Искусственные нейронные сети в комплексном решении медико-биологических проблем

• Автор: Руанет, Виктор Вадимович
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2007
• Место защиты: Тула
• Количество страниц: 220 с. : ил.

СПИСОК ИСПОЛЬЗОВАННЫХ СОКРАЩЕНИЙ

ii i полиморфизм случайно амплифнциропанных фрагментов ДНК

I I i полиморфизм межмикросателли гных последовательностей

хромосомы спутничные хромосомы.

ii Мар самоорганизующиеся карты признаков сеть Кохонена.

i i i ii v метод невзвегиепного попарного арифметического среднего

БНС биологические нейронные сети

ГХ гетерохроматический

ИНС искусственная нейронная сеть

ИС интеллектуальные системы

КИТ компьютерных информационных технологий

МСП многослойный перест рой
IIИТ нейроинформационные технологии
НСТ нейросетевые технологии
IIII программный продукт
НИР процедураы принятия решенияй
СИПР системаы поддержки принятия решенияй
ЭС экспертная система
ВВЕДЕНИЕ


В отличие от ЭС, которые могут дать пользователю определенный ответ, соответствуют или нет рассматриваемые характеристики характеристикам, заложенным в базе правил, нейросеть проводит анализ информации и предоставляет пользователю возможность оценить, согласуются ли анализируемые данные с характеристиками, которые ома научена распознавать. Калан Р. Рыбина Г. Нейроинформатика история, предмет и основные этапы развития. С самого начала компьютерной эры в середине XX века обозначились две линии развития компьютеров, две ветки технологической эволюции рис. Первая, до сих пор безусловно доминировавшая линия фон Неймана, эксплуатирует доказанную Тьюрингом еще в е годы прошлого века возможность выполнения сколь угодно сложных вычислений с помощью простейших вычислительных устройств, которые обрабатывают информацию последовательно, шаг за шагом. Тта базовая идея последовательной обработки символов, описывающих ход вычислений по заданному алгоритму, лежит в основе всех современных вычислительных машин. Сами алгоритмы вычислений задаются извне программистами, а компьютер является, по сути, не более чем аккуратным исполнителем Круглов В. В., Борисов В. В. Широков. Ф.В. Шумский С. Л. 0 Уоссермен Ф. М. , . Между тем, уже на заре компьютерной эры была предложена альтернативная, полностью параллельная архитектура обработки информации по образу и подобию биологических нейронных систем нейрокомпьютинг. Датой рождения этой науки принято считать год, в котором появилась статья МакКаллока и Питтса о вычислениях в сетях формальных нейронов. В статье было показано, что такие сети могут вычислить любую задачу, доступную машине Тьюринга . Однако способ программирования нейронных сетей долгое время оставался загадкой. Ф. Розенблатт нашел основную идею, легшую в основу нейрокомпьютиига структура сети должна, как и в живых организмах, формироваться путем обучения на примерах Розенблат Ф. Таким образом, задача нейропрограммистов обеспечить способность сети к обучению, заложить в нес единственный алгоритм обучения, а далее структура сети формируется самостоятельно иод воздействием примеров, характеризующих ту или иную задачу, которую сети предстоит обучиться решать. Ф. Розенблатт предложил такой алгоритм, но лишь для одного нейрона или одного слоя нейронов. I
. Рис. Эволюция последовательной фон Неймановской и параллельной сетевой компьютерных архитектур. В х годах XX века появился, наконец, алгоритм обучения многослойных нейросетей, позволивший решать широкий класс прикладных задач Галушкин А. И. Горбань А. Н. Каллан Р. С. и другие. Несколько десятилетий назад было положено начало исследованиям методов обработки информации, называемых сегодня нейросетевыми. Сегодня исследования в области искусственных нейронных сетей обрели заметную динамику. Распространение нейроинформатики сродни той информационной революции, которую произвели персональные компьютеры одной важнейшей особенностью переходом от элитных высот к профанным техникам. Горбань , Россией Д. А. Круглов В. В., Борисов В. В. Думский С. А. ХехтНильсен Р. Применение программных продуктов, связанных с моделированием и созданием искуссгвенных нейронных сетей возможно в медикобиологических исследованиях, военной и финансовой сферах, технике, где искусственные нейронные сети традиционно и с успехом применяются для решения любой задачи классификации или прогноза. Стоит отметить, что в литературе приведены доказательства тою, что для любого алгоритма существует нейронная сеть, которая его реализует. Но особенно искусственные нейронные сети эффективны там, где нужно подобие человеческой интуиции для распознавания образов, процедур принятия решений, в частности постановки диагноза, перевода с одного естественного языка на другой, постановке диагноза и т. Горбань А. Н., Россиев Д. А. Ежов А. Чсчеткин В. Круглов В. В., Борисов В. В. Тарков М. С. и др. Терехов С. А. М. А. i С. Нейрокомпьютинг полностью параллельная архитектура обработки информации по образу и подобию биологических нейронных систем. На рис. ЭВМ и Нейрокомпьютерами. Нейрокомпьютеры отличаются от ЭВМ предыдущих поколений не просто большими возможностями. Принципиально меняется способ использования машины. Место программирования занимает обучение, нейрокомпьютер учится решать задачи.