Содержание к диссертации
ВВЕДЕНИЕ 5
1. ГЛАВА 1. ОБЗОР 10
1.1. Выбор модели 12
/. /. /. Формальное описание задачи идентификации поведения органичной системы в экстренных
ситуациях. 12
Линейные регрессионные модели 13
«Внутренне» линейные нелинейные модели 16
Структурные уравнения регрессии 17
Нейросетевая модель 19
Выводы 45
1.2. Обзор прототипов 47
' 1.2.1. Классификация нейропакетов 47
Критерии выбора нейропакета 55
Выводы 55
1.3. Цель работы и задачи 56
2. ГЛАВА II. ФОРМАЛЬНАЯ МОДЕЛЬ АВТОМАТИЗАЦИИ ПРОЦЕССА ДИАГНОСТИКИ
ОСТРЫХ ОТРАВЛЕНИЙ 57
2.1. Процедура получения данных 58
Получение общего списка параметров 58
Процедура выявления значимых параметров 59
. - 2.1.3. Процедура формирования классов поведения системы 60
'2.1.4. Процедура разбиения выборки 61
Процедура заполнения пробелов данных 61
Ввод вектора параметров 64
Ввод обучающих данных 65
2.2. Анализ фрагмента поведения органичной системы 65
2.2.1. Структурная оптимизация 66
Параметрическая оптимизация нейронной сети 67
Параметрическая оптимизация нейронной сети по неравномерным данным 68
Параметрическая оптимизация нейронной сети по данным, характеризующимся стохастической неопределенностью 69
2.2.5. Прямой режим функционирования нейронной сети 71
' 2.2.6. Выход из локальных минимумов 71
Имитация отжига 72
Стохастическое изменение весов 73
Процедура коррекции весов 74
Интерпретация результата анализа фрагмента поведения органичной системы 76
Общий алгоритм функционирования модели 77
Режим обучения 77
Рабочий режим функционирования модели 79
Контрольный пример работы модели 80
Методика расчета эффективности 83
Оценка временных характеристик 83
Оценка точности идентификации 84
2.7. ВЫВОДЫ К ГЛАВЕ II 85
3. ГЛАВА III. АЛГОРИТМ ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ 86
3.1. ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ 86
Информационные структуры 86
Выбор среды разработки 89
3.2. Основные алгоритмы 92
Общий алгоритм работы автоматизированной системы 92
Алгоритм работы модульной НС FeedForward 93
Алгоритм обучения по данным, характеризующимся стохастической неопределенностью DeFuzzy 94
Алгоритм обучения по неравномерной выборке 95
Алгоритм структурной оптимизации нейронной сети 100
Алгоритм линейной аппроксимации вектора 101
Алгоритм усреднения между результатами сетиХопфилда илинейной аппроксимации 103
Алгоритм работы нейронной сетиХопфилда 103
Алгоритм параметрической оптимизации нейронной сети Хопфилда 106
3.3. ВЫВОДЫ К ГЛАВЕ III 109
4. ГЛАВА 4. АПРОБАЦИЯ МОДЕЛИ НА РЕШЕНИИ ПРАКТИЧЕСКОЙ ЗАДАЧИ
ДИАГНОСТИКИ ОСТРЫХ ОТРАВЛЕНИЙ ХИМИЧЕСКИМИ ВЕЩЕСТВАМИ 110
Общая характеристика системы ПО
Оценка эффективности работы системы «Дефиниция» 118
Оценка показателей эффективности автоматизированной системы 118
Оценка показателя эффективности системы DEFITOX. 120
Сравнительная характеристика показателей качества системы «Дефиниция» и DEFITOX.. 120
Контрольный пример работы системы 122
Выводы к главе IV 127
ЗАКЛЮЧЕНИЕ 129
ЛИТЕРАТУРА 131
ПРИЛОЖЕНИЕ 1. СИМПТОМЫ 144
ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
Введение к работе
Актуальность темы. В настоящее время существует ряд задач, в рамках которых требуется в кратчайшие сроки установить причину нарушения функционирования системы и принять решение в экстренной ситуации. Одной из таких задач является задача идентификации внешнего воздействия на основании информации о поведении динамической системы. Данная задача широко распространена в технике, промышленной экологии и экономике. В частности в промышленной экологии это задача экстренной идентификации внешних воздействий на основании информации о поведении органичной системы.
