logo
  1. Bosh sahifa
  2. Diplom ishlar
  3. Umumiy
  4. Tibbiy soha ekspert tizimlari bilimlar bazasini yaratishda sust strukturali ma’lumotlarni qayta ishlash

Tibbiy soha ekspert tizimlari bilimlar bazasini yaratishda sust strukturali ma’lumotlarni qayta ishlash

Yuklangan vaqt:

12.08.2023

Ko'chirishlar soni:

0

Hajmi:

1211.673828125 KB
Ko'chirib olish
Tibbiy soha ekspert tizimlari bilimlar bazasini yaratishda sust strukturali ma’lumotlarni qayta ishlash Mundarija KIRISH ..................................................................................................................................................... 2 I-BOB BIOLOGIYA VA TIBBIYOTDA EKSPERT TIZIMINING BILIMLAR BAZASINI YARATISH UCHUN TURLI METODOLOGIYALARDAN FOYDALANISHNING ANALITIK SHARHI ........................................................... 6 1.1 Intellektual tibbiy tizimlar ............................................................................................................. 6 1.2 Biotibbiy tadqiqotlarda ekspert tizimlarini qo'llash ...................................................................... 7 1.3 Ekspert tizimini yaratish uchun bilim olish usullari ..................................................................... 12 II - BOB EKSPERT TIZIMINING TIBBIY BILIMLAR BAZASINI TUZISH UCHUN MA'LUMOTLARGA ISHLOV BERISH .................................................................................................................................................. 20 2.1 Ekspert tizimining bilimlar bazasini yaratish uchun ma'lumotlarga ishlov berish algoritmi ........ 20 2.2 Tadqiqot muammosini aniqlash .................................................................................................. 23 2.3 Ma’lumotlar bog’liqlik modelini qurish ....................................................................................... 29 2.4 Bilimlar bazasini ifodalash ........................................................................................................... 38 III - BOB NAFAS OLISH ORGANLARI EKOLOGIYA VA ISHLAB CHIQARISH BILAN BOG'LIQ KASALLIKLARI MISOLIDA EKSPERT TIZIMINING BILIMLAR BAZASINI YARATISH ........................................................... 58 3.1 Nafas olish tizimi kasalliklarida mikroelementlarning buzilishini nazorat qilish analitik hisoblash masalasi. ........................................................................................................................................... 58 3.2 Nafas olish kasalliklari ekspert tizimini yaratish uchun diagnostikaning ahamiyati .................... 60 3.3 Nafas olish tizimining ekologik va sanoat tomonidan kelib chiqadigan kasalliklari misolida ekspert tizimining bilimlar bazasini yaratish uchun analitik nazorat hisobi ...................................... 66 XULOSA ................................................................................................................................................. 85 FOYDALANILGAN ADABIYOTLAR RO‘YXATI ........................................................................................... 87 1 KIRISH Mavzuning asoslanishi va uning dolzarbligi. Hozirgi vaqtda zamonaviy mutahasislarni qo’llab quvvatlashga qaratilgan tibbiy qaror qabul qilish tizimlarida tahlil qilinga axborot bilan ta'minlash darajasini oshirishga qaratilgan ko'plab turli xil tizimlar ishlab chiqilgan. Bular yashirin qonunyatlarni ochib beruvchi ma'lumotlarni intellektual qidirish tizimlari; kompyuter simulyatsiya tizimlari; muayyan fan sohalarida ekspertlar bilimlarini va qaror qabul qilish tajriba natijalariga asoslangan ekspert tizimlari va taklif qilingan to'plamdan eng yaxshi yechimni tanlashga yordam beradigan tizimlar. Tahlil va qaror qabul qilishni qo'llab-quvvatlash murakkab bo'lgan iqtisodiy, biologik, tibbiy va boshqa muayyan fan sohalari muammolariga xos sust shakllangan ma'lumotlarni ham miqdor, ham sifat jihatidan interpritatsiya, diagnostika va prognozlashni taqdim etish mumkin. Bundan tashqari, ma’lumotlarni tahlil qilish va yechimlarni ishlab chiqishdan oldin, modelni formallashtirsh (asosiy omillarni, ular o'rtasidagi munosabatlarni va ba'zi omillarning boshqalarga ta'sirining kuchini aniqlash) amalga oshirilishi kerak. Sust shakllangan sohalarda bu jarayon ekspertlar bilan yaqin aloqada bo'lishi kerak va muayyan fan sohalari uchun bunday ishlar kompyuter qo'llab- quvvatlashini amalga oshirish zarur. Sust shakllangan ma'lumotlar bilan ishlashga mo'ljallangan tizim ekspertlari bilan ishlashda, ishlab chiqilgan foydalanuvchi interfeysi, bilimlar bazalarini tahrirlash va sozlash vositalari, shuningdek, qaror qabul qilishning butun jarayonini vizuallashtirish, natijani tahlil qilish, uni talqin qilish va tushuntirish, baholash va qaror qabul qilishning turli usullarini hisobga olish zarur. Ushbu talablarga javob beradigan tizim arxitekturasi hozirgi vaqtda tez rivojlanish bosqichida, shuning uchun bunday tizimdan foydalanish kompleks sohalarini o'rganish uchun kengroq analitik imkoniyatlarni ochib beradi. Shu sababli mazkur magistrlik dissertatsiya biologiya va tibbiyotda sust shakllangan sohalar bo'yicha kompleks ekspert qarorlarini qo'llab-quvvatlash tizimi bilimlar bazasini yaratish metodologiyasini ishlab chiqishni o’rganishga bag'ishlanadi. 