Введение к работе
Актуальность темы исследования. Технология нечеткого логического вывода нашла широкое применение для решения задач машинного обучения, или обучения по прецедентам, основанных на обнаружении закономерностей в эмпирических данных, идентификации неизвестных зависимостей. Выгодные преимущества нечетких продукционных систем обусловлены тем, что, с одной стороны, они являются универсальными аппроксиматорами, а с другой - позволяют формализовать неизвестную зависимость в виде базы правил типа «если-то» с понятным человеку механизмом нечеткого логического вывода.
Основные трудности при использовании нечетких продукционных систем для решения задач машинного обучения (задач распознавания образов, классификации, восстановления неизвестных зависимостей, прогнозирования) обусловлены необходимостью проведения их структурной и параметрической идентификации. Традиционно исходный набор нечетких продукционных правил формулируется в процессе длительных собеседований с экспертами и может оказаться неполным, неточным или противоречивым. Экспертам также свойственна субъективность в выборе параметров функций принадлежности (ФП) термов лингвистических переменных (ЛП) в высказываниях нечетких правил, а также существенные трудности при идентификации систем с большим количеством входов. Затем полученная начальная система настраивается (параметрически оптимизируется) в процессе обучения по прецедентам, определяя суть адаптивных нечетких систем. При этом особый интерес многих исследователей вызывают адаптивные нечеткие системы, имеющие автоматические процедуры извлечения знаний в процессе анализа имеющихся эмпирических данных, полученных в процессе наблюдений, и исключающие участие экспертов в процессе идентификации.
Исследованиям в этой области посвящены работы ученых С. Осовского, В.В. Борисова, В.В. Круглова, А. Пегата, Ж.-С. Янга (J.-S. Jang), Ф. Херреры (F. Herrera), М. Гупты (М. Gupta), Ч. Kappa (Ch. Karr), М. Лозано (М. Lozano), Ж. Ка-силаса (J. Casillas), Ченг-Ян Лина (Cheng-Jian Lin), Е. Мамдани (Е. Mamdani), М. Сугено (М. Sugeno), К. Танаки (К. Tanaka), Л. Ванга (L. Wang) и др. К настоящему моменту не существует какого-либо одного общепризнанного метода идентификации и оптимизации нечетких систем, поэтому актуальной задачей является разработка и поиск новых, более эффективных методов, что особенно важно для частичной или полной автоматизации решения сложных профессиональных задач в различных прикладных областях человеческой деятельности.
Так в силу повсеместной информатизации перспективной областью применения адаптивных нечетких систем является решение одной из фундаментальных проблем медицины, заключающейся в повышении эффективности и безопасности терапии с помощью лекарственных средств различных заболеваний посредством точной оценки границ диапазона индивидуальных эффективных доз на основе накопленных эмпирических данных, отражающих опыт проведения терапии и, как правило, характеризующихся разнородностью и неполнотой (в частности, наличием пропусков). Возникающие при этом задачи оценки границ диапазона индивидуальных эффективных доз, оценки исходов терапии можно представить как
задачи обучения по прецедентам, эффективность решения которых с помощью адаптивных нечетких систем дополнительно обеспечивается автоматическим вербальным учетом влияния многих признаков по сравнению с традиционно применяемыми расчетными методами определения индивидуальных доз, учитывающими влияние весьма ограниченного количества признаков и зачастую приводящими к передозировкам лекарственными препаратами.
Целью диссертационной работы является разработка методов структурно-параметрического синтеза адаптивных нечетких систем на основе эмпирических данных с учётом их возможной разнородности и наличия пропусков, а также оценка эффективности разработанных методов при решении практических задач, в частности, задачи оценки индивидуальных лекарственных доз.
В соответствии с целью в диссертации поставлены следующие задачи:
Предложить методы структурно-параметрической идентификации и параметрической оптимизации адаптивных нечетких систем на основе эмпирических данных без участия экспертов. Методы должны учитывать специфику доступных эмпирических данных, обусловленную их разнородностью (наличием количественных и категориальных признаков) и наличием пропусков.
Разработать алгоритм автоматического отбора информативных признаков синтезируемых адаптивных нечетких систем с целью уменьшения их структурной сложности.
