Инструментальное средство разработки интеллектуальных систем поддержки решений задач диагностики тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Орлов, Сергей Владимирович

  • Орлов, Сергей Владимирович
  • кандидат технических науккандидат технических наук
  • 2010, Тула
  • Специальность ВАК РФ05.13.11
  • Количество страниц 143
Орлов, Сергей Владимирович. Инструментальное средство разработки интеллектуальных систем поддержки решений задач диагностики: дис. кандидат технических наук: 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей. Тула. 2010. 143 с.

Оглавление диссертации кандидат технических наук Орлов, Сергей Владимирович

Введение.

Глава 1 Анализ проблем построения ПИС разработки СППР трудноформализуемых задач диагностики.

1.1 Проблема поддержки решений задач диагностики.

1.1.1 Обзор трудноформализуемых задач диагностики и средств для поддержки их решения.

1.1.2 Математическая постановка задачи диагностики.

1.1.3 Использование приближенных моделей для поддержки решений задач диагностики.

1.1.4 Интегрированная СППР задач диагностики.

1.2 Обзор существующих ПИС разработки СППР задач диагностики.

1.3 Задача формирования базы знаний СППР.

1.3.1 Анализ диагностических моделей.

1.3.2 Классификация и анализ методов формирования функций принадлежности.

1.3.3 Постановка задачи формирования и оценки качества диагностической лингвистической модели.

1.3.4 Задача настройки функций принадлежности.

1.4 Задача построения ПИС разработки СППР задач диагностики

Выводы по главе 1.

Глава 2 Метод формирования базы знаний СППР.

2.1 Критерии оценки лингвистической модели.

2.2 Математическая постановка задачи формирования и настройки параметров лингвистических моделей.

2.3 Анализ возможных способов решения поставленной задачи

2.4 Выбор рационального способа решения задачи.

2.5 Теоретические обоснования предложенного метода.

2.6 Алгоритм реализации метода.

2.7 Доказательства возможности решить поставленную задачу предложенным методом.

Выводы по главе 2.

Глава 3 Исследования предложенного метода.

3.1 Задача исследования.

3.2 Имитационные диагностические модели.

3.3 Разработка ПС для реализации метода построения диагностических лингвистических моделей.

3.4 Экспериментальные исследования и результаты.

Выводы по главе 3.

Глава 4 Разработка программного инструментального средства

4.1 Задача разработки ПИС.

4.2 Разработка структуры ПИС.

4.3 Входные данные для ПИС.

4.4 Разработка интерфейса ПИС для ЛПР.

4.5 Реализация и тестирование ПИС.

4.6 Методика создания базы знаний ИСППР средствами ПИС

4.7 Методика построения диагностических систем повышенной точности

4.8 Разработка СППР задач диагностики на основе ПИС.

4.8.1 АСМД анемий.

4.8.2 Интеллектуальная система диагностики неисправностей тормозной системы автомобиля.

Выводы по главе 4.

Рекомендованный список диссертаций по специальности «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», 05.13.11 шифр ВАК

Введение диссертации (часть автореферата) на тему «Инструментальное средство разработки интеллектуальных систем поддержки решений задач диагностики»

Актуальность темы исследований. Проблемам компьютерной поддержки принятия решений задач диагностики традиционно уделяется много внимания. Это связано с постоянным увеличением сложности объектов диагностики и возрастающей ролью решения задач диагностики в современном обществе. В настоящее время эта задача стала особенно актуальной ввиду скачкообразного развития мощности электронных вычислительных машин, при помощи которых стало возможным переработка огромных массивов информации и превращение их в базы знаний для интеллектуальных решающих систем, позволяющих существенно повысить качество диагностических решений за счет использования современных математических методов. Значительный вклад в исследование и решение проблем построения интеллектуальных систем внесли отечественные учёные Д.А. Поспелов, О.И. Ларичев, Э.В. Попов, Г.С. Осипов, Г.В. Рыбина, В.Н. Вагин, В.Б. Тарасов, Л.Н. Аверкин и другие, а также ряд зарубежных учёных Л. Заде, У. Клэнси, Э. Шортлиф, Ф. Форсайт, К. Нейлор и др.

Для создания системы поддержки принятия решений (СППР) задач диагностики достаточно наличие базы знаний и интерпретатора. Двумя основными проблемами, которые возникают при разработке таких систем, являются: 1) сложность организации механизма получения знаний от экспертов, заключающаяся в необходимости высокой квалификация экспертов (обучение, сертификация), их согласованности, формализации экспертных знаний и фактов, а также преодоления ряда субъективных для каждого эксперта факторов (например, личной заинтересованности); 2) большие затраты времени на решение задач представления, преобразования данных в модели и выбора их параметров, а также непосредственного создания решающих правил.