2 Tadqiqot ob’yekti va predmeti. Tadqiqodning ob’yekti atrof-muhit va sanoat sabab bo'lgan nafas olish kasalliklari misolida odamlarda mikroelement buzilishlar sohasi bo’lib, predmeti esa zamonaviy qaror qabul qilishda kompyuter yordamini ta'minlaydigan ekspert tizimini yaratishdan iborat. Tadqiqotning maqsadi va vazifalari. Ishning asosiy maqsadi inson nafas olish organlarining ekologik va ishlab chiqarish bilan bog'liq kasalliklari misolida ekspert tizimining bilimlar bazasini yaratish uchun dasturiy modulni ishlab chiqishdan iborat. Yaratilgan dasturiy moduldan sust shakllangan axborotni modellashtirish uchun ekspert tizimlarini qurish tamoyillarini aniqlash, inson nafas olish organlarining ekologik va ishlab chiqarish kasalliklari bo'yicha odamlarda mikroelementlar buzilishining dastlabki ma’lumotlar bazasi tuzilmasini yaratish uchun mutaxassislardan bilim olishning usullarini aniqlash va ekspert ma'lumotlariga ishlov berish usullarini aniqlash, inson nafas olish organlarining ekologik va ishlab chiqarish kasalliklari misolida odamlarda mikroelementlar buzilishining ekspert tizimining bilimlar bazasini yaratish uchun ma'lumotlarni tahlil qilishning mavjud usullari va sust shakllangan formallashtirilgan ma'lumotlardan bilim olish usulini o'rganish esa ishning vazifasi hisoblanadi. Tadqiqotning ilmiy yangiligi. Magistrlik dissertatsiyasida olingan natijalar ilmiy-amaliy xarakterga ega bo lib kelishilgan jamoaviy qaror asosidaʻ mikroelementlar bo‘yicha inson nafas olish organlarining ekologik va ishlab chiqarish bilan bog‘liq ekspert tizimlari respirator kasalliklar diagnostikasi bo‘yicha dastlabki ma’lumotlar bazasi tuzilmasini aniqlash maqsadida ekspert so‘rovini o‘tkazish tartibi taklif etildi va moslashtirildi, konstruktiv mantiqning algebraik modeli kontekstini hisobga olgan holda tibbiy va biologik ma'lumotlarni tahlil qilish taklif qilindi. Tadqiqotning asosiy masalalari va farazlari. Magistrlik dissertatsiyasida asosan quyidagi bosqichlar amalga oshiriladi. Ishda qo yilgan masalani yechish algoritmini tuzish va dasturiy modulini ʻ yaratish bunda: 3 1. Nazariy va loyihalash bosqichi o‘rganilayotgan masala bo‘yicha adabiyotlarni tahlil qilish, zamonaviy yondashuvni tizimlashtirish va umumlashtirishni o‘z ichiga oladi. Bu davrda tadqiqotning asosiy uslubiy xarakteristikalari aniqlanadi, ish reja va model ishlab chiqiladi. 2. Eksperimental bosqich o'rganilayotgan jarayonni diagnoz qilishni ishlab chiqish, tadqiqotning dasturiy qismini amalga oshirish va tadqiqot natijalarini tibbiyot muassasalari amaliyotiga joriy etish. 3. Yakuniy bosqich ekspert tizimining natijalarini tekshirish va aniqlashtirishni o'z ichiga oladi. Adabiyotlar sharhi va tahlili. Ilmiy tadqiqotni olib borish jarayoni va dissertatsiya ishini yozishda foydalanilgan adabiyotlarning tahlilini keltiramiz. [1]–[14] adabiyotlardan mavzuning dolzarbligi uchun foydalanildi va [1]–[22] adabiyotlardan esa ekspert tizimlarini amaliy tatbiqlari haqidagi asosiy tushunchalar olindi. [22] – [32] adabiyotlardan I bobda keltirilgan ma'lumotlarni bayon qilishda foydalanildi. [4] – [19] adabiyotlardan ishda tadqiq qilingan masalalarning algoritmlarini tuzishda foydalanildi. Dissertasiyada olingan natijalar [55] – [56] adabiyotlarda e'lon qilingan. [47] – [54] adabiyotlardan esa dasturiy modulni yaratishda foydalanildi. Tatqiqot usullari. Ushbu magistrlik dissertatsiyasida konstruktiv mantiqning algebraik modeli algoritmidan foydalanib ekspert tizimlarining bilimlar bazasini yaratish masalasini yechish da foydalanildi . Tatqiqotnig nazariy va amaliy ahamiyati. Ishda erishilgan natijalar amaliy ahamiyatga ega bo lib, nazariy ma’lumotlar bilan mos keladi va undaʻ qo llanilgan usullar va yaratilgan dasturiy moduldan ʻ turli tibbiyot muassasalari mutahasislarini ishlarini yengillashtirishda foydalanish mumkin. Dissertatsiyaning tuzilishi. Ushbu ish kirish, uch bob, xulosa, foydalanilgan adabiyotlar ro yxatidan iborat. ʻ I bob 4 ta paragrafdan iborat bo lib, unda olingan natijalarni bayon ʻ qilishda zarur bo lgan asosiy tushunchalar: ʻ biologiya va tibbiyotda ekspert tizimining bilimlar bazasini yaratish uchun turli usullardan foydalanishning 4 analitik tasnifi, tibbiyot tizimlarini intellektuallashtirish, biotibbiy tadqiqotlarda ekspert tizimlarini qo‘llash, ekspert tizimini yaratish uchun bilimlarni egallash usullari, tibbiy ekspert tizimlari sohasidagi ishlanmalar holati h aqida ma’lumotlar berilgan. II bobda ishga oid ekspert tizimining tibbiy bilimlar bazani tuzish uchun ma'lumotlarga ishlov berish usuli, mutaxassisning bilim bazasini yaratish uchun ma'lumotlarga ishlov berish algoritmi tizimlari, kontseptual modelni yaratish, bilimlar bazasini formallashtirish, ekspert tizimining bajarilishi, ekspert tizimining sinov va eksperimental ishlashi tavsiflangan . Ishning III bobida esa inson nafas olish organlarining ekologik va ishlab chiqarish bilan bog'liq kasalliklari misolida ekspert tizimining bilimlar bazasini yaratish, nafas olish tizimi kasalliklarida mikroelementlarning buzilishini nazorat qilish analitik hisoblash vazifasini belgilash, nafas olish tizimi kasalliklarida mikroelementlar buzilishining ekspert tizimini yaratish uchun mikroelementlarning diagnostikasini yaratish, nafas olish tizimi kasalliklari misolida odamlarda mikroelementlar buzilishining ekspert tizimining bilimlar bazasida sust strukturalashgan ma’lumotlarni qayta ishlash o rganilʻ gan . 5 I-BOB BIOLOGIYA VA TIBBIYOTDA EKSPERT TIZIMINING BILIMLAR BAZASINI YARATISH UCHUN TURLI METODOLOGIYALARDAN FOYDALANISHNING ANALITIK SHARHI 1.1 Intellektual tibbiy tizimlar Tibbiy va biologik ma'lumotlarga ishlov berish, qayta ishlash, tahlil qilish va tuzish uchun turli xil axborot texnologiyalari qo'llaniladi, bu to'plangan bilimni tizimlashtirish va zamonaviy mutaxassis tomonidan formallashgan holda qaror qabul qilishda kompyuter tomonidan qo'llab-quvvatlash uchun mo'ljallangan. Biologiya va tibbiyot sohasidagi mutaxassislar, doimiy ravishda ko'payib boradigan katta hajmdagi ma'lumotlar bilan ishlashlariga to’g’ri keladi. Tibbiy va biologik ma'lumotlarning xususiyatlari ham muhim rol o'ynaydi. Ko'pgina tibbiy ma'lumotlar tavsiflovchi, o'zgaruvchan xususiyatlarga ega bo'lib, formallashtirish orqali ifodalanadi [11]. An'anaviy yondashuvlar yordamida olib borilgan ko'p yillik tadqiqotlar [14, 15, 19], tibbiy muammolar aniq usullar bilan yetarlicha samarali hal qilinmasligini va aniq diagnostika, prognozlash va qaror qabul qilish