕЧРЗ, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами —

INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета вероятностей: Nj — суммарное количество признаков по /-му классу I Р’> 1 Рч~Р< " Р, Р, NUN h, = 1 NjN,.

INF5, частный критерий: ROI - Return On Investment, 2-й вариант расчета вероятностей: Nj — суммарное количество объектов по /-му классу ! _ P'j ^Рч-Р, ' Р, Р, NUN hi = — 1 N1N1

INF6, частный критерий: разность условной и безусловной вероятностей, 1 -й вариант расчета вероятностей: Nj - суммарное количество признаков по /-му классу 1 и II 1

INF7, частный критерий: разность условной и безусловной вероятностей, 2-й вариант расчета вероятностей: Nj - суммарное количество объектов по /-му классу 1 и II 1

Интеллектуальные модели, некоторые из которых приведены в таблицах 4-6, отличающиеся частными критериями знаний (таблица 7) в непосредственной оекларатиеной форме содержат знания о принадлежности и непринадлежности распознаваемого объекта, обладающего некоторым признаком, к каждому из классов, т.е. содержат информацию о сипе и направлении влияния каждого признака на принадлежность объекта с этим признаком к каждому из классов. Но они не содержат в декларативной форме информации о принадлежности к классам объектов, обладающих не одним, а совокупностью признаков. Если объект обладает не одним, а совокупностью признаков, то задача определения степени его принадлежности к каждому из классов решается с использованием интегральных критериев и требует выполнения определенных процедур, которые называются процедуры распознавания, идентификации или прогнозирования. Эти процедуры реализуются системой Эйдос-Х++ и кроме интеллектуальных моделей предполагают наличие описаний того, какими признаками обладают распознаваемые объекты, т.е. распознаваемой выборки.

Таким образом, для идентификации статистические и интеллектуальные модели, некоторые из которых приведены в таблицах 4-6, используются не сами по себе, а с помощью интегральных критериев, которых в системе Эйдос-Х++ в настоящее время используется два.

Интегральный критерий «Семантический резонанс знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3:

/,=(/,, А).

В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:

М

А.

7=1

где: М - количество градаций описательных шкал (признаков);

4 ^ - вектор состояния j-го класса;

Ц - {Ц} _ вект0р состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:

1, если / - и фактор действует,

L. =<п, где: п > 0, если / - й фактор действу етс истинностью «;

0, если / - й фактор не действует

В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или п, если он присутствует у объекта с интенсивностью п, т.е. представлен п раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» -один раз).

Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3 и имеет вид:

сгpi А 1=1

где:

М - количество градаций описательных шкал (признаков);

- средняя информативность по вектору класса;

- среднее по вектору объекта;

J - среднеквадратичное отклонение частных критериев знании вектора

класса;

1 - среднеквадратичное отклонение по вектору распознаваемого

объекта.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

4 ^ - вектор состояния ]-го класса;

Ц - (Ц} _ вект0р состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:

1, если і - й фактор действует,

Ьі =<п, где\ п> 0, если і - й фактор действуете истинностно п,

0, если і - й факторне действует

В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или п, если он присутствует у объекта с интенсивностью п, т.е. представлен п раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» -один раз).

Приведенное выражение для интегрального критерия «Семантический резонанс знаний» получается непосредственно из выражения для критерия «Сумма знаний» после замены координат перемножаемых векторов их стандартизированными значениями:

1,^.

СУ, Ст/

Свое наименование интегральный критерий сходства «Семантический резонанс знаний» получил потому, что по своей математической форме является корреляцией двух векторов: состояния ]-го класса и состояния распознаваемого объекта.

Шаг 2-м. Модель, показавшая наивысшую достоверность (см. рисунок 11) принимается текущей, для чего применяется режим 5.6 (рисунки 12 и 13):

5.6. Выбрать модель и сделать ее текущей [ а | ІНІ

- Задайте текущую стат.модель или модель знаний Статистические базы:

С 1. ABS - частный критерий: количество встреч сочетаний: “класс-признак" у объектов обуч выборки С 2. PRC1 - частный критерий: уел. вероятность i-ro признака среди признаков объектов j-ro класса С 3. PRC2 • частный критерий: условная вероятность i-ro признака у объектов j-ro класса Базы знаний:

С 4. INF1 - частный критерий: количество знаний по А-Харкевичу; вероятности из PRC1 С 5. INF2 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC2 С S. INF3 - частный критерий Хи-квадрагг, разности между Фактическими и ожидаемыми абс.частотами (• |7 INF4 - частный критерий: ROI (Return On Investment); вероятности из PRC1 С 8. INF5 - частный критерий: ROI (Return On Investment); вероятности из PRC2 С 9. INF6 - частный критерий: разн. уел и безусдвероятностей; вероятности из PRC1 С 10.INF7 ■ частный критерий: разн.усди безусл.вероятностей, вероятности из PRC2

-Как задавать параметры синтеза моделей

В качестве текущей можно задать любую из ранее расчитанных в режимах 3.1, 3.2,3.3 или 3.4 стат. моделей и моделей знаний, но до исследования достоверности моделей в режиме 3.5 рекомендуется выбрать в качестве текущей базу знаний INF1. Смысл моделей знаний, применяемых в системе 'Эйцос-Х++“ раскрыт в публикациях, размещенных по адресам: http://lc.kubagro.ru/aidos/index.htm, http://www.twirpx.com/file/793311/

Ok Cancel

Рисунок 12. Окно режима 5.6 задания в качестве текущей модели, показавшей наивысшую достоверность

€> 5.6. в ыбрать модель и сделать ее текущей

I у Ш

Стадии исполнения процесса

ОПЕРАЦИЯ: ПРИСВОЕНИЕ МОДЕЛИ "INF4“ СТАТУСАТЕКУЩЕЙ МОДЕЛИ:

Копирование модели "INF4“ в INF.DBF-Дорасчет - Готово Перенос информации из INF в базы классов: Classes и Gr_CISc-Готово Перенос информации из INF в базы признаков: Attributes и Gr_OpSc- Готово Расчет значимости классификационных шкал - Сброс сумматоров - Готово Расчет значимости классификационных шкал - Накопление данных - Готово Расчет значимости классификационных шкал - Дорасчет - Г отово Запись информации о текущей модели - Г отово

Выбор модели знаний "1МГ4" в качестве текущей прошел успешно!!!

—Прогноз времени исполнения

Начало: 15:15:26

Окончание: 15:15:30

100%

Ok

Прошло: 0:00:04

Осталось: 0:00:00

Рисунок 13. Окно отображения стадии исполнения режима 5.6, задания в качестве текущей модели, показавшей наивысшую достоверность

Шаг 3-й. Контрольное распознавание в наиболее достоверной модели проводится в режиме 4.1.2 (рисунок 14):

ф 4.1.2. Пакетное распознавание. Текущая модель: "INF4"

Стадии исполнения процесса

ОПЕРАЦИЯ: ПАКЕТНОЕ РАСПОЗНАВАНИЕ В ТЕКУЩЕЙ МОДЕЛИ "INF41*:

1/11: Распознавание (идентификация) 30-го объекта обучающей выборки из 30 - Готово 2/11: Исследование распределений уровней сходства верно и ошиб.идент.объектов - Готово 3/11: Создание сжатых полных форм результатов распознавания по 2-м интегр.крит. - Г отово 4/11: Создание подробной наглядной формы: “Объект-классы". Инт.крит-корреляция - Г отово 5/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-сумма инф. - Г отово 6/11: Создание итоговой наглядной формы: "Объект-класс”. Инт.крит.-корреляция - Готово 7/11: Создание итоговой наглядной формы: "Объект-класс". Инт.крит.-сумма инф. - Г отово 8/11: Создание подробной наглядной формы: “Класс-объекты'1. Инт.крит .-корреляция - Г отово 9/11: Создание подробной наглядной формы: “Класс-объекты”. Инт.крит.-сумма инф. - Готово 10/11: Создание итоговой наглядной формы: “Класс-объекты". Инт.крит -корреляция - Готово 11/11: Создание итоговой наглядной формы: "Класс-объекты". Инт.крит.-сумма инф. - Г отово

ПАКЕТНОЕ РАСПОЗНАВАНИЕ ОБЪЕКТОВ РАСПОЗНАВАЕМОЙ ВЫБОРКИ ЗАВЕРШЕНО УСПЕШНО !

Прогноз времени исполнения

Начало: 15:16 04 Окончание: 15:17:35

100%

Ірошло: 0:01:31 Осталось: 0:00:00

Рисунок 14. Окно отображения стадии исполнения режима 5.6, задания в качестве текущей модели, показавшей наивысшую достоверность

Результаты контрольного распознавания отображаются в режиме 4.1.3.1 (рисунок 15-18), а также в других режимах:

о 4.1,3.1. Визуализация результатов распознавания в отношении: "Объект-классы . Текущая модель: "INF4"

■ вВа і

“1

Распознаваемые объекты Интегральный критерий сходства: "Семантический резонанс знаний"

Кто Наименование класса Сходство I*- Сходство

Панлей-копения [вирусный... ! І - ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Панлей-копения (вирусныйзнтер... 52,34... V ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

2 Пищевое отравление/гастр... 27 ЗАБ0ЛЕВАНИЕ (ДИАГН03)-Тепловой удар 43,33... IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII

3 Волосяные пробки (безоар... 22 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Пишевое отравление/гастро-энте... 34,62... llllllllllllllllllllllllllll

4 Колит 8 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление рта (стоматит) •30,58... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

5 Бешенство 26 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Сердечная недостаточность -31,46... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

6 Респираторная вирусная ин... 4 ЗАБ 0 Л Е ВАН ИЕ (ДИАГН0 3)-Б лохи; клещи; грибок •31,71... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ!