Наличие относительно универсального интерпретатора делает возможным построение СППР для широкого круга задач диагностики и сводит процесс её создания в основном к процедуре разработки базы знаний. В настоящее время существует большое количество программных инструментальных средств (ПИС) для разработки СПГТР различного целевого назначения, но все они обладают недостатками ввиду отсутствия решений указанных выше проблем.

Таким образом, задача построения ПИС, позволяющего упростить процедуру наполнения базы знаний и ускорить процесс построения СППР, является актуальной и научнозначимой. Большой вклад в развитие технологий построения указанных ПИС для разработки интеллектуальных решающих систем внесли отечественные и зарубежные специалисты Г.В. Рыбина, И.Б. Фоминых, Б.А. Кобринский, В.Ф. Хорошевский, С.А. Романенко, О.Ю. Реброва, К.Р. Червинская, , П. Джексон, Ф. Хейес-Рот, Д. Ленат, Д. Уотермеп и др.

Объектом исследования является ПИС разработки интеллектуальных СППР задач диагностики.

Предметом исследования являются теория и методы разработки ПИС.

Целью диссертационной работы является построение ПИС разработки интеллектуальных СППР задач диагностики, позволяющего сократить сроки их создания и повысить адекватность принимаемых с их помощью решений.

В соответствии с указанной целью в диссертационной работе были поставлены следующие задачи:

1. Анализ существующих методов разработки интеллектуальных СППР.

2. Разработка и исследование метода формирования моделей объектов диагностики с автоматической настройкой их параметров.

3. Построение и исследование ПИС разработки интеллектуальных СППР задач диагностики.

4. Экспериментальное исследование ПИС с целью сравнительной оценки рациональности вырабатываемых решений.

5. Практическое решение задачи создания СППР с применением разработанного ПИС и оценивание полученных результатов.

Методы исследования. Для решения поставленных задач в работе использованы методы искусственного интеллекта (модели представления и обработки знаний, методы нечеткой логики, методы инженерии знаний и имитационного моделирования), дискретной математики, системного анализа, теории оптимизации, теории принятия и обеспечения рациональности решений.

Научная новизна диссертационной работы состоит в следующем:

1. Разработан метод формирования лингвистических моделей объектов диагностики и автоматической настройки параметров.

2. Предложена структура ПИС разработки интеллектуальных СППР задач диагностики на основе метода формирования лингвистических моделей.

3. Предложена и исследована методика создания базы знаний для интегрированной СППР с помощью разработанного ПИС, позволяющая структурировать декларативные знания, процедурные знания и закономерности.

4. Предложена методика построения автоматизированных систем диагностики на основе разработанного ПИС, позволяющих повысить точность вырабатываемых решений за счет привлечения дополнительной информации, отображающей особенности объекта диагностики.

Достоверность научных результатов подтверждена теоретическими и экспериментальными исследованиями, выполненными путем моделирования; результатами функционирования ПИС разработки интеллектуальных СППР задач диагностики, а также актами о практическом внедрении и использовании в производственной деятельности.

Практическая значимость. Результаты работы могут быть использованы при создании подсистем моделирования, а также для поддержки процессов формирования базы знаний интегрированных СППР трудноформализуемых задач диагностики в различных областях человеческой деятельности. Их применение позволяет:

- сократить объем данных, требуемый для инициализации СППР;

- уменьшить количество времени, затрачиваемое на формирование базы знаний, за счет увеличения степени автоматизации этого процесса;

- повысить адекватность формируемых моделей диагностики, а также эффективность СППР.

Созданное ПИС позволяет разрабатывать и настраивать интеллектуальные СППР для различных задач диагностики, а также производить формирование лингвистических моделей диагностики на основе экспериментальных выборок данных.

Предложенная методика построения автоматизированных систем диагностики может быть полезна при создании интеллектуальных медицинских систем, способных вырабатывать диагностическое решение с учетом индивидуальных особенностей состояния здоровья конкретного пациента за счет формирования соответствующей модели.

Практическая значимость работы подтверждается использованием ПИС разработки СППР задач диагностики на основе предложенного в диссертационной работе метода для реальных, а также для виртуальных объектов диагностики, поведение которых описывается линейной и нелинейной функциями.

Реализация и внедрение результатов диссертационной работы.