vazifalarida keng amaliy foydalanish uchun qo'llanilmasligini ko'rsatdi. [11 -15]. So’ngi paytlarda turli tibbiy va biologik muammolarni hal qilishda intellektual axborot tizimlaridan foydalanishning ahamiyati ortib bormoqda [6, 4, 15]. Bunday intellektual axborot tizimlarini ishlab chiqish va amaliyotga tatbiq etish deyarli ko‘plab bilim sohalarini rivojlantirishning asosiy omiliga aylanib bormoqda va hozirgi vaqtda dolzarb vazifalardan biri hisoblanadi [1, 15, 17, 19]. Tibbiy axborot tizimlarini intellektuallashtirish quyidagilarni o'z ichiga oladi [15]: 1) dastlabki ma'lumotlarning to'plangan massivlaridan bilimlarni avtomatik ravishda olish usullaridan foydalanish; 6 2) foydalanuvchi tomonidan ko'rsatilgan to'liq bo'lmagan yoki noto'g'ri ma'lumotlar asosida muammoni o'rganish asosida qabul qilingan qarorlarni tushuntirish bilan qaror qabul qilish algoritmlaridan foydalanish; 3) ko'p sonli variantlarni qidirish, ko'rish bilan bog'liq ro'yxatga olish muammolarini hal qilish uchun qidiruv protseduralari va usullaridan foydalanish; 4) bilimlarni manipulyatsiya qilish imkoniyati; 5) oxirgi foydalanuvchining tizim bilan formallashtirilgan konstruktiv mantiqning algebraik model tilida muloqot qilish qobiliyati. Intellektual tizimlarning imkoniyatlarini amalga oshirish sun'iy intellekt usullari yordamida amalga oshirilishi mumkin. 1.2 Biotibbiy tadqiqotlarda ekspert tizimlarini qo'llash Sun’iy intellektdan foydalanadigan avtomatlashtirilgan tizimlar odatda intellektual axborot tizimlari deb ataladi. Bizning tadqiqotimizda biz intellektual tizimni shaxs (bir guruh shaxslar) bilan birgalikda yoki avtonom tarzda ishlaydigan, maqsadni sintez qilishni bajarish to'g'risida qaror ishlab chiqishga qodir bo'lgan axborot jarayoni bilan birlashtiril- gan texnik vositalar va dasturiy ta'minot to'plami mavjud bo'lganda, ma'lumot va bilimga asoslangan oqilona yo'llarni toppish maqsadiga erishishni tushunamiz. [16]. Muammolarni hal qilish algoritmlarini yaratishga qaratilgan intellektual axborot tizimi uchun quyidagi xususiyatlar xarakterlidir [15,23, 25,]: • oxirgi foydalanuvchining tizim bilan o'zaro aloqasi (interfeys) usulini tavsiflovchi rivojlangan aloqa ko'nikmalari; • murakkab, sust fomallashtiriladigan muammolarni hal qilish qobiliyati- bu dastlabki ma'lumotlar va bilimlarning noaniqligi va dinamikasi bilan tavsiflanishi mumkin bo'lgan muayyan vaziyatga qarab asl echim algoritmini tuzishni talab qiladigan vazifalar; • o'z-o'zini o'rganish qobiliyati - muayyan vaziyatlarning to'plangan tajribasidan muammolarni hal qilish uchun bilimlarni avtomatik ravishda ajratib olish qobiliyati; 7 • moslashuvchanlik - muammoli soha modelidagi ob'ektiv o'zgarishlarga muvofiq tizimni ishlab chiqish qobiliyati. Turli xil intellektual axborot tizimida sanab o'tilgan bir xil darajada rivojlanmagan va kamdan-kam hollarda to'rtta belgi bir vaqtning o'zida amalga oshiriladi. Intellektual axborot tizimining asosiy sinflaridan biri ekspert tizimlari yoki bilimga asoslangan tizimlar. Tibbiyot ekspert tizimlaridan foydalanish sezilarli ta'sir ko'rsatishi mumkin bo'lgan faoliyat sohalaridan biridir. ekspert tizimlarining katta diagnostik va terapevtik imkoniyatlari ularning bilim bazalari ma'lum bir kasallikning mumkin bo'lgan diagnostik belgilari, uning namoyon bo'lish turlari, uning kursi to'g'risidagi ko'plab mutaxassislarning bilimlarini o'z ichiga olishi bilan bog'liq. kursi va tegishli sohalardagi omillar bilan aloqasi; muayyan bemorlarning xususiyatlarini hisobga olish, davolash jarayonining muhim nuqtalarida qaror qabul qilishni qo'llab-quvvatlash va h.k. va buning natijasida kasalliklar va ularning shakllari haqida ko'p miqdordagi ma'lumotlarni to'plash, bir kishining (yoki bitta) bilimidan oshib ketishi [15, 20]. Murakkab tibbiy muammolarni hal qilishda javob bog'liq bo'lgan barcha real sharoitlarni hisobga olish mumkin emas, lekin faqat eng muhim shartlarning taxminiy to'plamini ajratib ko'rsatish mumkin. Binobarin, ba'zi shartlar hisobga olinmaydi, ya'ni olingan javob noto'g'ri, taxminiy va javobni topish algoritmini aniq yozib bo'lmaydi. Tibbiy muammolar deyarli har doim bir nechta echimlarga ega [16]. Deyarli barcha tibbiyot va biologiya fanlari noto'g'ri tuzilgan va rasmiylashtirish qiyin bo'lgan vazifalardan iborat. Bularga diagnostika, prognoz, davolash strategiyasi va taktikasini tanlash va hokazo vazifalar kiradi [18]. Ekspert tizim foydalanuvchilarning o'ziga xos ma'lumotlarga bo'lgan ehtiyojlaridan kelib chiqqan holda turli sinflarning amaliy masalalarini echish algoritmlarini yaratish uchun bilimlar bazasidan foydalanish kontseptsiyasiga asoslanadi [7, 19]. 8 Bilim ekspert tizimlarida asosiy element hisoblanadi. Bilim - bu Konstruktiv mantiqning algebraik model ning asosiy qonuniyatlari bo'lib, insonga muayyan ishlab chiqarish, ilmiy va boshqa vazifalarni hal qilish imkonini beradi, ya'ni. faktlar, tushunchalar, munosabatlar, taxminlar, qoidalar, evristika (faktik bilim), shuningdek, ushbu sohada qaror qabul qilish strategiyalari (strategik bilimlar) [22]. Ekspert tizimlaridan foydalanishning afzalligi algoritmi oldindan ma'lum bo'lmagan va dastlabki ma'lumotlarga ko'ra bilimlar bazasidan fikrlash zanjiri (qaror qabul qilish qoidalari) ko'rinishida shakllanadigan noyob vaziyatlarda qaror qabul qilish imkoniyatidir. [4, 16]. Bundan tashqari, muammolarni hal qilish jarayonlarning to'liq emasligi, ishonchsizligi, dastlabki ma'lumotlarning noaniqligi va jarayonlarni sifatli baholash sharoitida amalga oshirilishi kerak. Formallashtirilmagan sohalarda muammolarni hal qilish uchun ekspert tizimlaridan foydalanish ularning xususiyatlari bilan belgilanadi: Ma’lumotlarni to'plash va tartibga solish imkoniyati, muammoli vaziyatlarni hal qilish uchun yuqori sifatli tajribadan foydalanish, bashorat qilish va tushuntirish imkoniyatlarining mavjudligi, shuningdek