7 Г ерпес/ ринотрахеит 12 ЗАБ 0 Л Е ВАН ИЕ (ДИАГН0 3)-Герпес/ ринотрахеит •34,18... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

8 Инфекционая анемия (мало... 11 ЗАБ 0 Л Е ВАН ИЕ (ДИАГН0 3)-Гематома (кровоизлияние) •36,95... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

9 Вирусная лейкемия (белокр... 1 ЗАБ 0 Л Е ВАН ИЕ (ДИАГН0 3)-Абсцесс (гнойник, нарыв) •38,60... llllllllllllllllllllllllllllllllllllll -

10 Инфекционный перитонит (... <\ I ► Г

.

11 Урологический синдром /м... Интегральный критерий сходства: "Сумма знаний

12 Почечная недостаточность ... Код Наименование класса Сходство |ф... I Сходство

13 Сердечная недостаточность... І ; ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Колит 38,33... lllllllllllllllllilllilllllllllllillll

14 Тепловой удар 27 ЗАБ 0 Л Е ВАН ИЕ (ДИАГН0 3)-Т епловой удар 37,24... lllllllllllllllllllllllllllllllllini

15 Рак 21 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Панлей-копения (вирусныйэнтер... 29,72... * lllllllllllllllllllllllllllll

16 Неправильное питание 23 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Почечная недостаточность 28,74... llllllllllllllllllllllllllll

17 Круглые глисты (аскариды)... 30 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Урологический синдром /мочека... 28,48... llllllllllllllllllllllllllll

18 Ленточные глисты 3 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Бешенство 27,14... lllllllllllllllllllllllllll

19 Токсоплазмоз 22 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Пищевое отравление/гастро-энте... 21,68... lllllllllllllllllllll

20 Воспаление рта (стоматит) ... 14 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Инфекционая анемия (малокрови... 20,58... llllllllllllllllllll

21 Воспаление слизистой обол... , 25 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Респираторная вирусная инфекци... 19,93... lllllllllllllllllll -

і 3 I ► Г

-

Рисунок 15. Окно результатов идентификации 1-го диагноза с остальными

£) 4.1,3.1. Визуализация результатов распознавания в отношении; "Объект-классы". Текущая модель: "1ЫР4" [ = I на |-®Н

Распознаваемые объекты Интегральный критерий сходства: "Семантический резонанс знаний"

Код Наим, объекта * Наименование класса Сходство |Ф... | Сходство ^.

1 Панлей-копения (вирусный... 22 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Пищевое отравление/гастро-энге... 79,10... V

2 Пищевое отравление/гастр... 6 ЗАБ 0 Л Е ВАН ИЕ (ДИАГН0 3)-В олосяные пробки (безоары) 71,89...

3 Волосяные пробки (безоар... 10 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Воспаление уха (отит) •24,41... ІІІІІІІІІІІІІІІІІІІІІІІІ

4 Колит 9 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Воспаление слизистой оболочки г... •24,58... ІІІІІІІІІІІІІІІІІІІІІІІІ

5 Бешенство 26 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Сердечная недостаточность •25,09... ІІІІІІІІІІІІІІІІІІІІІІІІІ

Є Респираторная вирусная ин... 11 ЗАБ 0 Л Е ВАН ИЕ (ДИАГН0 3)-Гематома (кровоизлияние) •27,41... ІІІІІІІІІІІІІІІІІІІІІІІІ

7 Г ерпес/ ринотрахеит 4 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-Б лохи; клещи; грибок •31,78... ІІІІІІІІІІІІІІІІІІІІІІІІІ

8 Инфекционая анемия (мало... 1 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-Абсцесс (гнойник, нарыв) •32,21... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

Э Вирусная лейкемия (белокр... і—I 24 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Рак •38,51... III ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

10 Инфекционный перитонит (... і

11 Урологический синдром /м... Интегральный критерий сходства: "Сумма знаний"

12 Почечная недостаточность ... Код Наименование класса Сходство |Ф... |Сходство

13 Сердечная недостаточность... 22 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Пищевое отравление/гастро-энге... 26,86... V ІІІІІІІІІІІІІІІІІІІІІІІІІІ

14 Т епловой удар 6 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-В олосяные пробки (безоары) 22,43... ІІІІІІІІІІІІІІІІІІІІІІ

15 Рак 30 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Урологический синдром /мочека... 18,48... ІІІІІІІІІІІІІІІІІІ

16 Неправильное питание 27 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-Т епловой удар 18,43... ІІІІІІІІІІІІІІІІІІ

17 Круглые глисты (аскариды)... 8 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Воспаление рта (стоматит) 16,96... ІІІІІІІІІІІІІІІІ

18 Ленточные глисты 14 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-ИнФекционая анемия (малокрови... 15,99... ІІІІІІІІІІІІІІІ

19 Токсоплазмоз 23 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Почечная недостаточность 14,82... ІІІІІІІІІІІІІІ

20 Воспаление рта (стоматит) ... 2 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Бвременность 13,53... ІІІІІІІІІІІІІ

21 Воспаление слизистой обол... - 7 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-В оспа ление роговой оболочки гла... 13,27... ІІІІІІІІІІІІІ -

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Ы Г <\ ГІ г

И . III

Iі ї '\

Рисунок 16. Окно результатов идентификации 2-го диагноза с остальными

(*) 4.1,3.1. Визуализация результатов распознавания в отношении; ''Объект-классы'. Текущая модель: "1^4"^ І = І Е ||»££шГ

Распознаваемые объекты Интегральный критерий сходства: "Семантический резонанс знаний"

Ї Код Наименование класса Сходство |Ф... | Сходство

і Панлей-копения (вирусный... г I ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-В олосяные пробки (безоары) 84,54... V I II ІІІІІІІІ ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

2 Пищевое отравление/гастр... 22 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Пищевое отравление/гастро-энте... 47,55... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ ІІІІ

3 Волосяные пробки (безоар... 14 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Инфекционая анемия (малокрови... 25,83... ІІІІІІІІІІІІІІІІІІІІІІІІІ

4 Колит 16 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Колит -22,25... ІІІІІІІІІІІІІІІІІІІІІІ

5 Бешенство 26 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Сердечная недостаточность •22,25... ІІІІІІІІІІІІІІІІІІІІІІ

6 Респираторная вирусная ин... 4 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-Б лохи; клещи; грибок -23,65... ІІІІІІІІІІІІІІІІ!

7 Г ерпес/ ринотрахеит 13 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-Гинекологические проблемы •24,90... ІІІІІІІІІІІІІІІІІІІІІІІІ

8 Инфекционая анемия (мало... 1 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-Абсцесс (гнойник, нарыв) •25,05... ІІІІІІІІІІІІІІІІІІІІІІІІІ

9 Вирусная лейкемия (белокр... 24 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Рак -38,36... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ -

10 Инфекционный перитонит [... Ы

11 Урологический синдром /м... Интегральный критерий сходства: "Сумма знаний"

12 Почечная недостаточность ... Код Наименование класса Сходство |ф... Сходство

13 Сердечная недостаточность... і = ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-В олосяные пробки (безоары) 23,82... V ІІІІІІІІІІІІІІІІ!

14 Т епловой удар 22 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Пишевое отрав ление/гастро-энте... 19,28... ІІІІІІІІІІІІІІІІ

15 Рак 8 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Воспаление рта (стоматит) 16,96... ІІІІІІІІІІІІІІІІ

16 Неправильное питание 14 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Инфекционая анемия (малокрови... 15,99... ІІІІІІІІІІІІІІІ

17 Круглые глисты (аскариды)... 18 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Ленточные глисты 15,48... ІІІІІІІІІІІІІІІ

18 Ленточные глисты 7 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-В оспа ление роговой оболочки гла... 13,27... ІІІІІІІІІІІІІ

19 Токсоплазмоз 29 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Токсоплазмоз 13,27... ІІІІІІІІІІІІІ

20 Воспаление рта (стоматит) ... 3 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Бешенство 12,89... ПІННІШІ

21 Воспаление слизистой обол... , 2 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Бвременность 12,19... ІІІІІІІІІІІІ -

<\ ► * Г~ ►

—1

Рисунок 17. Окно результатов идентификации 3-го диагноза с остальными

£) 4.1,3.1. Визуализация результатов распознавания в отношении; ' Объект-юлассьГ. Текущая модель: "1МР4'^ I = і о I—

Распознаваемые объекты Интегральный критерий сходства: "Семантический резонанс знаний"

Код Наим, объекта - Код Наименование класса Сходство |Ф... | Сходство ^*1

1 Панлей-копения (вирусный... ■ ЗАБОЛЕВАНИЕ (ДИАГНО3)-Колит 74,48... V ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

2 Пищевое отравление/гастр... 9 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Воспаление слизистой оболочки г. 36,09... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