Разработанные средствами ПИС интеллектуальные системы используются в дилерском центре ООО "Лаура-Тула" для классификации и выявления наиболее устойчивых закономерностей причин неисправностей автотранспортных средств по накапливаемой в процессе обслуживания клиентов информации с целью улучшения качества и скорости выполнения процедур их диагностики и ремонта.

Разработанный с помощью ПИС и предложенных методик программный комплекс "Автоматизированная система медицинской диагностики аиемий" прошел тестовую эксплуатацию. Результаты диссертационной работы используются в диагностической и лечебной практике в ГУП ТО НИИ новых медицинских технологий. В рамках разработанного программного комплекса сформированы диагностическая лингвистическая модель и модель состояния здоровья пациента, позволяющая учитывать предрасположенность пациента к определенным заболеваниям.

Теоретические результаты работы используются в учебных курсах «Введение в системы искусственного интеллекта», "Теория принятия решений", "Теория интеллектуальных компьютерных систем" на кафедре ЭВМ Тульского государственного университета, в дипломном проектировании бакалавров и инженеров по специальностям «Вычислительные машины, комплексы, системы и сети» и «Комплексное обеспечение информационной безопасности автоматизированных систем», а также в лабораторном практикуме указанных дисциплин.

Положения, выносимые на защиту:

1. Метод формирования лингвистических моделей объектов диагностики и автоматической настройки параметров функций принадлежности термов лингвистических переменных по экспериментальным выборкам данных, позволяющий обеспечить стохастическую устойчивость получаемых решений.

2. Структура ПИС, базирующаяся па разработанном методе и позволяющая упростить процесс создания СППР задач диагностики.

3. Методика создания базы знаний для интегрированной СППР с помощью разработанного ПИС, позволяющая встраивать в систему декларативных и процедурных знаний закономерности.

4. Методика построения автоматизированных систем диагностики повышенной точности за счет использования разработанного ПИС.

Апробация работы. Основные положения и результаты диссертационного исследования докладывались и обсуждались на научных конференциях и семинарах: 1.«Проблемы экономики и информатизации образования». IV научно-практическая конференция, ТИЭиИ, Тула, 2007г. 2.«Системы управления электротехническими объектами». IV Всероссийская научно-практическая конференция, ТулГУ, Тула, 2007г. 3.«Интеллектуальные и информационные системы». Всероссийская научно-техническая конференция, ТулГУ, Тула, 2007-2009г.г. 4.«Интеллектуальные системы и технологии».

Научная сессия МИФИ, Москва, 2008г. 5.«Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями». XI научно-практическая конференция, МЭСИ, Москва, 2008г. 6.«Перспективы развития телекоммуникационных систем и информационные технологии». Заочная международная научно-практическая конференция, СПбГПУ, Санкт-Петербург, 2008г. 7.«Информационные технологии». 45 научно-практическая конференция профессорско-преподавательского состава ТулГУ, Тула, 2009г.

Публикации. По теме диссертационного исследования опубликовано 11 печатных работ, в том числе 5 статей и 6 работ в сборниках трудов конференций.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, библиографического списка (121 наименование), списка используемых сокращений и приложений. Объем работы без приложений составляет 140 страниц.

Похожие диссертационные работы по специальности «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», 05.13.11 шифр ВАК

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Орлов, Сергей Владимирович

Выводы по главе 4

1. Предложена структура ПИС разработки СППР задач диагностики, включающая механизмы формирования диагностических лингвистических моделей на основе исследованного метода автоматизации процесса приближенного моделирования.

2. Разработана методика создания базы знаний для интегрированной СППР с помощью разработанного ПИС, позволяющая встраивать в систему декларативных и процедурных знаний закономерности.

3. Разработана и исследована методика построения автоматизированных систем диагностики повышенной точности за счет использования ПИС.

4. На основе предложенных методов и методик при помощи ПИС разработана АСМД анемий, позволяющая повысить точность вырабатываемого диагностического решения за счет использования построенной МСЗП.

5. С использованием ПИС создано программное обеспечение для диагностики неисправностей тормозной системы автотранспортных средств, построена лингвистическая модель тормозной системы автомобиля, использование которой может служить основанием для произведения ремонта.

Заключение

В заключении отметим основные результаты, полученные в ходе диссертационного исследования:

1. Разработан метод формирования лингвистических моделей объектов диагностики и автоматической настройки параметров функций принадлежности термов лингвистических переменных по экспериментальным выборкам данных, позволяющий обеспечить стохастическую устойчивость получаемых решений.

