Вероятностные графические модели и алгоритмы обработки нечисловой, неточной и неполной информации для оценки кумулятивного риска

• Автор: Пащенко, Антон Евгеньевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Санкт-Петербург
• Количество страниц: 141 с. : ил.

Оглавление
Оглавление
Введение

Г лава 1. Современное состояние исследуемой области

Введение

§ 1.1. Способы измерения рисков заражения в эпидемиологии

§ 1.2. Методы косвенной оценки интенсивности рискованного поведения и вероятности заражения ВИЧ-инфекцией

§ 1.3. Модель Белла-Тревино

§ 1.4. Оценивание показателей скрытых от непосредственного наблюдения процессов

Глава 2. Получение исходной информации

Введение
§ 2.1. Практическая апробация метода сбора и хранения информации, полученной на естественном языке
§ 2.2. Классы ответов респондентов
§ 2.3. Обобщенная классификация ответов
§ 2.4. Инструкция по экспертной классификации ответов респондентов о последних эпизодах их
участия в рискованном поведении
§ 2.5. Новый инструментарий для получения информации
Глава 3. Обработка информации
Введение
§ 3.1. Гранулярность исходных данных
§ 3.2. Рандомизация величины временного интервала
§ 3.3. Оценка методом максимального правдоподобия
§ 3.4. Арифметизация неопределенности
§ 3.5. Вычислительные процедуры для практической реализации гранулярности исходных данных
§ 3.6. Модель на основе байесовской сети доверия. Байесовские сети доверия и отношение рисков
Глава 4. Компоненты прототипа комплекса программ
Введение
§ 4.1. Структура базы данных
§ 4.2. JSP-сервер удаленного доступа к системе для оценки параметров процессов.
§ 4.3. Автоматизированное рабочее место эксперта для внесения сведений о параметрах процесса
§ 4.4. Интеллектуальная система для поддержки принятия решений экспертов
Заключение
Список литературы
Приложение А. Свидетельства о регистрации программ для ЭВМ
Приложение В. Акты о внедрении

Введение
В настоящее время междисциплинарные многосторонние проблемы получения и обработки информации с различными видами и степенями неполноты, несовершенства и недоопределенности для последующего построения с помощью компьютерных технологий оценок показателей существенных для предметной области процессов являются одними из самых значимых, наличествуют и остаются нерешенными в широком спектре отраслей научных исследований, в том числе таких, как общественное здоровье (public health), эпидемиология, анализ социальных сетей, психология поведения, психология труда, маркетинг и информационная безопасность.
Общий принцип решения таких проблем — построение (зачастую с использованием гибридного подхода), исследование и обработка данных и знаний с неопределенностью с помощью комбинированных методов теории вероятности, статистического анализа данных, компьютерного моделирования, искусственного интеллекта. Существующие способы построения агрегированных показателей, характеристик и индексов на основе рандомизации, необходимой для учета неопределенности доступной информации, с последующим исследованием их свойств методами теории вероятности и математической статистики нуждаются в уточнении и адаптации практически в случае каждого конкретного класса задач предметной области при всех возможных сочетаниях элементов исходной информации.
Не является исключением из этого вывода и задача оценивания показателей скрытых от непосредственного наблюдения процессов (например, таких показателей как кумулятивный риск и относительная частота), о которых доступны в различных сочетаниях лишь сведения об интервалах между небольшим числом последних событий и моментом их регистрации, наблюдения, опроса, а также сведения о некоторых видах интервалов (между последовательными событиями), связанных с особыми порядковыми статистиками: максимальной, минимальной, медианной или другими. Причем такие сведения отличаются нечеткостью, либо, скорее, гранулярностью, поскольку содержатся в совокупности высказываний на естественном языке.

• стационарным (вероятность попадания эпизода поведения в некоторый промежуток одинакова в любой момент времени).
Логико-вероятностный подход к оценке надежности автоматизированных систем управления.
Можаевым А. С. и Рябининым И.А. было разработано множество подходов к автоматизации оценок показателей надежности, живучести и безопасности сложных систем [43, 44]. К ним, в частности, относятся подходы, использующие особые графические представления свойств объектов системы, называемые схемами функциональной целостности [45]. Упомянутые подходы основываются на автоматическом построении функций работоспособности моделируемой системы [46, 73 , 74]. Родственный данному подход представлен в работах Соложенцева Е.Д., согласно которому надежность, безопасность и качество системы может быть количественно представлено с помощью меры риска [77-79].