3 Волосяные пробки (безоар... 17 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Круглые глисты (аскариды) 35,30... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

4 Колит 7 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-В оспа ление роговой оболочки гла... 28,79... ІІІІІІІІІІІІІІІІІІІІІІІІІ

5 Бешенство 28 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Течка 27,39... ІІІІІІІІІІІІІІІІІІІІІІІІ

Є Респираторная вирусная ин... 25 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Респираторная вирусная инфекци... •24,45... ІІІІІІІІІІІІІІІІІІІІІІІІ

7 Г ерпес/ ринотрахеит 26 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Сердечная недостаточность •24,54... ІІІІІІІІІІІІІІІІІІІІІІІІ

8 Инфекционая анемия (мало... 14 ЗАБОЛЕВАНИЕ (ДИАГНО3)-ИнФекционая анемия (малокрови... •25,15... ІІІІІІІІІІІІІІІІІІІ

Э Вирусная лейкемия (белокр... 5 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-Вирусная лейкемия (белокровие]... •29,34... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ '.Г

10 Инфекционный перитонит (... — і г

11 Урологический синдром /м... Интегральный критерий сходства: "Сумма знаний"

12 Почечная недостаточность ... Коя Наименование класса Сходство |Ф... |Сходство

13 Сердечная недостаточность... І = ЗАБОЛЕВАНИЕ (ДИАГНО3)-Колит 100,00... V

14 Т епловой удар 28 ЗАБОЛЕВАНИЕ [ДИАГНО3]-Течка 21,24... ІІІІІІІІІІІІІІІІІІ

15 Рак 17 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Круглые глисты (аскариды) 20,29... ІІІІІІІІІІІІІІІІІІІІ

16 Неправильное питание 9 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Воспаление слизистой оболочки г... 18,33... ІІІІІІІІІІІІІІІІІІ

17 Круглые глисты (аскариды)... 7 ЗАБОЛЕВАНИЕ (ДИАГНО 3)-В оспа ление роговой оболочки гла... 15,70... ІІІІІІІІІІІІІІІ

18 Ленточные глисты 1 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-Абсцесс (гнойник, нарыв) 12,84... ІІІІІІІІІІІІ

19 Токсоплазмоз 10 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Воспаление уха (отит) 11,38... ІІІІІІІІІІІ

20 Воспаление рта (стоматит) ... 6 ЗАБОЛЕВАНИЕ (ДИАГНО3)-Воспаление рта (стоматит) 9,861... ІІІІІІІІІ

21 Воспаление слизистой обол... - 4 ЗАБ 0 Л Е ВАН ИЕ (ДИАГНО 3)-Б лохи; клещи; грибок 9,829... ІІІІІІІІІ -

Ы Г <\ ГІ г

И . І

Iі ї '\

Рисунок 18. Окно результатов идентификации 4-го диагноза с остальными

Красным цветом показаны ситуации, наступление которых прогнозируется, синим цветом - наступление которых не прогнозируется, при этом оценка достоверности прогноза дается величиной столбика гистограммы. «Птичками» отмечены верные прогнозы.

Из рисунка 11 и рисунков 15-18 видно, что все диагнозы однозначно идентифицируются своими описаниями, но с разной степенью обусловленности.

На пятом этапе решаются задачи диагностики, т.е. постановки диагноза по конкретной симптоматике, а также задача выработки рекомендаций.

Шаг 1-й. Подготовка и ввод данных для диагностики.

Есть два варианта подготовки и ввода в систему исходных данных для тестирования:

1. Ввод в Ехсе1-файл с абсолютно такой же структурой, как представленный в таблице 1, но с именем Inp_rasp.xls и информацией не о заболеваниях, а о тестируемых. В этом случае для ввода данных в систему

используется тот же самый программный интерфейс, что и для ввода обучающей выборки: режима 2.3.2.2, со всеми теми же самыми опциями, кроме одной: надо задать: «Генерация распознаваемой выборки (на основе 1пр_газр)».

2. Ввод данных непосредственно в систему в режиме 4.1.1 (рисунок 19).

Рисунок 19. Экранная форма ручного ввода-корректировки распознаваемой выборки (вид режима администратора)

Шаг 2-й. Постановка диагноза.

По окончании ввода распознаваемой выборки в режиме 4.1.2 системы Эйдос-Х++ проводится само тестирование (распознавание, идентификация) респондентов. На рисунке 20 приведена экранная форма отображения стадии процесса тестирования после его окончания:

£) 4.1.2. Пакетное распознавание. Текущая модель: 1NF4" 1 Q I ^

Стадии исполнения процесса

ОПЕРАЦИЯ: ПАКЕТНОЕ РАСПОЗНАВАНИЕ 8 ТЕКУЩЕЙ МОДЕЛИ "INRP:

1/11: Распознавание (идентификация) 3-го объекта обучающей выборки из 3 - Готово 2/11: Исследование распределений уровней сходства верно и ошиб.идент.объектов - Готово 3/11: Создание сжатых полных форм результатов распознавания по 2-м интегр.крит. - Готово 4/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-корреляция-Готово 5/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-суммаинф. - Готово 6/11: Создание итоговой наглядной формы: "Объект-класс*. Инт.крит.-корреляция -Готово 7/11: Создание итоговой наглядной формы: “Объект-класс". Инт.крит.-суммаинф. - Готово 8/11: Создание подробной наглядной формы: "Класс-объекты". Инт.крит.-корреляция - Г отово 9/11: Создание подробной наглядной формы: "Класс-объекты”. Инт.крит.-сумма инф. - Готоео 10/11: Создание итоговой наглядной формы: "Класообъекты". Инт.крит.-корреляция - Г отово 11/11: Создание итоговой наглядной формы: "Класмзбъекты". Инт.крит.-суммаинф. - Готово

ПАКЕТНОЕ РАСПОЗНАВАНИЕ ОБЪЕКТОВ РАСПОЗНАВАЕМОЙ ВЫБОРКИ ЗАВЕРШЕНО УСПЕШНО !

Прогноз времени исполнения

Начало: 15:21:41 Окончание 15:21:53

100%

Прошло: 0:00:12 Осталось: 0:00:00

Рисунок 20. Экранная форма ручного ввода-корректировки распознаваемой выборки

Шаг 3-й. Отображение результатов диагностики и выработка рекомендаций по лечению.

Как видно из рисунка 20 в результате тестирования создается большое количество различных выходных форм, всесторонне с различной степенью детализации отражающих его результаты и позволяющих провести глубокий анализ этих результатов. В данной статье мы не ставим перед собой это задачи и ограничимся двумя формами:

- отображающей сходство клинической картины конкретного пациента с обобщенными нозологическими образами (рисунок 21);

- отображающей сходство клинической картины различных пациентов с заданным нозологическим образом (рисунок 22).

ф 4.1.3.1. Визуализация результатов распознавания в отношении; "Объект-классы . Текущая модель: "1МР4"

Распознаваемые объекты

Мурка

2 Барснк

3 Пушок

<

Интегральный критерий сходства: "Семантический резонанс знаний"

ЗАБОЛЕВАНИЕ (ДИАГН03)-Воспаление рта (стоматит) 85,69...

12 ЗАБ □ Л ЕВАН И Е [ Д И АГН 03)-Герпес/ ринстрахеит 72.15... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

25 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Респираторная вирусная инФекци... 68,95... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІШ

7 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление роговой оболочки гла... 58,56... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІШ

23 ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-П очечная недостаточность 56.94... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІШ

13 ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-Гинекологические проблемы 54,80... іііііііііііііііііііііііііііш

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

2В ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Течка 49.46... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

27 ЗАБ 0 Л ЕВАН И Е (ДИАГН 031-Тел ловой «дар -50,93... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

5 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Вирусная лейкемия (белокровие)... -53,97... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ1

<\ ■ ►

Интегральный критерий сходства: "Сумма знаний"

ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-Воспаление рта (стоматит) 42.68... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

28 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Течка 32.07... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

25 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Респираторная вирусная инФекци... 31,33... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

23 ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-П очечная недостаточность 28.68... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

7 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление роговой оболочки г ла... 25,49... ІІІІІІІІІІІІІІІІІІІІІІІІІ

12 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Герпес/ ринотрахеит 25,39... ІІІІІІІІІІІІІІІІІІІІІІІІІ

30 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Урологический синдром /мочека... 23,78... ІІІІІІІІІІІІІІІІІІІІІІІ

э ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление слизистой оболочки г... 18,01... ІІІІІІІІІІІІІІІІІІ

13 ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-Гинекологические проблемы 15,97... ІІІІІІІІІІІІІІІ

класс, шкале

і | В |^а—|'

ф 4.1.3.1. Визуализация результатов распознавания в отношении; "Объект-классы . Текущая модель: "1МР4"

Распознаваемые объекты

■ы

11 Мурка

НИ Барсик

3 Пушок

ж

-І I

Интегральный критерий сходства; "Семантический резонанс знаний"

21 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Колиг ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Панлей-копения (вирусный энгер... 80.31... Є4.52...