2. Предложена структура ПИС, базирующаяся на разработанном методе и позволяющая упростить процесс создания СППР задач диагностики.

3. Предложена методика создания базы знаний для интегрированной СППР с помощью разработанного ПИС, позволяющая встраивать в систему декларативных и процедурных знаний закономерности.

4. Предложена методика построения автоматизированных систем диагностики на основе разработанного ПИС, позволяющих повысить точность вырабатываемых решений за счет привлечения дополнительной информации, отображающей особенности объекта диагностики.

5. С использованием ПИС создано программное обеспечение для диагностики заболеваний крови человека (анемий) и построена лингвистическая модель состояния здоровья пациента, позволяющая учитывать предрасположенность к определенным заболеваниям.

6. С использованием ПИС создано программное обеспечение для диагностики неисправностей тормозной системы автотранспортных средств, построена лингвистическая модель тормозной системы автомобиля, использование которой может служить основанием для произведения ремонта.

7. В результате экспериментальных исследований показана эффективность применения инструментальной поддержки для формирования моделей диагностики и разработки СППР задач диагностики.

8. Результаты диссертационной работы используются в диагностической и лечебной практике в ГУП ТО НИИ новых медицинских технологий, а также в производственном процессе дилерского центра ООО «Лаура-Тула».

По теме диссертационного исследования опубликованы следующие работы:

1. Токарев В.Л., Орлов С.В. Задача обмена знаниями между решающими системами // Известия ТулГУ. Серия. Вычислительная техника. Информационные технологии. Системы управления. Вып. 1. Вычислительная техника. Тула: Изд-во ТулГУ, 2006. С. 106—110.

2. Орлов С.В. Моделирования ситуаций для поддержки принятия решений // Системы управления электротехническими объектами. Вып. 4. Сб. научных трудов четвертой Всероссийской научно-практической конференции. Тула: Изд-во ТулГУ, 2007. С. 7—9.

3. Орлов С.В. Метод приближенного моделирования для интегрированных систем поддержки принятия решений // Интеллектуальные и информационные системы: Материалы Всероссийской научно-технической конференции / Тульский государственный университет. Тула: Изд-во ТулГУ, 2007. С. 66—67.

4. Орлов С.В. Об одном механизме постановки диагноза в экспертной системе медицинской диагностики // Нечеткие системы и мягкие вычисления. Тверь: РИУ ТверГУ, 2007. Т. 2. № 2. С. 41—48.

5. Орлов С.В. Метод повышения точности экспертных систем диагностики // Вестник ТулГУ. Серия. Вычислительная техника. Вып. 1. Тула: Изд-во ТулГУ, 2007 С. 80—83.

6. Орлов С.В. Использование лингвистических моделей для решения задач приближенного моделирования // Научная сессия МИФИ-2008. Сборник научных трудов. В 15 томах. Т. 10. Интеллектуальные системы и технологии. М.: Изд-во МИФИ, 2008. 256 с.

7. Орлов С.В. Формирование баз знаний предметной области ИСППР. // XI научно-практическая конференция «Реинжиниринг бизнес-процессов на

129 основе современных информационных технологий. Системы управления знаниями» (РБП-СУЗ-2008): Сборник научных трудов / Московский государственный университет экономики, статистики и информатики. М.: Изд-во МЭСИ, 2008. С. 182—184.

8. Орлов С.В. Метод автоматизации процесса формирования приближенных моделей // Перспективы развития телекоммуникационных систем и информационные технологии: труды междунар. конф. СПб.: Изд-во Политехи, ун-та, 2008. С. 250—254.

9. Орлов С.В. Метод автоматизации процесса приближенного моделирования для интегрированных систем поддержки принятия решений // Научно-технические ведомости СПбГПУ. Серия "Информатика. Телекоммуникации. Управление". СПб.: Изд-во Политехи, ун-та, 2009. № 2. С. 167—172.

10. Токарев B.JL, Орлов С.В. Задача автоматизации процесса формирования лингвистических моделей для поддержки принятия решений // Научно-технические ведомости СПбГПУ. Серия "Информатика. Телекоммуникации. Управление". СПб.: Изд-во Политехи, ун-та, 2009. № 5. С. 111—114.

11. Орлов С.В. Метод формирования и автоматического определения наилучших параметров лингвистических моделей // Интеллектуальные и информационные системы: Материалы Всероссийской научно-технической конференции / Тульский государственный университет. Тула: Изд-во ТулГУ, 2009. С. 18—21.