institutsional. xotira. Shunday qilib, biz ekspert tizim texnologiyasi zaif tuzilgan va bilim sohalarini aniqlash qiyin bo'lgan murakkab tibbiy muammolarni hal qilish uchun mukammal hisoblanadi, degan xulosaga kelishimiz mumkin. Ekspert tizim tomonidan olingan echimlar yuqori malakali mutaxassislarning echimlaridan sifat va samaradorlikdan kam emas, ular "shaffoflik" ga ega, ya'ni. foydalanuvchiga sifat darajasida tushuntirilishi mumkin va ular mutaxassis tomonidan qaror qabul qilish jarayonini modellashtirish imkonini beradi [14]. Bundan tashqari, ekspert tizim konstruktiv mantiqning algebraik model da mavjud bo'lgan echimlarni izlash va qiyin muammolarni hal qilish, o'z mulohazalarini o'rganish, ya'ni ularning to'g'riligini tekshirish uchun dizayndagi murakkab qoidalardan foydalanishga imkon beradi. Eskpert tizimning barcha bu xususiyatlari ularni muammoni hal qilish algoritmlari odatda qat'iy belgilangan an'anaviy dasturlardan yaxshi ajratib turadi. 9 Eskpert tizim dan foydalanishning xususiyatlari va imkoniyatlarini yaxshiroq tushunish uchun ushbu muammoni hal qilish uchun uning ishlash printsipini va ular tashkil topgan asosiy elementlarni ko'rib chiqamiz. Eskpert tizim ikkita asosiy komponentni o'z ichiga oladi (1-rasm): ma’lumotlar bazasi (bilim birliklari ombori) va aqlli interfeysdan iborat bilimlarga kirish va qayta ishlash uchun dasturiy vosita, xulosalar (yechimlar) olish mexanizmi, natijalarni tushuntirish. bilim olish mexanizmi va ishchi xotira. Bundan tashqari, Eskpert tizimning markaziy komponenti bilimlar bazasi, boshqa komponentlarga nisbatan asosiy tashkil etuvchi tizim bo’lib ishlaydi. [16]. 1.1-rasm. Eskpert tizim arxitekturasi Ma’lumotlarlar bazasi - bilimlarni ifodalashning qandaydir usullari yordamida formallashtirilgan bilim birliklari yig'indisidir [15, 22]. U konstruktiv mantiqning algebraik model ob'ektlari va ularning o'zaro bog'liqliklarini, ular bo'yicha harakatlarni va bu harakatlar amalga oshiriladigan noaniqliklarni aks 10Foydalanuvchi Mutaxassis Bilim muhandisi Operativ xotira (OX)T ushuntirish komponent Dialog komponentining aqlli interfeysi Bilimlarni egallash mexanizmi Chiqish mexanizmi (tarjimon, hal qiluvchi) Bilimlar bazasi Qoidalar Umumiy faktlar ettiradi. Bilimlar bazasi ko'rib chiqilayotgan Konstruktiv mantiqning algebraik model ni tavsiflovchi qoidalarni saqlash uchun mo'ljallangan [4, 21, 22]. Eskpert tizimni loyihalashning an'anaviy bosqichlari asosida Eskpert tizim modelini yaratish jarayonini ko'rib chiqildi: identifikatsiya, kontseptualizatsiya, aniqlashtirish, bajarish, sinovdan o'tkazish. [4, 28]. Eskpert tizimni loyihalash bosqichlari rasmda ko'rsatilgan. 1.2-rasm. Eskpert tizimni yaratish bosqichlari Murakkab sohani aniqlash bosqichi Eskpert tizimning maqsadi va hajmini aniqlash, ekspertlar va bilim muhandisi guruhini tanlash, resurslarni taqsimlash, 11 Identifikatsiya Kontseptualizatsiya Tajribali ekspluatatsiya SinovAmalga oshirish FormallashtirishQayta shakllantirish Talablar Struktura KodlarQayta shakllantirish Qayta loyihalash Tushuntirish ModelMantiqiy bosqich Jismoniy bosqich hal qilinishi kerak bo'lgan vazifalarni belgilash va parametrlarini belgilashni o'z ichiga oladi [4, 7]. Kontseptual modelni qurish bosqichida foydalanilgan bilimlarning yaxlit va tizimli tavsifi yaratiladi, bu muammo sohasi faoliyatining mohiyatini aks ettiradi, ya'ni. predmet sohasining mazmunli tahlili amalga oshiriladi, qo‘llaniladigan tushunchalar va ularning o‘zaro bog‘liqliklari aniqlanadi, muammoni hal qilish usullari aniqlanadi [4, 15,23]. Bilimlar bazasini aniqlashtirish bosqichida ma'lumotlarni ifodalash usulini tanlash (ma'lumot birliklarini tuzilish va qayta ishlash vositalari to'plami) amalga oshiriladi, asosiy tushunchalar aniqlashtiriladi, ma'lumotlarni izohlash usullari aniqlanadi va tizimning ishlashi modellashtiriladi [19]. ]. Tanlangan formalizm doirasida ma'lumotlar bazasining mantiqiy tuzilishi loyihalashtiriladi. Eskpert tizimni amalga oshirish bosqichida ma'lumotlar bazasi jismonan to'ldiriladi va tanlangan vosita (TV) doirasida barcha dasturiy mexanizmlar sozlanadi va kerak bo'lganda dasturiy vositaning maxsus modullari dasturlashtiriladi. Sinov bosqichida Eskpert tizimning ishlashi uning xulosalarining to'g'riligi va ularning foydaliligi nuqtai nazaridan baholanadi [4, 17]. Ishning to'g'riligi xulosalarning to'g'riligi, muammoli soha bo'yicha ma’lumotlar bazasining yetarliligi, muammoni hal qilishning qo'llaniladigan usullarining ekspert usullariga mos kelishi kabi xususiyatlar bilan bog'liq. Eskpert tizim hayotiy siklining navbatdagi bosqichi ishlab chiquvchilar tomonidan to'g'ridan-to'g'ri nazoratsiz ommaviy ravishda amalga oshirish va eksperimental foydalanish va sinov misollaridan haqiqiy muammolarni hal qilishga o'tish[ 19]. 1.3 Ekspert tizimini yaratish uchun bilim olish usullari Yuqorida ko'rib chiqilgan Eskpert tizimni rivojlantirish bosqichi eng mas'uliyatli va ko'p vaqt talab qiladigan bosqich bu mavzu sohasining modellarini qurishdir. Bu yerda muammoli sohaning mohiyatini aks ettiruvchi bilimlar strukturasini aniqlash kerak. [1, 21-23, 24]. 12 Intellektual tizimlar tomonidan qabul qilingan qarorlarning samaradorligi sezilarli darajada bilimning sifati va miqdoriga, o'rganilayotgan fan sohasi mutaxassislarining bilimlarini kompyuter xotirasida tayyorlash va moslashtirishga bog'liq. Shu sababli, bilimlarni olish, taqdim etish va rasmiylashtirish usullarini ishlab chiqish, suniy intillekt tizimlarini rivojlantirish uchun mavzu sohasi masalasi hali ham dolzarb bo'lib qolmoqda. Bugungi kunga kelib, Eskpert tizimni ishlab chiqish uchun bilim olishning ko'plab usullari mavjud [16, 19, 27]. 