17 ЗАБ0ЛЕВАНИЕ(ДИАГН 03)-Круг лые глисты (аскариды) 46.47... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

5 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Вирусная лейкемия (белокровие)... 41,34... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

24 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Рак 34,71... ІІІІІІІІІІІІІІІІІІІІІІІІІ

30 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Урологический синдром /мочека... 41,41... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

19 ЗАБОЛЕВАНИЕ(ДИАГНОЗ)-Н еправильное питание -41,48... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

2 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Беременность -46.08... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

26 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Сердечная недостаточность -48.22... -

Интегральный критерий сходства: "Сумма знаний"

ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Колит 100,00...

11 ЗАБОЛЕВАНИЕ(ДИАГНОЗ)-Г ематома (кровоизлияние) 35,35... ІІІІІІІІІІІІІІІІІІІІІІІІІІ

17 ЗАБОЛЕВАНИЕ(ДИАГН 03)-Круг лые глисты (аскариды) 25,13... ІІІІІІІІІІІІІІІІІІІІІІІІІ

21 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Панлей-копения (вирусный энтер... 19.01... ІІІІІІІІІІІІІІІІ

10 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление уха (отит) 16.53... ІІІІІІІІІІІІІІІ

25 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Респираторная вирусная инфекци... 15,36... ІІІІІІІІІІІІІІІ

1 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Абсцесс (гнойник, нарыв) 14.43... ІІІІІІІІІІІІІІ

23 ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-П очечная недостаточность 13.34... ІІІІІІІІІІІІІ

4 ЗАБ 0 Л ЕВАН И Е (ДИАГН 03)-Б лохи; клещи; грибок 12,70... ІІІІІІІІІІІІ т

Э классов I Классы с МахМіп УрСх 9 классов с МахМіп УрСх ВСЕ классы ВКЛ. фильтр п

класс.шкале I

ю класс, шкале

Распознаваемые объекты

■и

1 Мурка

2 Барсик

Пушок

Интегральный критерий сходства: "Семантический резонанс знаний"

ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-Волосяные пробки (безоары) 100,00...

23 ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-П очечная недостаточность 72,75... ІІІ1ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

22 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Пищевое отрав ление/гастро-знте... 64,70... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

17 ЗАБОЛЕВАНИЕЩИАГН 03)-Круг лые глисты (аскариды) 53,19... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

18 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Ленточные глисты -37.76... ІІІІІІІІІІІІІІІІІІІІІІІІІ

1 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Абсцесс (гнойник, нарыв) -40.69... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

2 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Беременность -40.74... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

10 ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-Воспаление уха (отит) ■43.33... ІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІІ

4 ЗАБ 0 Л ЕВАН И Е (ДИАГН 03)-Б лохи; клещи; грибок •44,84...

< т ►

Интегральный критерий сходства: "Сумма знаний"

ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Колиг 60.45... ІІІІІІІІІІ1ІІІІІІІІІІІ1ІІІІІІІ1ІІІІІІ1ІІІІІІІ

23 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Почечная недостаточность 33,23... ІІІІІІІІІІІІІІІІІІІІІІІІ

17 ЗАБОЛЕВАНИЕЩИАГН 03)-Круг лые глисты (аскариды) 27.23... ІІІІІІІІІІІІІІІІІІ

30 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Урологический синдром /мочека... 23,78... ІІІІІІІІІІІІІІІІІІІІІІІ

Є ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-Волосяные пробки (безоары) 18,46... ІІІІІІІІІІІІІІІІІІ

22 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Пищевое отрав ление/гастро-энте... 16,16... ІІІІІІІІІІІІІІІІ

8 ЗАБОЛЕВАНИЕ(ДИАГН 03)-Воспаление рта (стоматит) 15,17... ІІІІІІІІІІІІІІІ

13 ЗАБ 0 Л ЕВАН И Е (Д И АГН 03)-Гинекологические проблемы 12,01... ІІІІІІІІІІІІ

3 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Бешенство 10.46... ІІІІІІІІІІ

Э классов Классы с МахМіп УрСх 9 классов с МахМіп У рСх ВСЕ классы ВКЛ. Фильтр по класс.шкале В ЫКЛ. Фильтр по класс.шкале Граф. диаграмма

Рисунок 21. Экранная форма с результатами диагностики пациентов: «Мурка», «Барсик» и «Пушок» (условная симптоматика)

{£) 4.1,3.2. Визуализация результатов распознавания в отношении; 'Класс-объекты". Текущая модель: "1^4"

______________________________________________________________________*- *__________-_______Л А А _________ЙЁ______ ■* ■*-'________________________ • «

Классы . Интегральный критерий сходства: "Семантический резонанс знаний"

1 Код Наим.класса Код Наименование объекта Сходство Ф... I Сходство

1 ЗАБОЛЕВАНИЕ (ДИАГН 03)-Абоцесс (гной... I Мурка 28,93... 11111111111111111111

ЗАБ 0 Л Е ВАН И Е (ДИ АГН 0 3)-Б временность... 3 Пушок •40,74... 1111111111II111111111111II1111111111

3 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Бешенство ... 2 Барсик •46,08...

4 ЗАБОЛЕВАНИЕ (ДИАГН 03)-Б лохи; клещи;...

5 ЗАБОЛЕВАНИЕ (ДИАГН 03)-Вирусная лейк...

Б ЗАБОЛЕВАНИЕ (ДИАГН 03)-Волосяные пр..

7 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление ро...

8 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление рт...

Э ЗАБОЛЕВАНИЕ (ДИАГН 03)-Воспаление сл... —

10 ЗАБОЛЕВАНИЕ (ДИАГН 03)-Воопаление ух... <1 т Г

11 ЗАБОЛЕВАНИЕ (ДИАГН 03)-Гематома (кро... Интегральный критерий сходства: "Сумма знаний"

12 ЗАБОЛЕВАНИЕ (ДИАГН 03)-Герпес/ ринст... Код Наименование объекта Сходство |ф... | Сходство

13 ЗАБ 0 Л Е ВАН И Е (ДИАГН 0 3)-Гинекологичес... I Мурка 13,74... 1111111111111 —

14 ЗАБОЛЕВАНИЕ (ДИАГН03)-ИнФекцноная... 3 Пушок 0,978...

15 ЗАБ 0 Л Е ВАН И Е (ДИАГН 0 3)-ИнФекционны... 2 Барсик 0,000...

1Б ЗАБОЛЕВАНИЕ (ДИАГН 03)-Колит

17 ЗАБОЛЕВАНИЕ (ДИАГН03)-Круглые глист...

18 ЗАБОЛЕВАНИЕ (ДИАГН03)-Ленгочные гли...

19 ЗАБ 0 Л Е ВАН И Е (ДИАГН 0 3)-Неправильное...

20 ЗАБОЛЕВАНИЕ (ДИАГН03)-0травление ...

21 ЗАБ 0 Л Е ВАН И Е (ДИАГН 0 3)-Панлей-копен... -

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

<1 I ► Г . < 1 1

Помощь

В начало БД

В конец БД

Предыдущая Следующая 9 записей Все записи

Рисунок 22. Экранная форма, отображающая сходство клинической картины различных пациентов с заданным нозологическим образом:

«Беременность»

Данные, приведенные на рисунке 21 необходимы для индивидуальной консультации врача по лечению конкретных пациентов. Однако если пациентов много, то имеет смысл сделать их группировку по предполагаемому диагнозу и провести лечение по группам, т.к. для пациентов каждой групп рекомендации будут сходными.

Шаг 4-й. Выработка рекомендаций по лечению осуществляется врачом на основе своего опыта и профессиональной компетенции в соответствии с медицинскими стандартами.

В этой связи необходимо сделать три взаимосвязанных замечания.

1. Совершенно ясно, что интеллектуальная система, хотя и может создавать такое впечатление, что она принимает решение, но поскольку сама система не является субъектом гражданского и уголовного права, т.е. не является гражданином, то необходимо выражаться аккуратнее и говорить, что система не принимает решения, а лишь поддерживает принятие решений, т.е. облегчает их для человека путем создания более комфортной информационной среды для принятия решений человеком. Понятно, что и юридическая ответственность за

принимаемые решения может распространятся только на человека.

2. Система не принимает решения, а лишь консультирует специалиста. Статус интеллектуальной системы - именно статус консультанта.

3. Но даже для придания системе статуса консультанта необходимо провести специальное юридически оформленное и имеющее соответствующие полномочия исследование того, в какой степени рекомендуемые системой решения лучше тех, которые бы принимались без системы экспертами неформализуемым путем на основе собственной интуиции и профессиональной компетенции. И если система создает преимущества в степени адекватности и других аспектов качества решений, то ей может быть официально придан статус консультирующей, после чего является корректным ее применение для тех целей, для которых она предназначена. Понятно, что ворованные зарубежные разработки, нелокализованные и неадаптированные для России и предназначенные не для тех целей, для которых они фактически применяются в России, применяются совершенно некорректно и это вообще является профанацией всего этого научно-практического направления.

На шестом этапе осуществляется исследование предметной области путем исследования ее моделей. Исследование моделей предметной области можно корректно считать исследованием самой предметной области только в том случае, если модели достаточно достоверны. В нашем случае это так (см. рисунок 11).

На этом этапе может быть (в частности) исследована:

1. Значимость симптомов для диагностики, т.е. ценность их для дифференциации пациентов по диагнозам.

2. Характерность симптомов для тех или иных заболеваний (информационные портреты классов-диагнозов).

3. Диагностический смысл симптомов, т.е. их смысловая характеристика или количество информации в симптомах о заболеваниях (информационные портреты признаков).