Список литературы диссертационного исследования кандидат технических наук Орлов, Сергей Владимирович, 2010 год

1. Провотар А.И. Формализация: алгоритмический подход // Проблеми програмування. Спещальний випуск, № 2-3, 2008, ISSN 1727-4907.

2. Гордеев Э.Н. Задачи выбора и их решение. В кн.: Компьютер и задачи выбора. М.: Наука, 1989.

3. Черноруцкий И.Г. Методы принятия решений. СПб.: БХВ-Петербург, 2005.-416 с.

4. Евланов Л.Г. Теория и практика принятия решений. — М.: Экономика,1984.

5. Simon Н. A. New Science of Management Decision. New York: Harper, 1960. - 224.

6. Леонтьев А.А. Основы психолингвистики: Учебник для студентов вузов. -М.: Смысл. 1997.-е. 201.

7. Вороновский Г.К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Вороновский Г.К., К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. -Харьков: Основа, 1997. с. 10-24

8. Стратегия. Как создавать и использовать эффективную стратегию. 2-е изд./Р.Кох. СПб.: Питер, 2003., с.292.

9. Гэри М., Джонсон Д. Вычислительные машины и трудноразрешимые задачи. М.: Мир, 1982.

10. Токарев В.Л. Основы теории обеспечения рациональности решений. Монография Тула: ТулГУ, 2000. - 120 с.

11. Зарубин B.C. Математическое моделирование в технике. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001.-195с.

12. Simon Н. A. New Science of Management Decision. New York: Harper, 1960.-224.

13. Finlay P. N. Introducing decision support systems.- Oxford, UK Cambridge, Mass., NCC Blackwell: Blackwell Publishers, 1994.

14. Marakas G. M. Decision support systems in the twenty-first century. Upper Saddle River, N.J.: Prentice Hall, 1999

15. Power D. J. «What is a DSS?» // The On-Line Executive Journal for Data-Intensive Decision Support, 1997. v. 1. - N3.

16. Джозеф Джарратано, Гари Райли «Экспертные системы: принципы разработки и программирование»: Пер. с англ. М.: Издательский дом «Вильяме», 2006. - 1152 стр.

17. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. В. А. Кондратенко, С. В. Трубицына. М.: Финансы и статистика, 1990. - 320 с.

18. Иоффин А.И. Системы поддержки принятия решений // Мир ПК 1993, N5. с.47-57.

19. Nakamori Y., Liu C.D. Integrated model based system for large scale system development // IFAC/IFORS/IMACS Symposium Large Scale Systems: Theory and Application. / Preprint, Vol.2 Beijing, 1992. - pp. 454-459.

20. Wu E., Chen Yong Hong. Decision support system based on general modelling // MCNE'92: 7th IFACtfFORS/ILASA Conf. Modelling find Control Nat. Econ., Preprint Beijing, 1992. - pp. 241-248.

21. Клайн С. Дж. Подобие и приближённые методы.—М.: Мир, 1968

22. Scott Morton М. S. Management Decision Systems: Computer-based Support for Decision Making. — Boston: Harvard University, 1971.

23. Аверкин A.H., Батыршин И.З., Блишун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта./Под ред. Д.А.Поспелова. М.: Наука. Гл. ред. физ.-мат. лит., 1986. - 312 с.

24. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. - 165с.

25. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятия решений: Сб. статей / Пер. с англ., Под ред. И. Ф. Шахнова. М., 1976. С.172 - 215.

26. Zadeh L.A. Discussion: Probability theory and fuzzy logic are complementary rather than competitive // Technometrics. 1995. - Vol.37. - N 3. -P.271-276.

27. Обработка нечеткой информации в системах принятия решений / А. Н. Борисов, А. В. Алексеев, Г. В. Меркурьева и др. М.: Радио и связь, 1989. -304 с.

28. Zadeh L. Commonsense knowledge representation based on fuzzy logic. Computer, 16: 61-65, 1983.

29. Yager R. R. and Zadeh L. A. Fuzzy Sets, Neural Networks and Soft Computing. New York: Van Nostrand Reinhold, 1994.

30. Power D.J. A Brief History of Decision" Support Systems. DSSResources.COM, World Wide Web, http://DSSResources.COM/history/dsshistoiy.html, version 2.8, May 31, 2003.

31. Демьянков В. 3. Предикаты и концепция семантической интерпретации. // В сб.: Известия АН СССР, сер. литературы и языка, 1980, т. 39, № 4.