Проблема идентификации и распознавания образов в течение продолжительного времени привлекает внимание специалистов в области математики, кибернетики и т.д. Существенный вклад в становление и развитие данного направления внесли Л. Льюинг, Р. Фишер, А.Н. Колмогоров, А.Я. Хинчин и др.
Эффективность решения задачи экстренной идентификации внешних воздействий на основании информации о поведении органичной системы зависит от степени ее сложности, характера имеющейся о ней информации, адекватности используемой модели сложной динамической системы. Однако, доступная информация и уровень формализации таких предметных областей, как промышленная экология, зачастую таковы, что не могут составить основу для синтеза математической модели, отвечающей классическим математическим и математико-физическим канонам и допускающей изучение классическими аналитическими или численными методами.
Имеющиеся на сегодняшний день методики автоматизации процесса идентификации внешнего воздействия на основании информации о поведении системы охватывают лишь узкий класс динамических систем, характеризуемых небольшим параметрическим множеством и, как правило, имеющих математическую модель. В принципе, математическая модель,
может быть построена, однако ее синтез и изучение связаны с такими затратами, что они существенно превышают выигрыш, приносимый искомым решением, кроме того, выходят за пределы существующих технических возможностей.
В связи с распространением химической загрязненности окружающей среды постоянно возрастает возможность отравления человека. Рост количества случаев смертельных отравлений связан с возрастающими темпами химизации сельского хозяйства, ростом промышленности, а также в связи с новой угрозой обществу - химическим терроризмом. Если отравления деструктивными ядами и используемыми в быту природными газами, как правило, не представляют диагностических трудностей, то отравления прочими классами химических веществ часто связаны со сложностью в распознавании, а по данным Волгоградского областного токсикологического центра подобные отравления составляют около 40%. Это, в свою очередь, осложняет выбор эффективной тактики лечения, а в некоторых случаях затрудняет судебно-медицинское освидетельствование. Кроме того, в случаях массовых отравлений, своевременное распознавание этиологического фактора заболевания представляет ценность в аспекте локализации очага путем предупреждения новых поражений, устранением контакта с ядом или воздействием на динамику патологического процесса.
Модели и методы, применяемые для идентификации внешних воздействий на основании информации о поведении технических систем, не подходят для идентификации внешних воздействий на основании информации о поведении органичных систем, т.к. последние обладают рядом специфических свойств. Согласно В. Н. Спицнаделю органичная система есть саморазвивающееся целое, которое в процессе своего индивидуального развития проходит последовательные этапы усложнения и дифференциации. К классу органичных систем относятся биологические, социальные и некоторые другие системы с последействием. Такие характеристики органичных систем как динамическое изменение структуры, тесная
взаимосвязь между элементами системы, целенаправленность, наличие компенсационных механизмов и некоторые другие делают органичные системы наиболее сложными и определяют отличия в идентификации их поведения по сравнению с идентификацией поведения технических систем.
Применение аппарата искусственных нейронных сетей снимают многие описанные проблемы. Существенных вклад в становление и развитие данного направления внесли Розенблатт Ф., Хебб Дж. К настоящему времени нейросетевым методам посвящены многочисленные работы, среди которых основополагающими являются работы: А.Н. Галушкина, А.Н. Горбань, Ф. Уоссермен и многих др. Однако возникают проблемы при использовании экспертных знаний, представленных в виде лингвистических переменных, а также при обучении по неравномерной выборке, особенно в динамических задачах. Таким образом, задача экстренной идентификации внешних воздействий на основании информации о поведении органичной системы актуальна и требует решения.