Шаг 1-й. Значимость симптомов для диагностики, т.е. ценность их для дифференциации по диагнозам.

Значимость или ценность симптома для диагностики тем выше, чем выше вариабельность количества информации в нем о принадлежности и непринадлежности пациента с этим симптомом к каждому из заболеваний. Вся эта информация представлена в таблице 8 и на рисунке 23.

Таблица 8 — Ценность симптомов для диагностики на основе модели Е\Т4

№ Ко д Наименование симптома Значи- мость Значи- мость нарас- тающим итогом Значи- мость в% Значи- мость в% нарас- тающим итогом

1 4 Кровь в кале-* 5,128 5,128 9,705 9,705

2 31 Хромота-* 4,001 9,128 7,572 17,277

3 12 Выделения из ушей-* 3,289 12,418 6,226 23,503

4 14 Анальные выделения-* 3,274 15,692 6,198 29,701

5 26 Вздутие под кожей-* 2,739 18,431 5,183 34,884

6 7 Ненормальное мочеиспускание-* 2,509 20,940 4,749 39,633

7 15 Генитальные выделения-* 2,468 23,408 4,671 44,304

8 13 Выделения из носа-* 2,321 25,729 4,392 48,697

9 11 Выделения из глаз-* 2,174 27,902 4,114 52,811

10 21 Паралич-* 1,841 29,743 3,484 56,295

11 28 Поражение кожи/слизистых/роговицы- * 1,825 31,568 3,453 59,749

12 27 Раздражение кожи-* 1,759 33,327 3,329 63,078

13 33 Шок-* 1,391 34,718 2,633 65,711

14 22 Внезапная смерть-* 1,306 36,024 2,471 68,183

15 16 Обезвоживание- * 1,102 37,126 2,086 70,268

16 29 Потеря шерсти-* 1,082 38,208 2,048 72,317

17 32 Ненормальное поведение-* 1,039 39,248 1,967 74,284

18 9 Кашель и чихание-* 1,038 40,286 1,965 76,249

19 3 Запор-* 1,026 41,312 1,942 78,191

20 23 Лихорадка(высокая температура)-* 1,005 42,317 1,901 80,092

21 20 Потеря сознания-* 0,986 43,303 1,866 81,958

22 8 Слюнотечение-* 0,963 44,265 1,822 83,781

23 30 Явная боль-* 0,923 45,188 1,746 85,527

24 19 Затрудненное дыхание- * 0,869 46,057 1,644 87,172

25 6 Чрезмерная жажда-* 0,862 46,919 1,631 88,802

26 34 Отсутствие явных симптомов-* 0,847 47,765 1,603 90,405

27 17 Потеря веса-* 0,793 48,558 1,501 91,906

28 18 Бледность десен-* 0,718 49,276 1,358 93,264

29 24 Пониженная температура-* 0,713 49,989 1,349 94,613

30 2 Диарея(понос)-* 0,617 50,605 1,167 95,780

31 10 Выпячивание третьего века-* 0,613 51,219 1,161 96,941

32 25 Вздутие живота-* 0,609 51,828 1,153 98,094

33 1 Рвота-* 0,518 52,346 0,980 99,074

34 5 Отсутствие аппетита-* 0,489 52,835 0,926 100,000

Рисунок 23. Ценность симптомов для диагностики

Шаг 2-й. Характерность симптомов для тех или иных заболеваний (информационные портреты классов-диагнозов).

Информационный портрет класса - это список факторов, ранжированных в порядке убывания силы их влияния на переход объекта управления в состояние, соответствующее данному классу. Информационный портрет класса отражает систему его детерминации. Генерация информационного портрета класса представляет собой решение обратной задачи прогнозирования, т.к. при прогнозировании по системе факторов определяется спектр наиболее вероятных будущих состояний объекта управления, в которые он может перейти под влиянием данной системы факторов, а в информационном портрете мы наоборот, по заданному будущему состоянию объекта управления определяем систему факторов, детерминирующих это состояние, т.е. вызывающих переход

объекта управления в это состояние. В начале информационного портрета класса идут факторы, оказывающие положительное влияние на переход объекта управления в заданное состояние, затем факторы, не оказывающие на это существенного влияния, и далее - факторы, препятствующие переходу объекта управления в это состояние (в порядке возрастания силы препятствования). Информационные портреты классов могут быть от отфильтрованы по диапазону факторов, т.е. мы можем отобразить влияние на переход объекта управления в данное состояние не всех отраженных в модели факторов, а только тех, коды которых попадают в определенный диапазон, например, относящиеся к определенным описательным шкалам.

Пример информационного портрета а класса (нозологического образа) «Беременность» в модели 1п£3 (Хи-квадрат) приведен на рисунке 24:

f*) 4.2.1. Информационные портреты классов

■ |°п- % -Г

Инф.портрет класса: 2 "ЗАБОЛЕВАНИЕ [ДИАГНОЗ]-Беременностьм в модели: 6 "INF3"

Код Наименование класса

1 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Абсцесс(гнойник,...

2 ЗАБОЛЕВАНИЕ (ДИАГН03]-Беременносгь

3 ЗАБОЛЕВАНИЕ (ДИАГН03]-Бешенсгво

4 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Блохи; клещи; гриб...

5 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Вирусная лейкеми...

Є ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Волосяные пробки...

7 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление рогов...

8 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление рта (ст...

8 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление слизи...

10 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Воспаление уха (от...

11 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Гематома (кровои...

12 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Герпес^ ринотрахе...

13 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Гинекологические...

14 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-ИнФекционая ане...

15 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-ИнФекционный пе...

1Є ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Колит

17 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Круглые глисты (а...

18 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Ленточные глисты ...

19 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Неправильное пит...

20 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Отравление

21 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Панлей-копения (в...

22 ЗАБОЛЕВАНИЕ (ДИАГНОЗ)-Пищевое отравлен...

<1 23 ЗАБОЛЕВАНИЕ ШИАГН031-Почечная неаостат...

Ц| ГЕНИТАЛЬНЫЕ ВЫДЕЛЕНИЯ-*

0.848

24 ПОНИЖЕННАЯ ТЕМПЕРАТУРА-* 0.665

19 ЗАТРУДНЕННОЕ ДЫХАНИЕ-* 0,634

25 ВЗДУТИЕ ЖИВОТА-* 0.634

2 ДИАРЕЯ(П0Н0С]-* 0.604

32 НЕНОРМАЛЬНОЕ ПОВЕДЕНИЕ-" 0,573

1 РВОТА-* 0.543

29 ПОТЕРЯ ШЕРСТИ-* 0,543

34 ОТСУТСТВИЕ ЯВНЫХ СИМПТОМОВ-* 0.543

5 ОТСУТСТВИЕ АППЕТИТА-* 0.2ЭЭ

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

3 ЗАПОР-* -0.213

1Є ОБЕЗВОЖИВАНИЕ-* -0.213

28 ПОРАЖЕНИЕ КОЖИ/СЛИЗИСТЫХ/РОГОВИЦЫ* -0,244

20 ПОТЕРЯ СОЗНАНИЯ-* -0.274

В ЧРЕЗМЕРНАЯ ЖАЖДА-* -0.305

8 СЛЮНОТЕЧЕНИЕ-* -0.305

27 РАЗДРАЖЕНИЕ КОЖИ-* -0.305

9 КАШЕЛЬ И ЧИХАНИЕ-* -0.335

18 БЛЕДНОСТЬ ДЕСЕН-* -0.335

23 Л ИХ0 РА ДКА(В Ы СО КАЯ ТЕМПЕРАТУРА)-* -0.335

17 ПОТЕРЯ ВЕСА-* -0,457

30 ЯВНАЯ БОЛЬ-* -0,457

10 ВЫПЯЧИВАНИЕ ТРЕТЬЕГО ВЕКА-* -0.579

« !►

Помощь Abs Ргс1 Ргс2 ІпП Inf 2 Inf3 Inf4 Inf 5 Inf Б Inf 7 MS Excel В К Л. Фильтр по Фактору ВЫ К Л. Фильтр по Фактору Вписать в окно Показать ВСЕ

Рисунок 24. Пример информационного портрета а класса (нозологического образа) «Беременность» в модели 1пО (Хи-квадрат)

Если сравнить оценку характерности симптомов в системе Эйдос-Х++ на рисунке 24 по этому нозологическому образу и в таблице 1, с информацией с сайта: llttp://lifescatS■m/puЫ/4■ то мы увидим высокое соответствие их друг другу.

Шаг 3-й. Диагностический смысл симптомов, т.е. их смысловая

характеристика или количество информации в симптомах о заболеваниях (информационные портреты признаков).

Информационный (семантический) портрет значения фактора

(симптома) - это список классов, ранжированный в порядке убывания силы влияния данного фактора на переход объекта управления в состояния, соответствующие данным классам. Информационный портрет фактора называется также его семантическим портретом, т.к. в соответствии с концепцией смысла системно-когнитивного анализа, являющейся обобщением концепции смысла Шенка-Абельсона, смысл фактора состоит в том, какие будущие состояния объекта управления он детерминирует. Сначала в этом списке идут состояния объекта управления, на переход в которые данный фактор оказывает наибольшее влияние, затем состояния, на которые данный фактор не оказывает существенного влияния, и далее состояния - переходу в которые данный фактор препятствует. Информационные портреты факторов могут быть от отфильтрованы по диапазону классов, т.е. мы можем отобразить влияние данного фактора на переход объекта управления не во все возможные будущие состояния, а только в состояния, коды которых попадают в определенный диапазон, например, относящиеся к определенным классификационным шкалам.

