Приближенные средства установления сходств для ДСМ-метода автоматического порождения гипотез

• Автор: Шашкин, Леонид Олегович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Москва
• Количество страниц: 70 с.

Введение

Глава 1. Задача оптимизации множества ДСМгипотез и возможные пути ее решения

1.1. ДСМметод автоматического порождения гипотез, абдуктивное объяснение как критерий ценности результата

1.2. Методы решения комбинаторных задач, направленный и

случайный поиск

1.3. Генетические алгоритмы и условия их успешного применения

Глава 2. Разработка процедур эволюционного поиска сходств

2.1. Пути преодоления проблем классического генетического алгоритма

2.2. Удаление гипотез в процессе преобразования решений

2.3. Объединение решений как метод передачи информации

2.4. Взаимодействие процедур и выбор значений параметров

Глава 3. Результаты эксперимента и их интерпретация
3.1. Фармакология
3.2. Медицинская диагностика
Заключение
Библиографический список использованной литературы
3 .
Введение


Глава 1. Глава 2. Глава 3. Актуальность темы исследованияДСМмстод автоматического порождения гипотез предоставляет один из способов выявления причинноследственных связей между структурой объекта исследования и его свойствами. Метод представляет собой ориентированную на компьютерные приложения формализацию правдоподобных рассуждений, реализующую синтез познавательных процедур индукции, аналогии и абдукции. ДСМметод успешно применяется в различных областях, в том числе фармакологии, медицинской диагностике, социологии. Рассматривая характеристики объектов, отобранных в качестве обучающих примеров, ДСМсистема устанавливает все возможные сходства. При этом порождается полный список гипотез о возможных причинах наличия либо отсутствия у объектов определенных свойств. Полученное множество гипотез используется самой системой для построения предсказаний. Кроме того, некоторые гипотезы, представляют самостоятельный интерес для исследователя, работающего в соответствующей области, указывая на действительные причины наблюдаемых явлений. Поскольку средства выдвижения гипотез в ДСМметоде представляют собой совокупность переборных алгоритмов, возникают ограничения, связанные с величиной используемых массивов данных. Количество порожденных ДСМсистемой гипотез зависит от особенностей конкретной ситуации количества и вида примеров,, а также настроек алгоритма ДОМметода и в некоторых случаях оказывается чрезмерно большим. В ситуации, когда использование всего множества ДСМгипотез становится невозможным изза его необозримости при работе с ним эксперта, либо вычислительных проблем в рамках самой ДСМсистемы, приобретает практическую значимость приближенный подход, позволяющий перейти к подмножеству небольшой мощности. Ограничения, связанные, с требованием1 минимизации потерь при отсеивании посторонних гипотез,, приводят к необходимости решения задачи оптимизации. Детерминированные и стохастические методы решения оптимизационных задач обладают своими достоинствами и недостатками. Объединить преимущества направленного и случайного поиска способны эволюционные алгоритмы. При этом для максимально полного использования их возможностей необходима модификация и настройка алгоритма с учетом особенностей решаемой задачи. В связи с тем, что оптимизация множества ДСМгипотез в качестве области применения эволюционных методов ранее не рассматривалась, проблема адаптации механизма эволюционного поиска для решения указанной задачи представляет научное и практическое значение, что и определило актуальность выбранной темы исследования. Целью работы является разработка алгоритма, реализующего приближенные средства выбора оптимального множества ДСМгипотез. Предметом диссертационного исследования являются алгоритмы решения комбинаторных задач. Основными методами решения поставленных задач являются анализ принципов работы различных оптимизационных алгоритмов, тестирование алгоритмов с использованием данных из различных предметных областей. ДСМгипотез. ДСМметода. Апробация работы. КИИ сентября г. Тверь, Россия. Публикации. По теме диссертационного исследования опубликовано 6 работ, среди которых 3 работы в ведущих рецензируемых научных журналах, рекомендованных ВАК. Структура диссертационного исследования. Диссертационная работа состоит из введения, трех глав, заключения и библиографического списка использованной литературы.