32. Дюк В.А. "Компьютерная психодиагностика", С.-Петербург, 1994

33. ЗЗ.Загоруйко Н.Г., Ёлкина В.Н., Лбов Г.С. Алгоритмы обнаруженияэмпирических закономерностей. — Новосибирск: Наука, 1985.

34. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. - 120 с.

35. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем: Учебник для вузов. СПб: Питер,2001 год, 384 стр.

36. Коов М. И., Мацкин М. Б., Тыугу Э. X. Интеграция концептуальных и экспертных знаний в САПР//Изв. АН СССР. Техн. кибернетика. — 1988. — №5.- С. 108-118.

37. Бесекерский В.А., Небылов А.В. Робастные системы автоматического управления. М.: Наука, 1983. - 240 с.

38. Токарев В.Л., Матикашвили Т.И., Лейман С.А. Управление объектом по приближенной модели // Алгоритмы и структуры вычислительных систем, Тула: ТулПИ, 1981.-е. 152-162.

39. Джозеф Джарратано, Гари Райли. Экспертные системы: принципы разработки и программирование. — М.:Вильямс, 2006.

40. Томас X. Кормен, Чарльз И. и др. Алгоритмы: построение и анализ. -М.:Вильямс, 2009

41. Стюарт Рассел, Питер Норвиг. Искусственный интеллект: современный подход. М.:Вильямс, 2007

42. Michalski R.S. A theory and methodology of inductive learning // Artificial Intelligence 1983 - 20:2. - pp. 111-161.

43. Хант Э. Искусственный интеллект. M.: Мир, 1978. - 558 с.

44. Вагин В.Н. Дедукция и обобщение в системах принятия решений. -М.: Наука, 1988.-381 с.

45. Дюк В. А., Самойленко А. П. Data Mining. Учебный курс 1-е издание, 2001, 368 стр.

46. А. А. Барсегян, М. С. Куприянов, В. В. Степаненко, И. И. Холод Технологии анализа данных. Data Mining, Visual Mining, Text Mining, OLAP., 2001.

47. Осипов Г.С. Приобретение знаний интеллектуальными системами. М.: Наука, 1997.

48. Приобретение знаний / Под ред. С.Осуги, Ю.Саэки. М.: Мир, 1990.304 с.

49. Представление и использование знаний / под ред. Уэно X., Исидзука М. М.: Мир. - 1989. - 220 с.

50. Будущее искусственного интеллекта / под ред. К.Е.Левитина и Д.А. Поспелова М.: Наука, 1991.-302с.

51. Уотермен Д. Руководство по экспертным системам. М., 1989.

52. Осуга С., Обработка знаний; М., 1989.

53. Minsky М. A framework for representing knowledge. In Brachman and Levesque (1985), 1975.

54. Лозовский B.C. Семантические сети //Представление знаний в человеко-машинных и робототехнических системах. М.: ВИНИТИ, 1984. Т.А.

55. Загорулько Ю.А. Методы представления и обработки знаний: Семантические сети и системы продукций. Методическое пособие. Изд-во НГУ. Новосибирск, 1996. 46 с.

56. Поспелов Д-А. Данные и знания. Представление знаний/ТИскусственный интеллект. Кн. 2: Модели и методы: Справочник/под ред. Д.А. Поспелова. М.: Радио и связь, 1990. - с. 7-13.

57. Загоруйко Н. Г. Прикладные методы анализа данных и знаний. — Новосибирск: ИМ СО РАН, 1999.

58. Токарев B.JL, Орлов С.В. Задача обмена знаниями между решающими системами // Известия ТулГУ. Серия. Вычислительная техника. Информационные технологии. Системы управления. Вып. 1. Вычислительная техника. Тула: Изд-во ТулГУ, 2006. С. 106—110.

59. Борисов А.Н., Алексеев А.В., Меркурьев Г.В. и др. Обработка нечеткой информации в системах принятия решений. — М., Радио и связь, 1989.

60. Поспелов Д.А. Логико-лингвистические модели в системах управления. М.: Энергоатомиздат. - 1981. - 232с.

61. Аверкин А. Н., Батыршин И. 3., Блишун А. Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта. М., Наука, 1986.

62. Кофман А. Введение в теорию нечетких множеств. — М., Радио и связь, 1982.

63. Сироджа И.Б. Квантовые модели и методы искусственного интеллекта для принятия решений и управления. Киев: Наукова думка. - 2002. - 490 с.

64. Люгер Дж.Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем — Москва, Санкт-Петербург, Киев: — 2003. 863 с.

65. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решения на основе нечетких моделей: примеры использования. — Рига, "Знание", 1990, 184 с.

66. Орлов С.В. Использование лингвистических моделей для решения задач приближенного моделирования // Научная сессия МИФИ-2008. Сборникнаучных трудов. В 15 томах. Т. 10. Интеллектуальные системы и технологии. М.: Изд-во МИФИ, 2008. 256 с.

67. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М., Горячая линия — Телеком, 2001.

68. Шошин П.Б. Размытые числа как средство описания субъективных величин // Статистические методы анализа экспертных оценок. М.: Наука. -1977. - С.234-250.

69. Вилкас Э. Й., Майминас Е. 3. Решения: теория, информация, моделирование. М., Радио и связь, 1981.

70. Лыонг Л. Идентификация систем. Теория для пользователя. — М.: Наука, 1991.-320 с.

71. Цыпкин ЯЗ. Основы информационной теории идентификации. М.: Наука, 1984.-320 с.

72. Токарев В.Л. Структурна идентификация стационарных объектов управления // Алгоритмы и структуры систем обработки информации. Тула: ТулПИ, 1989.-с. 70-75.

73. Эйкхофф П. Основы идентификации систем управления. Оценивание параметров и состояния. Пер. с англ. В.А.Лотоцкого и А.С.Манделя. Под. ред. Н.С.Райбмана, М: Мир, 1975. 684 с.

74. Коршунов Ю.М., Коршунов Ю.М. Математические основы кибернетики. —М.: Энергоатомиздат, 1972.

75. Орлов С.В. Моделирования ситуаций для поддержки принятия решений // Системы управления электротехническими объектами. Вып. 4. Сб.научных трудов четвертой Всероссийской научно-практической конференции. Тула: Изд-во ТулГУ, 2007. С. 7—9.

76. Скофенко А.В. О построении функции принадлежности нечетких множеств, соответствующих количественным экспертным оценкам // Науковедение и информатика. -— Киев: Науковадумка, 1981. — Вып. 22. — С. 70—79.

77. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечёткая логика и искусственные нейронные сети. Учеб. пособие. — М.: Издательство Физико-математической литературы, 2001. — 224 с.

78. Орлов С.В. Метод автоматизации процесса формирования приближенных моделей // Перспективы развития телекоммуникационных систем и информационные технологии: труды междунар. конф. СПб.: Изд-во Политехи, ун-та, 2008. С. 250—254.

79. Акулич И.Л. Математическое программирование в примерах и задачах: Учеб. пособие для студентов эконом, спец. вузов. — М.: Высш. шк., 1986.

80. Андреева Е.В. Еще раз о задачах на полный перебор вариантов. "Информатика", №45, 2000.

81. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. Пер. с англ. — М.: Мир, 1985.

82. Максимов Ю.А, Филлиповская Е.А. Алгоритмы решения задач нелинейного программирования. —М.: МИФИ, 1982.

83. Трауб Дж., Итерационные методы решения уравнений, М.: Мир, 1985.

84. Хейгеман Л., Янг Д., Прикладные итерационные методы, Мир, 1986.

85. Дэннис Дж., Шнабель Р., Численные методы безусловной оптимизации и решения нелинейных уравнений, М.: Мир, 1988.

86. Васильев Ф.П., Численные методы решения экстремальных задач, М.: Наука, 1988.

87. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. — М.: Наука, 1970. — С. 575-576.

88. Методы оптимизации в теории управления: Учебное пособие / И. Г. Черпоруцкий. СПб.: Питер, 2004. - 256 с.

89. Wolfe P. A method of conjugate subgradients for minimizing nondifferentable functions. Math. Programming Study. v3 (1975), pp 145-173.

90. Жиглявский А.А., Жилинкас А.Г. Методы поиска глобального экстремума. —М.: Наука, Физматлит, 1991.

91. Bunday B.D., Basic Optimization Methods, 1984.

92. Айвазян C.A. и др. Прикладная статистика: исследование зависимостей М.: Финансы и статистика, 1985.

93. Самарский А.А., Теория разностных схем, М.: Наука, 1989.

94. Калиткин Н. Н., Литвинцева С. П., Градиентный спуск со случайными шагами. //, Математическое моделирование, Том 9, №7, 1997, с. 63-70.

95. Лукас В.А. Основы фази-управления: Учебное пособие. -Екатеринбург: Изд-во УГГГА, 2000. 62 с.

96. Костенко Ю.Т., Любчик Л.М. Системы управления с динамическими моделями. Харьков: Основа, 1996. — 212 с.