Пример информационного портрета симптома «Выпячивание третьего века» в модели 1п£3 (Хи-квадрат) приведен на рисунке 25:

4.3.1. Информационные портреты признаков

і- Щ Г

0 ВЕКА-*1 1 в модели: 6 "1^3"

Щ| ЗАБОЛЕВАНИЕ (ДИАГН03)-Ленточные глисты

0.710

7 ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 3)-В оспаление роговой оболочки глаз (кератит) 0.595

9 ЗАБОЛЕВАНИЕ (ДИАГН03)-Воспаление слизистой оболочки глаза (коньюкт... 0.595

29 ЗАБОЛЕВАНИЕ (ДИАГН03)-Токсоплазмоз 0.595

3 ЗАБОЛЕВАНИЕ (ДИАГН03)-Бешенство 0.421

25 ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 3)-Респираторная вирусная инфекция 0.421

4 ЗАБ ОЛЕ ВАН И Е [ДИАГН 0 3]-Б лохи; клещи; грибок 0.363

23 ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 3]-П очечная недостаточность 0.363

5 ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 3)-В ирусная лейкемия (белокровие) 0.305

6 ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 3)-В олосяные пробки (безоары) 0,305

12 ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 3]-Герпес/ ринотрахеиг 0.305

19 ЗАБОЛЕВАНИЕ (ДИАГН03]-Неправильное питание 0.247

28 ЗАБОЛЕВАНИЕ (ДИАГН03)-Течка -0.290

18 ЗАБОЛЕВАНИЕ (ДИАГН03)-Колит -0.348

8 ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 3]-В оспаление рта (стоматит) -0.463

10 ЗАБ 0 Л Е ВАН И Е (ДИАГН 0 3]-В оспаление ука (отит) -0.463

14 ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 3)-И нфекционая анемия (малокровие) -0,463

24 ЗАБОЛЕВАНИЕ (ДИАГН03)-Рак -0.506

1 ЗАБ 0 Л Е ВАН И Е (ДИАГН 0 3)-Абсцесс (гнойник, нарыв) -0.521

27 ЗАБ 0 Л Е ВАН И Е (ДИАГН 0 3]-Т епловой удар -0.521

2 ЗАБОЛЕВАНИЕ (ДИАГН03]-Бвременность -0.579

30 ЗАБОЛЕВАНИЕ (ДИАГН03)-Урологический синдром /мочекаменная болезн... -0.579

26 « ЗАБ ОЛЕ ВАН И Е (ДИАГН 0 31-Сеодечная недостаточность -0.637 1 ►

Код і Наименование признака

1 РВОТА-* ... |

2 ДИАРЕЯ (ПОН ОС)-* ... |

3 ЗАПОР-" ... |

4 КРОВЬ В КАЛЕ-* ... I

5 ОТСУТСТВИЕ АППЕТИТА-*

8 ЧРЕЗМЕРНАЯ ЖАЖДА-*

7 НЕНОРМАЛЬНОЕ МОЧЕИСПУСКАНИЕ-*

8 СЛЮНОТЕЧЕНИЕ-”

9 КАШЕЛЬ И ЧИХАНИЕ-*

10 ВЫПЯЧИВАНИЕ ТРЕТЬЕГО ВЕКА-*

11 ВЫДЕЛЕНИЯ ИЗ ГЛАЗ-*

12 ВЫДЕЛЕНИЯ ИЗ УШЕЙ-’

13 ВЫДЕЛЕНИЯ ИЗНОСА-*

14 АНАЛЬНЫЕ ВЫДЕЛЕНИЯ-* ... |

15 ГЕНИТАЛЬНЫЕ ВЫДЕЛЕНИЯ *

1Є ОБЕЗВОЖИВАНИЕ-* ... |

17 ПОТЕРЯ ВЕСА-* ... |

18 БЛЕДНОСТЬ ДЕСЕН-* ... |

19 ЗАТРУДНЕННОЕ ДЫХАНИЕ-*

20 ПОТЕРЯ СОЗНАНИЯ-* ... |

21 ПАРАЛИЧ-* ... |

22 ВНЕЗАПНАЯ СМЕРТЬ-* ... |

«I 23 ЛИХ0РАДКА(ВЫСрКАЯ ТЕМПЕРАТУРА!-* ...

Помощь АЬз Ргс1 Ргс2 ІпП М2 Ш т 1п(5 ИВ М7 МБ Ехсе! ВКЛ.Фильтр по кл.шкале ВЫКЛ. Фильтр по кл. шкале Вписать в окно Показать ВСЕ

Рисунок 25. Пример информационного портрета симптома: «Выпячивание третьего века» в модели 1пО (Хи-квадрат)

Выводы

Таким образом, можно сделать обоснованный вывод о том, что применение интеллектуальной системы «Эйдос-Х++» обеспечивает реализацию уже разработанных ветеринарных и медицинских диагностических тестов без программирования в форме, удобной для массового тестирования, анализа его результатов и выработки индивидуальных рекомендаций.

Материалы данной статьи могут быть использованы в учебном процессе при преподавании дисциплин: «Интеллектуальные информационные системы», «представление знаний в информационных системах», «Современные технологии в образовании (магистратура)», «Управление знаниями (магистратура)», «Введение в искусственный интеллект», «Интеллектуальные и нейросетевые технологии в образовании (магистратура)», «Основы искусственного интеллекта» и других.

Перспективы продолжения исследований и разработок

Планируется продолжить направление исследований и разработок, представленное в данной статье, по следующим направлениям:

1. Реализация в среде интеллектуальной системы Эйдос-Х++ без программирования диагностических тестов с числовыми исходными данными и ключами.

2. Интеграция в среде интеллектуальной системы Эйдос-Х++ без программирования нескольких диагностических тестов в батарею тестов или в супертест с одной общей моделью.

Список литературы

1. Сайт: http://lifescats.ru/publ/4

2. Луценко Е.В. Теоретические основы, технология и инструментарий

автоматизированного системно-когнитивного анализа и возможности его применения для сопоставимой оценки эффективности вузов / Луценко Е.В., Коржаков В.Е. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №04(88). -IDA [article ID]: 0881304022. - Режим доступа: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,250 у.п.л., импакт-фактор РИНЦ=0,577

3. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"). - Краснодар: КЮИ МВД РФ, 1996. -280с.

4. Луценко Е.В. Когнитивная аналитическая система "ЭИДОС-6.0" и система "ЭЙДОС-'Р" - адекватный инструментарий для психологических служб МВД, В сб.: "Актуальные проблемы социально-правовой подготовки специалистов и перспективы совершенствования системы комплектования ОВД". Материалы межвузовской научно-практической конференции (16-18.05.1997). Часть 1. -Краснодар: КЮИ МВД РФ, 1997. -С. 65-69, С. 136-141.

5. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических

систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с.

6. Луценко Е.В. Типовая методика и инструментарий когнитивной структуризации и формализации задач в АСК-анализе // Научный журнал КубГАУ [Электронный ресурс]. -Краснодар: КубГАУ, 2004. - № 01(3). - Режим доступа: http://ej.kubagro.ru/2004/01 /16/р 16.asp.

7. Луценко Е.В., Лаптев В.Н, Третьяк В.Г. Прогнозирование качества специальной деятельности методом подсознательного (подпорогового) тестирования на основе семантического резонанса, В сб.: "Проблемы совершенствования систем защиты информации, энергоснабжения военных объектов и образовательных технологий подготовки специалистов". Материалы II межвузовской научно-технической конференции. - Краснодар: КВИ, 2001. - С. 127-128.

8. Луценко Е.В., Лебедев А.Н Диагностика и прогнозирование профессиональных и творческих способностей методом АСК-анализа электроэнцефалограмм в системе "Эйдос", Межвузовский сборник научных трудов, том 1. - Краснодар: КВИ, 2003. - С. 227-229.

9. Луценко Е.В., Наприев ИЛ. Синтез многоуровневых семантических информационных моделей активных объектов управления в системно-когнитивном анализе // Научный журнал КубГАУ, №28(4), апрель 2007 г. - Режим доступа: http://ej.kubagro.ru/2007/04/pdf/l l.pdf

10. Луценко Е.В., Рябикина З.М., Некрасов С.Д. Личность и профессия: проблема самоактуализации, В сб.: "Психологические проблемы самореализации личности" / Под ред.

О.Г.Кукосяна. - Краснодар: КубГУ, 1997. - С. 127-140.

11. Луценко Е.В. Селиверстов В.В. Разработка профессиональных оптимальных

адаптивных тестов на основе интеллектуальной технологии "ЭЙДОС", В сб.: "Современные компьютерные технологии обучения". Материалы 2-й межвузовской научно-методической конференции. - Краснодар: КВВАУ, 1998. - С. 32-34.