Цель работы состоит в повышении эффективности экстренной идентификации внешних воздействий на основании информации о поведении органичной системы. Для достижения данной цели были поставлены и решены следующие задачи:
Исследование современных средств, методов и моделей автоматизации процесса экстренной идентификации внешних воздействий на основании информации о поведении органичной системы.
Разработка методики автоматизации экстренной идентификации внешних воздействий на основании информации о поведении органичной системы.
Реализация автоматизированной системы экстренной идентификации внешних воздействий на основании информации о поведении органичной системы.
Испытание автоматизированной системы на примере практической задачи диагностики острых отравлений человека химическими веществами.
Методы исследования. Для решения поставленных задач были использованы методы системного анализа, искусственного интеллекта, аппарата искусственных нейронных сетей, теории проектирования реляционных баз данных.
Научная новизна. Разработана методика решения задачи экстренной идентификации внешних воздействий на основании информации о поведении органичной системы на основе аппарата искусственных нейронных сетей, включающая в себя:
Построенную формальную модель процесса экстренной идентификации внешних воздействий на основании информации о поведении органичной системы, отличающуюся учетом особенностей органичных систем, что развивает применение методов автоматизации идентификации внешних воздействий на основании информации о поведении технических систем.
Разработанную нейросетевую структуру и метод обучения нейронной сети, отличающиеся возможностью обучения по неравномерной выборке и данным, характеризующимся стохастической неопределенностью, что позволяет вести обучение по информации, полученной не только экспериментально, но и извлеченной из знаний экспертов и литературных источников.
Разработанную базу знаний по острым отравлениям химическими веществами, включающую в себя более 50 правил, описывающих клинические картины отравлений ядами, по интоксикации которыми отсутствуют экспериментальные данные.
Практическая ценность полученных результатов. Построена автоматизированная система диагностики острых отравлений химическими веществами «Дефиниция». На основе разработанной системы ведется разработка по государственному заказу системы синдромальной диагностики острых отравлений для случаев химического терроризма.
Реализация и внедрение результатов. Система была внедрена в ФГУП НИИ гигиены, токсикологии и профпатологии при Министерстве здравоохранения и социального развития РФ.
Апробация работы. Основные положения диссертации докладывались на научных семинарах кафедры, а также на международных и всероссийских научных и научно-практических конференциях: «Информационные технологии в образовании, технике и медицине» (Волгоград, 2000 и 2002), Искусственный интеллект в XXI веке (Москва 2001), Нейроинформатика и ее приложения (Красноярск 2001), Нейрокомпьютеры и их применение (Москва 2002), Экология и развитие общества (Санкт-Петербург 2003), Нейросетевые технологии и их применение (Краматорск, Украина 2003, 2004), Системные проблемы надёжности, качества, информационных и электронных технологий (Сочи 2004), Научно-технические аспекты обеспечения безопасности при уничтожении, хранении и транспортировке химического оружия (Москва 2004), Разработка и принятие решений по снижению последствий для здоровья населения при террористических актах с применением опасных веществ (Волгоград 2002), IV,V,VI,VII Региональные конференции молодых исследователей Волгоградской области (Волгоград 2000,2001,2002,2003).
Публикации. По теме диссертации опубликовано 18 печатных работ, в то числе 2 публикации в издании центральной печати, 5 тезисов докладов, 3 статьи в сборниках научных трудов, 1 статья в сборнике трудов международного конгресса, 2 статьи в сборниках трудов симпозиумов, 5 статей в сборниках всероссийских и международных конференций.
Структура и содержание диссертационной работы. Диссертационная работа состоит из введения, четырех глав, заключения, 2-х приложений и списка литературы. Общий объем диссертации 165 страниц, 28 рисунков, 13 таблиц, список использованной литературы из 105 наименований.
Автор выражает глубокую благодарность д.м.н., Б.Н. Филатову за оказанные консультации по вопросам диагностики острых отравлений.