Создать программную систему, реализующую предложенные методы и алгоритмы. Оценить их эффективность при решении прикладных задач.
Разработать метод оценки индивидуальных лекарственных доз, сводящийся к решению комбинации задач машинного обучения с помощью предложенных методов синтеза адаптивных нечетких систем, и оценить его эффективность.
Методы исследования. Работа базируется на методах мягких вычислений (нечеткая логика, искусственные нейронные сети, генетические и иммунные алгоритмы и их гибридные модификации), кластеризации эмпирических данных, математической статистики, баз данных и объектно-ориентированного программирования.
Научная новизна работы состоит в следующем:
Разработан метод структурно-параметрической идентификации нечеткой системы TSK0 на основе эмпирических данных. Метод основан на модификации алгоритма кластеризации эмпирических данных в процессе конкурентного обучения сети Кохонена. В отличие от известных методов, разработанный метод обеспечивает обработку пропущенных значений признаков в элементах обучающей выборки.
Разработан алгоритм параметрической оптимизации нечеткой системы TSK0. Алгоритм основан на объединении преимуществ иммунного алгоритма клональной селекции и метода роя частиц. В отличие от известных алгоритмов, в разработанном алгоритме применяется усовершенствованная стратегия воспроизводства кандидатов на оптимальное решение с помощью гибридного иммунного
оператора гипермутации и введенного оператора улучшения аффинитета популяции. Предложена параллельная реализация разработанного алгоритма.
Предложен алгоритм автоматического отбора информативных признаков синтезируемых нечетких систем с целью снижения их структурной сложности. Алгоритм основан на ранжировании признаков по убыванию значений коэффициентов их относительной значимости. В отличие от известных алгоритмов, разработанный алгоритм предполагает вычисление коэффициентов относительной значимости признаков на основе оценок обобщающей способности вспомогательных систем TSK0, синтезируемых с помощью разработанных методов.
Разработан метод оценки индивидуальных лекарственных доз по значениям индивидуальных признаков пациента. Показано, что оценка индивидуальных лекарственных доз сводится к поэтапному решению задач обучения по прецедентам (восстановления неизвестных зависимостей и классификации) с помощью разработанной методологии синтеза адаптивных нечетких систем TSK0. В отличие от известных подходов, разработанный метод обеспечивает более высокую точность оценки величины индивидуальной эффективной дозы.
Практическая значимость и ценность работы заключается в создании программной системы для решения задач машинного обучения с помощью нечеткой системы TSK0, синтезируемой из эмпирических данных с использованием разработанных методов, а также для оценки индивидуальных лекарственных доз при лечении различных заболеваний.
Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на итоговой научной конференции учебно-научного инновационного комплекса «Модели, методы и программные средства» (Нижний Новгород, 2007 г.), конференциях «Технологии Microsoft в теории и практике программирования» (Нижний Новгород, 2006, 2007, 2008, 2009 гг.), Всероссийском конгрессе «Современные технологии в эндокринологии (тиреои-дология, нейроэндокринология, эндокринная хирургия)» (Москва, 2009 г.), Всероссийской научно-практической конференции с международным участием «Высокотехнологичные методы диагностики и лечения заболеваний сердца, крови и эндокринных органов» (Санкт-Петербург, 2010 г.), а также на семинарах кафедры математического обеспечения ЭВМ и кафедры информатики и автоматизации научных исследований факультета ВМК ННГУ.
Реализованный в рамках прикладной программной системы метод оценки индивидуальных лекарственных доз прошел апробацию и внедрен в практическую деятельность радиоизотопной лаборатории МЛПУ «Городская больница № 13» г. Н. Новгорода (имеется акт о внедрении), что позволило повысить эффективность и безопасность радиойодтерапии (РИТ) болезни Грейвса (БГ).
Публикации. По теме диссертации опубликовано 12 печатных работ, из них 3 статьи в ведущих рецензируемых журналах из списка ВАК РФ. Получен 1 патент РФ на изобретение. Список публикаций приведен в конце автореферата.
Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложения. Общий объем рабо-
ты составляет 149 страниц, включая 26 рисунков и 13 таблиц. Список литературы включает 139 наименований.