12. Луценко Е.В., Третьяк В.Г. Анализ профессиональных траекторий специалистов с

применением системы "Эйдос", Личность и ее бытие (социально-психологические аспекты бытия личности в местном сообществе): сборник научных работ / Под.ред. З.ИРябикиной. -Краснодар: КубГУ, 2002. -С. 43-49.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

13. Наприев ПЛ., Луценко Е.В. Структурное моделирование изменений образа-Я

сотрудников органов внутренних дел под влиянием экстремальных условий // Научный журнал КубГАУ, №30(6), июнь 2007 г. - Режим доступа: http://ej.kubagro.ru/2007/06/pdf/06.pdf

14. Наприев ПЛ., Луценко Е.В. Структурное моделирование изменения стилевых

особенностей деятельности сотрудников органов внутренних дел под влиянием экстремальных условий // Научный журнал КубГАУ, №30(6), июнь 2007 г. - Режим доступа: http://ej.kubagro.ru/2007/06/pdf/07.pdf

15. Пат. № 2003610986 РФ. Универсальная когнитивная аналитическая система "ЭЙДОС" /Е.В.Луценко (Россия); Заяв. № 2003610510РФ. Опубл. от 22.04.2003. - 50 с.

16. Пат. № 2003610987 РФ. Автоматизированная система комплексной обработки данных психологического тестирования "ЭЙДОС-'Р" / Е.В. Луценко (Россия), С.Д. Некрасов (Россия); Заяв. № 2003610511 РФ. Опубл. от 22.04.2003. - 50с.

17. Симанков В. С., Луценко Е. В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание) /Техн. ун-т Кубан. гос. технол. ун-та. - Краснодар, 1999. - 318 с.

18. Третьяк В.Г., Александров С.Г., Луценко Е.В. Модель профессионально-значимых качеств личности сотрудников ОВД, Вестник учебного отдела КЮИ МВД РФ. -2001. - №1. -С. 37-40.

19. Щукин Т.Н., Дорохов В. Б., Лебедев А.Н, Луценко Е.В. ЭЭГ прогноз успешности выполнения психомоторного теста при снижении уровня бодрствования: постановка задачи, Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №04(6). -Режим доступа: http://ej.kubagro.ru/2004/04/20/p20.asp

20. Щукин Т.Н., Дорохов В. Б., Лебедев А.Н, Луценко Е.В. ЭЭГ прогноз успешности

выполнения психомоторного теста при снижении уровня бодрствования: описание

эксперимента, Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. -№04(6). - Режим доступа: http: //ei.kubagro.ru/2004/04/21 /р21.asp

21. Щукин Т.Н., Дорохов В. Б., Лебедев А.Н, Луценко Е.В. ЭЭГ прогноз успешности выполнения психомоторного теста при снижении уровня бодрствования: анализ результатов исследования, Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. -№04(6). - Режим доступа: http://ej.kubagro.ru/2004/04/22/р22.asp

22. Наприев И.Л., Луценко Е.В., Чистилин А.Н. Образ-Я и стилевые особенности деятельности сотрудников органов внутренних дел в экстремальных условиях. Монография (научное издание). - Краснодар: КубГАУ. 2008. - 262 с.

23. Луценко Е.В. Прогнозирование длительности послеоперационного восстановительного

периода методом сердечно-дыхательного синхронизма (СДС) с применением АСК-анализа (часть 1) / Е.В. Луценко, Е.В. Сергеева // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №10(064). С. 142 - 178. - Шифр

Информрегистра: 0421000012\0280, IDA [article ID]: 0641010014. - Режим доступа:

http://ej.kubagro.ru/2010/10/pdf/14.pdf, 2,312 у.п.л., импакт-фактор РИНЦ=0,577

24. Луценко Е.В. Прогнозирование длительности послеоперационного восстановительного

периода методом сердечно-дыхательного синхронизма (СДС) с применением АСК-анализа (часть 2) / Е.В. Луценко, Е.В. Сергеева // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №10(064). С. 179 - 203. - Шифр

Информрегистра: 0421000012\0279, IDA [article ID]: 0641010015. - Режим доступа:

http://ej.kubagro.ru/2010/10/pdf/15.pdf, 1,562 у.п.л., импакт-фактор РИНЦ=0,577

25. Системно-когнитивный подход к прогнозированию длительности послеоперационного

восстановительного периода на основе информации о пациенте, полученной методом сердечно-дыхательного синхронизма (СДС) (когнитивная структуризация и формализация предметной области и подготовка обучающей выборки) / В.М. Покровский, С.В. Полищук, Е.В. Фомина и др. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. -Краснодар: КубГАУ, 2009. - №07(051). С. 163 - 190. - Шифр Информрегистра: 0420900012\0084, IDA [article ID]: 0510907008. - Режим доступа:

http://ej.kubagro.ru/2009/07/pdf/08.pdf, 1,75 у.п.л., импакт-фактор РИНЦ=0,577

26. Системно-когнитивный подход к прогнозированию длительности послеоперационного

восстановительного периода на основе информации о пациенте, полученной методом

сердечно-дыхательного синхронизма (СДС) (синтез и верификация семантической информационной модели) / В.М. Покровский, С.В. Полищук, Е.В. Фомина и др. //

Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(051). С. 191 - 206. - Шифр Информрегистра: 0420900012\0083, IDA [article ID]: 0510907009. - Режим доступа: http://ej.kubagro.ru/2009/07/pdf/09.pdf, 1 у.п.л., импакт-фактор РИНЦ=0,577

27. Системно-когнитивный подход к прогнозированию длительности послеоперационного

восстановительного периода на основе информации о пациенте, полученной методом

сердечно-дыхательного синхронизма (СДС) (решение задач прогнозирования, поддержки принятия решений и исследования предметной области) / В.М. Покровский, С.В. Полищук, Е.В. Фомина и др. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. -Краснодар: КубГАУ, 2009. - №07(051). С. 207 - 247. - Шифр Информрегистра:

0420900012\0082, IDA [article ID]: 0510907010. - Режим доступа:

http://ej.kubagro.ru/2009/07/pdf/10.pdf, 2,562 у.п.л., импакт-фактор РИНЦ=0,577

References

1. Sajt: http://lifescats.ru/publ/4

2. Lucenko E.V. Teoreticheskie osnovy, tehnologija i instrumentarij avtomati-zirovannogo sistemno-kognitivnogo analiza i vozmozhnosti ego primenenija dlja so-postavimoj ocenki jeffektivnosti vuzov / Lucenko E.V., Korzhakov V.E. // Politemati-cheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: Kub-GAU, 2013. - №04(88). - IDA [article ID]: 0881304022. - Rezhim dostupa: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,250 u.p.l., impakt-faktor RINC=0,577

3. Lucenko E.V. Teoreticheskie osnovy i tehnologija adaptivnogo semantichesko-go analiza v podderzhke prinjatija reshenij (na primere universal'noj avtomatiziro-vannoj sistemy raspoznavanija obrazov "JeJDOS-5.1"). - Krasnodar: KJul MVD RF, 1996. - 280s.

4. Lucenko E.V. Kognitivnaja analiticheskaja sistema "JeJDOS-6.0" i sistema "JeJDOS- " -adekvatnyj instrumentarij dlja psihologicheskih sluzhb MVD, V sb.: "Aktual'nye problemy social'no-pravovoj podgotovki specialistov i perspektivy sovershenstvovanija sistemy komplektovanija OVD". Materialy mezhvuzovskoj nauchno-prakticheskoj konferencii (16-18.05.1997). Chast' 1. -Krasnodar: KJul MVD RF, 1997. - S. 65-69, S. 136-141.

5. Lucenko E.V. Avtomatizirovannyj sistemno-kognitivnyj analiz v upravlenii aktivnymi

ob#ektami (sistemnaja teorija informacii i ее primenenie v issledovanii jekonomicheskih, social'no-psihologicheskih, tehnologicheskih i organizacionno-tehnicheskih sistem): Monografija

(nauchnoe izdanie). - Krasnodar: KubGAU. 2002. - 605 s.

6. Lucenko E.V. Tipovaja metodika i instrumentarij kognitivnoj strukturiza-cii i formalizacii zadach v ASK-analize // Nauchnyj zhurnal KubGAU [Jelektronnyj resurs], - Krasnodar: KubGAU, 2004. -№ 01(3). - Rezhim dostupa: http://ej.kubagro.ru/2004/01/16/pl6.asp.

7. Lucenko E.V., Laptev V.N., Tretjak V.G. Prognozirovanie kachestva special'-noj dejatel'nosti metodom podsoznatel'nogo (podporogovogo) testirovanija na osnove semanticheskogo rezonansa, V sb.: "Problemy sovershenstvovanija sistem zashhity in-formacii, jenergosnabzhenija voennyh ob#ektov i obrazovatel'nyh tehnologij podgo-tovki specialistov". Materialy II mezhvuzovskoj nauchno-tehnicheskoj konferencii. - Krasnodar: KVT, 2001. - S. 127-128.

8. Lucenko E.V., Lebedev A.N. Diagnostika i prognozirovanie professional'-nyh i tvorcheskih sposobnostej metodom ASK-analiza jelektrojencefalogramm v siste-me "Jejdos", Mezhvuzovskij sbomik nauchnyh trudov, tom 1. - Krasnodar: KVT, 2003. - S. 227-229.