1.3-rasmda bilim olish usullari uchun tasniflash sxemasi ko'rsatilgan. Ma’lumot olish usullarini shartli ravishda 4 toifaga bo'lish mumkin: 1) mutaxassis bilan barcha turdagi aloqalarni qamrab oluvchi aloqa usullari [10, 21, 22]; 2) maxsus adabiyotlardan bilimlarni olish usullari [22]; 3) an'anaviy usullar - bularga so'rovlar vositalari, statistik usullar, vizualizatsiya, interaktiv analitik ishlov berish vaziyatga asoslangan o'rganish (k-eng yaqin qo'shni) [3, 16]; 13Bilim olish usullari Kommunikativ Passiv Aktiv Kuzatuv ‘ baland ovozda o'ylash’ pratokoli Maruza Shaxsiy So'rovnoma Ekspert o’yinlarIntervyu Muloqat Guruh Aqliy hujum Qiziqarli o’yinlarDavra suxbati Hujjatlar tahlili Аdabiyot tahlili Darslarni tahlil qilishMatnshunoslik usullari Interaktiv ishlov berish vositalariVizuallashtir -ish usullariSQL exnikasiga asoslangan MTQStatistik usullarАn'anaviy Intelektual Qaror daraxti MLАssotsiativ qoidalar Neyron Taroq Genetik algoritmlar 1.3-rasm. Bilim olish usullari Kommunikativ usullar ekspert bilimlarini aniqlashga qaratilgan. Bu yondashuv ekspert ma’lumotlar bazasini tashkil etuvchi mantiqiy mulohazalar va xulosalarni aniq shakllantirishini nazarda tutadi. Ularni faol va passivga bo'lish mumkin. Passiv usullar shuni anglatadiki, ekstraksiya jarayonida yetakchi mutaxassisga o'tadi va ma’lumot muhandisi faqat o'zining haqiqiy qaror qabul qilish ishi davomida ekspertning mulohazalarini qayd qiladi yoki ekspert aytib berish zarur deb hisoblagan narsalarni yozadi. Passiv usullarni kuzatish, "baland ovozda o'ylash" protokoli va ma'ruzalar kiradi. Faol usullarni bilim beradigan mutaxassislar soniga qarab ikki guruhga bo'lish mumkin. Agar ularning soni bir nechta bo'lsa, u holda mavzu bo'yicha guruh muhokamasi usullaridan foydalanish maqsadga muvofiqdir. Faol usullarda tashabbus butunlay ma’lumot muhandisining qo'lida. U mutaxassis bilan turli yo'llar bilan faol aloqa qiladi - o'yinlarda, dialoglarda, davra suhbatlarida va hokazo. [10, 22] Mutaxassis bilimlarini olish uchun ushbu yondashuvlarning barchasi mutaxassislarning ba'zi fikrlarini aniqlashtirish va bilimlarni egallash jarayonidagi bo'shliqlarni to'ldirish uchun uchtasi bosqichdan foydalanadi bosqichlarga bo'linish, repertuar panjarasi va o'xshashlikni tasdiqlash Bosqichlarga bo'linganda, ekspertga uning fikricha, mavzu sohasining eng muhim tushunchalarini nomlash va ular o'rtasidagi tizimli munosabatlarni ko'rsatish taklif etiladi, ya'ni "jins - tur", "element - sinf", "butun -qism" kabi munosabatlar va hokazo. Strategiya predmet sohasi tushunchalari ierarxiyasini yaratishga, bir — biri bilan chambarchas bog'liq bo'lgan guruhlar-klasterlarni ajratib ko'rsatishga qaratilgan. O'xshashlikni tasdiqlash strategiyasi shundan iboratki, ekspertdan har bir tushunchalar juftligini mavzu doirasidan ma'lum bir o'xshashlik (tolerantlik) munosabatlariga tegishliligini aniqlash so'raladi. Buning uchun ekspertga juda oddiy savollar ketma-ketligi so'raladi, ularning maqsadi o'xshashlik 14 tushunchasini aniqlashtirishdan iborat bo'lib, ekspert predmet sohasining ikkita tushunchasining o'xshashligi haqidagi bayonotga qo'yadi [5]. Bu yondashuvlar bilim olish yoki olishning standart usullariga ishora qiladi. Ammo, mening fikrimcha, taqdim etilgan usullarni birgalikda qo'llash ham bilim olish muammosini to'liq hal qilmaydi. Birinchidan, bu odamlarning ma'lumotlarni qayta ishlash tizimining imkoniyatlari bilan bog'liq bo'lgan murakkab va ahamiyatsiz bog'liqliklarni aniqlay olmaslikdir. [21] O.I. Larichev ko'p mezonli muammolarni hal qilishda odamlarning xatti-harakatlari bo'yicha bir qator eksperimentlarni taqdim etdi. Tajribalar natijasida ma'lum bo'ldiki, agar foydalanilgan mezonlar soni sakkiztadan oshmasa, bu kichik omillar to'plamiga (oddiy tizim) to'g'ri keladi va tibbiyotda odatda yana ko'p narsalar mavjud bo'lsa, sub'ektlar vazifani bajara oladilar. kabi omillar. Ikkinchidan, mutaxassis tomonidan har qanday bilimni xatosiz uzatish deyarli mumkin emas, ekspertning e'tiborsizligi, charchoqlari, shuningdek, hal qilinayotgan vazifaning murakkabligi sabab bo'lishi mumkin. Uchinchidan, chunki ekspert ma’lumotlari juda sub'ektivdir, olingan natijalarning ishonchliligini asoslash qiyin va ekspert ko'nikmalarining muhim qismi susrt darajada bo'lib, uni to'g'ri ajratib bo'lmaydi. Agar ishlab chiqilayotgan fan sohasi yaxshi o'rganilganligi va mutaxassislarning maqbul soni (yuqori malakali mutaxassislar) mavjudligi ma'lum bo'lsa, kommunikativ usullardan foydalanish yaxshidir, ular tajriba va ma’lumotga asoslangan holda mantiqiy fikrlash zanjirlarini qurish mumkin (sifatli tadqiqot natijalarini olish). Kommunikativ usullar boshlang'ich (maqsad, tekshirish vazifalari, tizimning kirish va chiqish parametrlarini, tizim elementlarining ishlash va o'zaro ta'sirining asosiy qonunlarini aniqlashda) va bilimlar bazasi, Eskpert tizim qurishning yakuniy bosqichlarida eng yaxshi qo'llaniladi. (tizim modelining muvofiqligini (to'g'riligini baholash) sozlash, to'ldirish va aniqlash uchun) . Bilim olish murakkab jarayon bo'lganligi sababli, ko'plab tadqiqotchilar ushbu jarayonni qisman avtomatlashtirishga imkon beradigan yondashuvlarni 15 taklif qilishadi. Bunday usullarga og'zaki qaror tahlili (OQT) kiradi. OQT usullariga ORCLASS, CLANS, STEPCLASS, SILC, RAT kiradi [9]. Ushbu yondashuvda ekspert ko'rib chiqilayotgan mavzu doirasidan unga taqdim etilgan ob'ektlarning tavsiflari bo'yicha doimiy xulosalar chiqaradi. Shu bilan birga, ekspertga taqdim etish uchun ob'ektlarni tanlash strategiyasi izchil va to'liq bilimlar bazasini qurishni kafolatlaydi. Ma’lumotlarni shu tarzda oshkor qilish mutaxassisning haqiqiy kasbiy faoliyatiga imkon qadar yaqinroqdir, shuning uchun olingan ma’lumotlar, boshqa narsalar qatori, keyinchalik tahlil qilinishi va aniqlashtirilishi mumkin bo'lgan ekspert ma’lumotlarining ongsiz qatlamini o'z ichiga oladi. Masalan, [9], sust tuzilgan mavzular uchun to'liq va izchil ekspert ma’lumotlari bazalarini yaratish uchun RAT usuli (real alternativlar tasnifi) taklif qilingan, bu Eskpert tizim ekspert so'rovi samaradorligini