97. Эйкхофф П. Современные методы идентификации систем. — М.,1983.

98. Орлов С.В. Об одном механизме постановки диагноза в экспертной системе медицинской диагностики // Нечеткие системы и мягкие вычисления. Тверь: РИУ ТверГУ, 2007. Т. 2. № 2. С. 41—48.

99. Орлов С.В. Метод повышения точности экспертных систем диагностики // Вестник ТулГУ. Серия. Вычислительная техника. Вып. 1. Тула: Изд-во ТулГУ, 2007 С. 80—83.

100. Оксфордский толковый словарь по психологии / Под ред. А. Ребера. М.,2002.

101. Алексеевская М.А., Недоступ А.В Диагностические игры в медицинских задачах. Вопросы кибернетики. Задачи медицинской диагностики и прогнозирования с точки зрения врача. 1988. N112.

102. Кобринский Б.А. Принципы математико-статистического анализа данных медико-биологических исследований Московский НИИ педиатрии и детской хирургии Минздрава РФ, http://www.matlab.mgppu.rn/book/0055.htm

103. Руанет В.В., Хетагурова А.К. Информационные технологии в медицине. М.: МАКСПресс. 2003.

104. Генкин А.А. О последовательной стратегии Байеса и механизме принятия решений в интеллектуальной системе ОМИС. 1998.http://intels.spb.ru/englishmedinfonTiatiks-2.litml

105. Detmer W.M., Shortliffe Е.Н. Using the Internet to Improve Knowledge Diffusion in Medicine. 1997.http://www-smi.stanford.edu/pubs/SMIReports/SMI-97-0658.pdf

106. Алексеев A.B. Применение методов информатики и компьютерной техники в дифференциальной диагностике аппендицита и аппендикулярной колики. http://arkadyal.chat.ru/programs.htm

107. Бурдаев В.П. Прикладные экспертные системы, основанные на оболочке "ТЕСНЕХР", 2002. http://uacm.kharlcov.ua/eng/index.shtml7eexpert.htin

108. ООО "Админ". Экспертная система "Диагностика коматозных состояний", 1992. http://www.adminru.com/starte.htm

109. Chabat F., Hansell D.M., Guang-Zhong Yang. Computerized Decision Support in Medical Imaging. 1997. http://www.doc.ic.ac.uk/decision-support.pdf

110. А.С. Клещёв, Ф.М. Москаленко, М.Ю. Черняховская. Онтология и модель онтологии предметной области «Медицинская диагностика». Владивосток: ИАПУ ДВО РАН, 2005. 44с. (http://www.iacp.dvo.ru/es)

111. Токарев B.JI. Использование модели состояния пациента в экспертной системе диагностики. // Вестник новых медицинских технологий, Том 1, N2, 1994.-С. 92-95.

112. Абдулкадыров К.М. Клиническая гематология. Справочник. СПБ: Питер, 2007, 448 с.

113. В.Хоффбранд, Дж.Петтит. Гематология. Атлас-справочник. Пер. с англ., под ред. к.б.п. Е.Р.Тимофеевой, М.: Практика, 2007, 408 с.

114. Меньшиков В.В. Лабораторные методы исследования в клинике. Справочник. М.: Медицина, 1988.

115. Литвак Б. Г. Экспертные оценки и принятие решений: учебное пособие / Б. Г. Литвак. М.: Патент, 1996.

116. Список используемых сокращений

117. АСМД — автоматизированная система медицинской диагностики БД — база данных БЗ база знаний БП - базовая переменная

118. ДЛМ — диагностическая лингвистическая модель

119. ИП — информативная переменная1. ИПЗ инженер по знаниям

120. ИРС — интеллектуальные решающие системы1. ИС исследуемая система

121. ИСППР интегрированная СППР

122. ЛЛП — логико-лингвистическое правило

123. ЛМ — лингвистическая модель1. ЛогМ — логическая модель

124. ЛП — лингвистическая переменная

125. J111P лицо, принимающее решение

126. МСЗП — модель состояния здоровья пациента (лингвистическая) НМ — нечетка модель

127. ПИС — программное инструментальное средство ПМ — приближенная модель ПС — программное средство СБА система выбора альтернатив

128. СОПР — система, относительно которой принимается решение

129. СВДР — стадия выработки диагностического решения

130. СППР — система поддержки принятия решений

131. ТФЗ — трудноформализуемая задача

132. ФМ — функциональная модель

133. ФП — функция принадлежности1. ЭС экспертная система

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.