9. Lucenko E.V., Napriev I.L. Sintez mnogourovnevyh semanticheskih informa-cionnyh modelej aktivnyh ob#ektov upravlenija v sistemno-kognitivnom analize // Nauchnyj zhurnal KubGAU, №28(4), aprel' 2007 g. - Rezhim dostupa: http://ej.kubagro.ru/2007/04/pdf/ll.pdf

10. Lucenko E.V., Rjabikina Z.M., Nekrasov S.D. Lichnost' i professija: problema

samoaktualizacii, V sb.: "Psihologicheskie problemy samorealizacii lichnosti" / Pod red.

O.G.Kukosjana. - Krasnodar: KubGU, 1997. - S. 127-140.

11. Lucenko E.V. Seliverstov V.V. Razrabotka professional'nyh optimal'nyh adaptivnyh testov na osnove intellektual'noj tehnologii "JeJDOS", V sb.: "Sovre-mennye komp'juternye tehnologii obuchenija". Materialy 2-j mezhvuzovskoj nauchno-metodicheskoj konferencii. - Krasnodar: KWAU, 1998. - S. 32-34.

12. Lucenko E.V., Tretjak V.G. Analiz professional'nyh traektorij speciali-stov s primeneniem sistemy "Jejdos", Lichnost' i ее bytie (social'no-psihologicheskie aspekty bytija lichnosti v mestnom soobshhestve): sbornik nauchnyh rabot / Pod.red. Z.I.Rjabikinoj. - Krasnodar: KubGU, 2002. -S. 43-49.

13. Napriev I.L., Lucenko E.V. Strukturnoe modelirovanie izmenenij obraza-Ja sotrudnikov organov vnutrennih del pod vlijaniem jekstremal'nyh uslovij // Nauchnyj zhurnal KubGAU, №30(6), ijun' 2007 g. - Rezhim dostupa: http://ej.kubagro.ru/2007/06/pdf/06.pdf

14. Napriev I.L., Lucenko E.V. Strukturnoe modelirovanie izmenenija stilevyh osobennostej dejatel'nosti sotrudnikov organov vnutrennih del pod vlijaniem jekstre-mal'nyh uslovij // Nauchnyj zhurnal KubGAU, №30(6), ijun' 2007 g. - Rezhim dostupa: http://ej.kubagro.ru/2007/06/pdf/07.pdf

15. Pat. № 2003610986 RF. Universal'naja kognitivnaja analiticheskaja sistema "JeJDOS" / E.V.Lucenko (Rossija); Zajav. № 2003610510 RF. Opubl. ot 22.04.2003. - 50 s.

16. Pat. № 2003610987 RF. Avtomatizirovannaja sistema kompleksnoj obrabotki dannyh psihologicheskogo testirovanija "JeJDOS-Y" / E.V. Lucenko (Rossija), S.D. Ne-krasov (Rossija); Zajav. № 2003610511 RF. Opubl. ot 22.04.2003. - 50s.

17. Simankov V. S., Lucenko E. V. Adaptivnoe upravlenie slozhnymi sistemami na osnove teorii raspoznavanija obrazov: Monografija (nauchnoe izdanie) /Tehn. un-t Kuban, gos. tehnol. un-ta. -Krasnodar, 1999. - 318 s.

18. Tret'jak V.G., Aleksandrov S.G., Lucenko E.V. Model' professional'no-znachimyh kachestv lichnosti sotrudnikov OVD, Vestnik uchebnogo otdela KJul MVD RF. -2001. - №1. - S. 37-40.

19. Shhukin T.N., Dorohov V. B., Lebedev A.N., Lucenko E.V. JeJeG prognoz uspesh-nosti vypolnenija psihomotomogo testa pri snizhenii urovnja bodrstvovanija: posta-novka zadachi, Nauchnyj zhurnal KubGAU [Jelektronnyj resurs], - Krasnodar: KubGAU, 2004. - №04(6). - Rezhim dostupa: http://ej.kubagro.ru/2004/04/20/p20.asp

20. Shhukin T.N., Dorohov V. B., Lebedev A.N., Lucenko E.V. JeJeG prognoz uspesh-nosti vypolnenija psihomotomogo testa pri snizhenii urovnja bodrstvovanija: opisa-nie jeksperimenta, Nauchnyj zhurnal KubGAU [Jelektronnyj resurs], - Krasnodar: Kub-GAU, 2004. - №04(6). - Rezhim dostupa: http://ej.kubagro.ru/2004/04/21/p21 .asp

21. Shhukin T.N., Dorohov V. B., Lebedev A.N., Lucenko E.V. JeJeG prognoz uspesh-nosti vypolnenija psihomotomogo testa pri snizhenii urovnja bodrstvovanija: analiz rezul'tatov issledovanija, Nauchnyj zhurnal KubGAU [Jelektronnyj resurs], - Krasno-dar: KubGAU, 2004. - №04(6). - Rezhim dostupa: http: //ej. kubagro. ru/2004/04/22/p22. asp

22. Napriev I.L., Lucenko E.V., Chistilin A.N. Obraz-Ja і stilevye osobennosti dejatel'nosti sotrudnikov organov vnutrennih del v jekstremal'nyh uslovijah. Mono-grafija (nauchnoe izdanie). -Krasnodar: KubGAU. 2008. - 262 s.

23. Lucenko E.V. Prognozirovanie dlitel'nosti posleoperacionnogo vosstano-vitel'nogo perioda

metodom serdechno-dyhatel'nogo sinhronizma (SDS) s primeneni-em ASK-analiza (chast' 1) / E.V. Lucenko, E.V. Sergeeva // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs], -

Krasnodar: KubGAU, 2010. - №10(064). S. 142 - 178. - Shifr Informregistra: 0421000012\0280, IDA [articleID]: 0641010014. -Rezhim dostupa: http://ej.kubagro.ru/2010/10/pdf/14.pdf, 2,312 u.p.l., im-pakt-faktor RINC=0,577

24. Lucenko E.V. Prognozirovanie dlitel'nosti posleoperacionnogo vosstano-vitel'nogo perioda

metodom serdechno-dyhatel'nogo sinhronizma (SDS) s primeneni-em ASK-analiza (chast' 2) / E.V. Lucenko, E.V. Sergeeva // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs], -

Krasnodar: KubGAU, 2010. - №10(064). S. 179 - 203. - Shifr Informregistra: 0421000012\0279, IDA [articleID]: 0641010015. -Rezhim dostupa: http://ej.kubagro.ru/2010/10/pdf/15.pdf, 1,562 u.p.l., im-pakt-faktor RINC=0,577

25. Sistemno-kognitivnyj podhod к prognozirovaniju dlitel'nosti posleopera-cionnogo

vosstanovitel'nogo perioda na osnove informacii о paciente, poluchennoj metodom

serdechno-dyhatel'nogo sinhronizma (SDS) (kognitivnaja strukturizacija і formalizacija predmetnoj

oblasti і podgotovka obuchajushhej vyborki) / V.M. Pokrov-skij, S.V. Polishhuk, E.V. Fomina і dr. // Politematicheskij setevoj jelektronnyj na-uchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs], - Krasnodar: KubGAU, 2009. -№07(051). S. 163 - 190. - Shifr Informregistra: 0420900012\0084, IDA [article ID]: 0510907008. -Rezhim dos-tupa: http://ej.kubagro.ru/2009/07/pdf/08.pdf, 1,75 u.p.l., impakt-faktor RINC=0,577

26. Sistemno-kognitivnyj podhod к prognozirovaniju dlitel'nosti posleopera-cionnogo

vosstanovitel'nogo perioda na osnove informacii о paciente, poluchennoj metodom serdechno-dyhatel'nogo sinhronizma (SDS) (sintez i verifikacija semanti-cheskoj informacionnoj modeli) / V.M. Pokrovskij, S.V. Polishhuk, E.V. Fomina i dr. // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstven-nogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2009. - №07(051). S. 191 - 206. - Shifr Informregistra: 0420900012\0083, IDA [article ID]: 0510907009. - Rezhim dostupa:

http://ej.kubagro.ru/2009/07/pdf/09.pdf, 1 u.p.l., impakt-faktor RINC=0,577

27. Sistemno-kognitivnyj podhod к prognozirovaniju dlitel'nosti posleopera-cionnogo vosstanovitel'nogo perioda na osnove informacii о paciente, poluchennoj metodom serdechno-dyhatel'nogo sinhronizma (SDS) (reshenie zadach prognozirovanija, podderzhki prinjatija reshenij i issledovanija predmetnoj oblasti) / V.M. Pokrovskij, S.V. Polishhuk, E.V. Fomina i dr. // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal Kub-GAU) [Jelektronnyj resurs], - Krasnodar: KubGAU, 2009. -№07(051). S. 207 - 247. - Shifr Informregistra: 0420900012\0082, IDA [article ID]: 0510907010. -Rezhim dos-tupa: http://ej.kubagro.ru/2009/07/pdf/10.pdf, 2,562 u.p.l., impakt-faktor RINC=0,577

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Луценко Евгений Вениаминович, Коржаков Валерий Евгеньевич

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Луценко Евгений Вениаминович, Коржаков Валерий Евгеньевич

REALIZATION OF TESTS AND SUPERTESTS FOR VETERINARY AND MEDICAL DIAGNOSTICS IN THE EIDOS-X++ SYSTEM OF ARTIFICIAL INTELLIGENCE WITHOUT PROGRAMMING