oshirishga imkon beradi va ekspert tasniflash muammolarining keng doirasi. Ushbu usul o'tkir miokard infarktining tibbiy diagnostikasi va diseksiyasi uchun o'quv tizimlarini amaliy qurish misolida sinovdan o'tkazildi. Lekin bu usul bizning holatlarimizda kam qo'llaniladi, chunki unda bilim olish yoki fan mutaxassisi zimmasiga tushadi. Hozirgi vaqtda mutaxassislar bilim olishning asosiy usullarini bilim olish jarayonini qisman avtomatlashtiradigan, qaror qabul qilishni qo'llab-quvvatlash uchun ekspert tizimini - an'anaviy va aqlli usullarni ishlab chiqish vaqtini sezilarli darajada qisqartiradigan usullar deb atashadi. Ushbu usullarni ko'rib chiqish faqat bizning tadqiqot muammomiz bilan bog'liq holda talab qilinishi mumkin bo'lgan usullar bilan cheklanadi, agar bilim sohasi kam o'rganilsa yoki elementlar o'rtasidagi aloqalar juda murakkab bo'lsa, ya'ni. vaziyatga ta'sir etuvchi barcha omillarni hisobga olishning iloji yo'q va ularni faqat mutaxassisning mantiqiy va bilimiga tayangan holda talqin qilish mumkin emas. Ushbu usullar ko'p sonli parametrlar bilan tavsiflangan va bir-biri bilan murakkab munosabatlarga ega bo'lgan tizimlarning murakkab modellarini qurishda qo'llanilishi kerak. va shuningdek, agar katta miqdordagi ma'lumotlar 16 to'plangan bo'lsa. Yechilayotgan masala turiga qarab, katta hajmdagi axborotdan ma’lumot olishning u yoki bu usulidan foydalanish mumkin. Eng mashhur an'anaviy bilim olish usullari statistik usullardir. Statistik usullardan ma’lumotlarni qayta ishlash, tahlil qilish va izohlash uchun foydalanish mumkin [11, 15]. Statistikaning asosiy maqsadi bir-biriga mos kelmaydigan (tarqalgan) ma'lumotlardan mazmunli xulosalar chiqarishdir. Tadqiqot bilan bog'liq holda, matematik statistika maqsadlarni shakllantirish, dizaynni ishlab chiqish, randomizatsiya usullarini tanlash, statistik ahamiyatga ega bo'lgan xulosani olish uchun zarur bo'lgan bemorlar sonini aniqlash, olingan natijalarni bevosita tahlil qilish va xulosani shakllantirishda yordam beradi [25]. Tadqiqotlarni rejalashtirish va olingan natijalarni sharhlashda statistik usullardan foydalanish tadqiqotchidan matematika va statistikani chuqur bilishni talab qiladi. Tegishli statistik protseduralarni to'g'ri tanlash, ularning imkoniyatlari va cheklovlarini bilish, natijalarni to'g'ri va mazmunli talqin qilish talab etiladi. Statistik testlarni o'zboshimchalik bilan qo'llash o'rganilayotgan davolash usullarining samaradorligi to'g'risida noto'g'ri xulosalar chiqarishga olib kelishi mumkin. Bugungi kunga kelib, ma'lumotlarni qayta ishlashning juda ko'p sonli statistik usullari mavjud. Quyida statistik usullarning shartli tasnifi keltirilgan [16]: 1. Dastlabki ma'lumotlarning tavsifiy tahlili va tavsifi - statistik protseduralar, ularning maqsadi tadqiqot namunasi haqida umumlashtirilgan ma'lumotlarni olishdir. 2. Aloqalar va qonuniyatlar tahlili (korrelyatsiya va regressiya tahlili, omil tahlili, dispersiya tahlili). 3. Ko'p o'lchovli statistik tahlil (komponentli tahlil, diskriminant tahlili, ko'p o'lchovli regressiya tahlili va boshqalar). 4. Vaqt seriyalarini tahlil qilish (dinamik modellar va prognozlash). Statistik ishlov berish natijalariga ko'ra, tizim elementlari o'rtasidagi aniqlangan munosabatlarni hisobga olgan holda Eskpert tizim modelini qurish 17 mumkin. Intellektual bilim olish usullaridan foydalanish tadqiqotchilarga ma'lumotlarni tahlil qilish va yashirin qonuniyatni aniqlash uchun ko'proq imkoniyatlar ochadi. Ushbu usullar ma'lumotlarni miqdoriy va sifat jihatidan tahlil qilishga qaratilgan axborot texnologiyalarining so'nggi yutuqlari natijasidir. Ushbu usullar guruhiga sun'iy neyron tarmoqlar (tanib olish, klasterlash, bashorat qilish), evolyutsion dasturlash, genetik algoritmlar (optimallashtirish), assotsiativ xotira (analoglar, prototiplarni qidirish), mantiq, qarorlar daraxtlari, ekspert bilimlarini qayta ishlash tizimlari kiradi [6]. Har bir usulning o'ziga xos xususiyatlari va cheklovlari mavjud. Shuning uchun usulni tanlash hal qilinayotgan muammoning xususiyatiga bog'liq. Neyron tarmoqdan foydalanishdan oldin u o'qitiladi, bu og'irlik koeffitsientlarini o'rnatishning iterativ jarayonidir. Trening uchun maxsus algoritmlar qo'llaniladi. Eng ko'p qo'llaniladigan gradient o'rganish usullari bu orqaga tarqalish algoritmi va boshqalar [16]. Neyron tarmoqning asosiy afzalligi shundaki, ular kirish va chiqish o'zgaruvchilari o'rtasidagi murakkab chiziqli bo'lmagan munosabatlarni modellashtiradi [4, 15]. Kerakli ma'lumotlarning to'liq to'plamiga ega bo'lishning iloji bo'lmagan qiyin vaziyatlarda barcha ta'sirlarni hisobga olish va mumkin bo'lgan natijani aniq baholash mumkin emas ular qaror qabul qilishni qo'llab-quvvatlash uchun zamonaviy texnologiyalarga murojaat qilishadi. Noto'g'ri qaror qabul qilish xavfini kamaytirish, qarorlarning asosliligini oshirishga asosan ekspert texnologiyalaridan foydalanish orqali erishish mumkin. va yuqori sifatli bilimlar bazasi, Eskpert tizimni yaratish vositalari bilim olish usullari bo'lishi mumkin, uning yordamida ma'lumotlarni har tomonlama tahlil qilish amalga oshiriladi. Ko'pgina vazifalar uchun dominant yondashuvlar hali yaratilmagan. Eng yaxshi texnologiyani tanlash muammoning tabiatiga qarab belgilanishi kerak. Intellektual tizimlarni yanada rivojlantirish uchun turli xil yondashuvlarning imkoniyatlari, shartlari va ko'lamini tushunishga va ularning qo'shimcha 18 afzalliklaridan maksimal darajada foydalanishga harakat qilish kerak [1]. Bu kabi harakatlar sinergik yondashuvga olib kelishi mumkin, bu esa ba'zi texnologiyalarni boshqalar bilan birlashtirib, dolzarb muammolarni hal qilishda muhim yutuqlarga olib keladi. 19 II - BOB EKSPERT TIZIMINING TIBBIY BILIMLAR BAZASINI TUZISH UCHUN MA'LUMOTLARGA ISHLOV BERISH 2.1 Ekspert tizimining bilimlar bazasini yaratish uchun ma'lumotlarga ishlov berish algoritmi Zamonaviy qaror qabul qilish tizimlarida eksperimental ma'lumotlarning katta massivlarini qayta ishlashga asoslangan umumlashtirilgan eskpert tizim modellarini qurish muammosi nihoyatda muhimdir. Bunday katta ma'lumotlar oqimining manbalari tibbiyot, biologiya, marketing, bank ishi, talimni prognozlash va boshqalar kabi ko'plab sohalarda topiladi. Bu ma'lumotlarning umumiy tomoni shundaki, ular strategik maqsadlarni amalga oshirish uchun muhim bo'lgan ko'plab yashirin qonuniyatlarni o'z ichiga oladi. qarorlar. Biroq, bunday qonuniyatlarni aniqlash insonning imkoniyatlaridan tashqarida. Shuning uchun bunday qonuniyatlarni olish uchun ma'lumotlarni tahlil qilishning turli usullari qo'llaniladi va bu usullarni amalga oshiradigan kompyuter tizimlari ishlab chiqiladi. Shunday qilib, eskpert tizim ma’lumot bazalarini modellashtirish vazifasi sun'iy intellektning muhim vazifalaridan biridir [12]. Xususan, atrof-muhit va ishlab chiqarish bilan bog'liq nafas olish kasalliklari bilan bog'liq bo'lgan odamlarda mikroelementlarning buzilishining bilimlar bazasi, eskpert tizimini yaratish uchun sust strukturali ma'lumotlarni qayta ishlashdan iborat bo'lgan tadqiqot vazifasiga nisbatan tegishli metodologiyani ishlab chiqish kerak. ma'lumotlardan bilimga o'tish. Bunday holda, hal qilinayotgan muammoning quyidagi xususiyatlarini hisobga olish kerak: birinchidan, mavzu sohasi kam o'rganilgan, ya'ni. umumiy va qat'iy hukmlar (qonunlar, formulalar, modellar, algoritmlar va boshqalar) shaklida taqdim etilgan aniq aniqlashtirilgan ma’lumotlar mavjud emas; ikkinchidan, ma’lumotlar bazasini rivojlantirish uchun malakali mutaxassislar yetarli emas; uchinchidan, siz cheklangan miqdordagi ma'lumotda ishlashingiz kerak; To'rtinchidan, yuqorida sanab o'tilgan talablardan kelib chiqib, ekspert tizimining to'liq izchil bilimlar bazasini yaratish uchun eksperimental bilimlardan ma’lumot olish algoritmi tuzildi (2.1-rasm). 20 2.1-rasm. Bilimlar bazasi eskpert tizim yaratish uchun ma'lumotlarni qayta ishlash algoritmi 21Identifikatsiya II Kontseptuallashtirish qayta tayyorlash III Formallashtirish IV Bajarish V Sinov VI operatsiya Tadqiqot muammosining bayoni Ekspertlar guruhini tanlash Eksperimental tadqiqot ma'lumotlarini to'plash Ma'lumotlarni oldindan qayta ishlash va tekshirish Ma'lumotlarni keyingi qayta ishlash uchun mos shaklga aylantirish Statistik ma'lumotlarni qayta ishlash, o'quv namunasini statistik mezonlarga muvofiq tekshirish Milliy Assambleyaning matematik apparatining AMCL va / IPI dan foydalanishga asoslangan analitik hisob- kitob Mutaxassis xulosalari asosida ma’lumotlar bazasi strukturasini aniqlash Qaror qabul qilish qoidalarini tanlash Qoidalar shaklida bilimlar bazasini yaratish, agar ,.., keyin ... Algoritmlarni dasturlash va tizim interfeysini yaratish Olingan modelning muvofiqligini tekshirish Sinov operatsiyasi Yangi ma'lumotlar to'plamini to'plash Ekspert tizimining to'liq izchil ma’lumot bazasini yaratish uchun ma'lumotlarni tasniflash imkonini beruvchi ma'lumotlarni tahlil qilish metodologiyasini ko'rib chiqaylik. 1. Tadqiqot vazifasini bajarish (muammolarni aniqlash) - eskpert tizimning maqsadi va hajmini aniqlash, eskpert tizim tomonidan hal qilinadigan maqsad va vazifalarni shakllantirish, eskpert tizimni qurish uchun zarur bo'lgan vositalarni aniqlash. 2. Ishchi ekspert guruhini tanlash - ekspertlar sonini, ekspertlarni tanlash mezonlarini aniqlash, tadqiqot muammosini hal qilish uchun yetarli minimal ekspertlar guruhini tanlash. 3. Ekspert guruhi tomonidan tadqiqot ob'ektining kirish va chiqish atributlari ro'yxatini aniqlash. 4. Ma'lumotlarni yig'ish: statistik tadqiqotlar va ma'lumotlarni mashinani o'rganish usullaridan foydalangan holda tahlil qilish uchun vakillik materiallari to'plami. 5. Ma'lumotlarni oldindan qayta ishlash va tekshirish: takroriy va ziddiyatlarni aniqlash, anomaliyalarni tahrirlash, bo'shliqlarni to'ldirish, tekislash, shovqinlarni olib tashlash. 6. Ma'lumotlarni o'zgartirish: qiymatlarni jadvalli almashtirish, ma'lumotlar formatini keyingi qayta ishlash uchun mos shaklga o'zgartirish. 7. Statistik ma'lumotlarni qayta ishlash: tavsiflovchi statistik ma'lumotlarni olish, statistik mezonlarga muvofiq tanlamani tekshirish, kiritilgan ma'lumotlarni javob bilan bog'laydigan qoniniyatni aniqlash - o'rtacha va nisbiy qiymatlarni hisoblash, ularni taqqoslash va hokazo. 8. Ob'ektlarni ma'lum sinflar bo'yicha samarali tanib olish imkonini beruvchi tasniflash qoidalarini olish uchun konstruktiv mantiqning ( Konstruktiv mantiqning algebraik model ) algebraik modelini va/yoki neyron tarmoqlarning matematik apparatini qo'llash. 22 9. Konstruktiv mantiqning algebraik model natijalarini qayta ishlash (muhim natijaviy implikantlarni tanlash va ishonch omillarini hisoblash) va/yoki neyron tarmoq (o'qitilgan tarmoq natijalarini konstruktiv tahlil qilish). 10. Ma’lumotlar bazasini yaratish: ekspert tizimi ishlashi kerak bo'lgan mantiqiy qoidalarni loyihalash. 11. Algoritmlarni dasturlash: mantiqiy qoidalarni dasturlash tiliga o'tkazish. 12. Tizim interfeysini yaratish: tizim va foydalanuvchi o'rtasidagi o'zaro aloqa vositalarini ishlab chiqish - ma'lumotlarni kiritish shakllari, javob chiqishi va boshqalar. 13. Nosozliklarni tuzatish va sinovdan o'tkazish: dasturning ishlashini tekshirish va real sharoitlarda sinovdan o'tkazish. 14. Ekspert tizimini keyingi o‘rganish konstruktiv mantiqning algebraik model va/yoki neyron tarmoq asosida yangi qo‘shimcha ma’lumotlar to‘planganda yuzaga keladi, ma’lumotlar bazasini doimiy ravishda yangilab turish zarur. Ushbu metodologiyaning tavsifi eskpert tizim modelini yaratishda ajralib turadigan mantiqiy bosqichlarga bo'linadi. Keling, bu erda izchil va to'liq bilimlar bazasi, eskpert tizimni yaratishda foydalanish tavsiya etilgan usullarning nazariy va uslubiy asoslarini ko'rib chiqaylik. 2.2 Tadqiqot muammosini aniqlash Keling, tadqiqot muammosini aniqlaymiz. G ning ma'lum bir maqsadli xususiyati berilsin (masalan, kasallikning mavjudligi, kasallikning og'irligi), ya'ni to'g'ridan-to'g'ri tadqiqot ob'ekti. Maqsadli xususiyat bir yoki bir nechta birlashtirilgan maqsadli omillardan iborat bo'lishi mumkin, biz ularni G={G 1 , G 2 , ..., G z to'plami bilan belgilaymiz. } K={K 1 , K 2 , ..., K N } - har bir o'rganish ob'ekti baholanadigan mezonlar (xususiyatlar, atributlar) to'plami. 23 Mezon bo'yicha baholashlar to'plami Sq={k 1 q ,k 2 2 ,...,k wq q } sifatida aniqlanadi, bu erda q=l,N - K q mezoni bo'yicha baholash shkalasi, w q - K q bo'yicha gradatsiyalar soni. mezon shkalasi. Y = S 1 x S 2 x…xS N - tasniflanadigan ob'ektlarning gipotetik mumkin bo'lgan holatlari bo'shlig'ini belgilaydigan mezonlar shkalasining dekart mahsuloti. Bu erda har bir ob'ektni vektor bahosi (tuple) y∈ Y sifatida tasvirlash mumkin, bu yerda y=(y 1 , y 2 , ..., y N ), bu yerda y q - S q to'plamning baholaridan biri. L = |Y| = П q N = 1 w 1 ~ Y to'plamning kardinalligi. Y * ⊆ Y - tasniflanadigan ob'ektlar to'plami. С = { С 1 С 2 , ..., С M } - Gz maqsadli o'zgaruvchiga yechimlar sinflari to'plami. Ma'lumotlar bazasida to'plangan eksperimental ma'lumotlar asosida Ci (C i ∩ С j , = ∅ ∀ i ≠ j , ∪Ci ⊇Y * ) yechimlarning ishlatilmaydigan M sinflari bo'yicha ruxsat etilgan Y* ob'ektlar to'plamini qurish mumkin ∀ x,y∈Y shu kabi x ∈ Ci , y ∈ Cj , ( x , y ) ∈ P ⟹ i ≥ j Agar baholash mezonlari to'plamini aniq belgilash mumkin bo'lmasa, ya'ni ortiqchalik. Vazifa muammolari, bizning fikrimizcha, kam o'rganilganligi sababli va maqsadli o'zgaruvchining holatiga ta'sir qiluvchi omillarning ma'lum bir to'plamini ajratib ko'rsatish qiyin bo'lganligi sababli, minimal ko'rsatkichlar bilan tavsiflangan mezonlar to'plamini tuzish kerak. Ushbu muammoni hal qilish uchun ushbu mavzu bo'yicha mutaxassislarni jalb qilish kerak, ular har bir o'zgaruvchining tadqiqot ob'ektining maqsadli holatiga qo'shgan hissasini baholash uchun taklif etiladi. Mavjud dastlabki ma'lumotlar massivlari uchun ma'lumotlar strukturasini aniqlashning boshqa usullari ham mavjud. Ammo agar asl ma'lumotlar bazasi mavjud bo'lmasa va u faqat to'planishi kerak bo'lsa, unda siz o'zlarining shaxsiy kasbiy tajribasi va sezgilari asosida ma'lumotlar bazasi tuzilishini aniqlashga yordam beradigan vakolatli mutaxassislar (mutaxassislar) bilan maslahatlashingiz mumkin. 24 Bundan tashqari, bir xil muammoli sohada yoki tegishli sohalarda mavjud bo'lgan ma'lumotlar bazalari va bilimlarni tahlil qilish kerak. Mutaxassislarning kelishilgan xulosalarini aniqlash bo'yicha metodologiyamizni taqdim etishda biz monografiyada ko'rsatilgan asosiy qoidalardan foydalanamiz [2]. Ekspert xulosasini olish kerak bo'lgan mezonlar majmui ma'lum bo'lsin. Mutaxassislarning ma'lum bir to'plami ham bo'lsin. Har bir mutaxassis qanday mezonlar asosida xulosa berishi ham ma'lum. Mutaxassislarni shunday tanlash kerakki, har bir mezon bo'yicha kamida bitta ekspertning fikrini olish mumkin bo'ladi va shu bilan birga ekspertlar so'rovini o'tkazish vaqti yoki xarajatlari minimal bo'ladi. Ushbu muammoni hal qilish uchun siz tasodifiy qidiruv usulidan foydalanishingiz mumkin. Keling, quyidagi belgini kiritamiz: L° = {1, 2, 3, ..., n} - barcha ekspertlar to'plami; T° = {1, 2, 3, ..., m} - barcha mezonlar to'plami; T l 0 - z-chi ekspert javob berishi mumkin bo'lgan barcha mezonlar to'plami; |T l 0 | - T l ° to'plamining elementlari soni. Faraz qilaylik, har bir ekspertning so'rovini o'tkazish uchun sarflangan vaqt va pul bir xil bo'ladi. Bunday holda, ko'rib chiqilayotgan ekspertlarni tanlash muammosi barcha savollarning T° ga to'g'ri keladigan eng kam sonli mutaxassislarni topishga qisqartiriladi, ya'ni har bir savol bo'yicha kamida bitta ekspert xulosa berishi mumkin. Keling, mutaxassisning og'irligining ko'rsatkichini kiritamiz, bu vazn bilan mutaxassisning imkon qadar ko'proq savollarga javob berish qobiliyatini tushunamiz. Har bir mutaxassisning vazni u javob berishi mumkin bo'lgan savollar sonining L° to'plamining barcha mutaxassislari javob berishi mumkin bo'lgan savollarning yig'indisiga nisbati sifatida belgilanishi kerak. Barcha mutaxassislar javob berishi mumkin bo'lgan savollarning yig'indisi 25 I° to'plami, agar mutaxassislarning tajriba sohalari eskpert tizim kishmasi mavjud bo'lsa, barcha savollarning T° to'plamidan oshib ketishi mumkin. Shunday qilib,ekspertning vazn ko'rsatkichi quyidagi formula bo'yicha aniqlanadi: 2.1 Mutaxassislarning vazn ko'rsatkichlarini (p 1, p 2, p n 0 ) olingan tartibli taqsimotiga muvofiq, biz eng kichik vazn ko'rsatkichiga ega bo'lgan mutaxassisni barcha ekspertlar to'plamidan I° va ushbu ekspert xulosa berishi mumkin bo'lgan savollardan chiqaramiz. T° va T l ° to plamidan chiqaribʻ tashlanadi. Natijada, to'plamlar I l ', T°, T t 0 . Bu jarayon r-ekspert tanlagandan keyin T r to'plami bo'sh qolguncha davom etadi. Natijada T 0 to'plamining barcha savollariga javob bera oladigan r ekspertlar guruhi tuziladi. Bu tasodifiy qidiruvning birinchi bosqichini yakunlaydi. Keyin tasvirlangan protsedura takrorlanadi. Natijada T° to'plamining barcha savollariga javob bera oladigan q ekspertlar guruhi tuziladi. Bunday bosqichlarning cheksiz soni bilan T 0 to'plamining barcha savollari bo'yicha fikr bildirishga qodir bo'lgan minimal hajmga ega bo'lgan ekspertlar guruhi topiladi. Tanlangan ekspertlar guruhiga n mezonni 100 balllik tizimda mezonning muammoni hal etishdagi hissasining ahamiyatiga qarab baholash taklif etiladi. Mutaxassislar so'rovi natijalari umumiy jadvalda to'planadi, uning ustunlari mezonlar, qatorlar eskpert tizim har bir ekspert tomonidan berilgan ballardir. Keyinchalik, biz mutaxassislarning fikr-mulohazalaridan olingan natijalarni qayta ishlashga kirishamiz. Bu sizga turli ekspertlarning reytinglari o'rtasidagi munosabatni aniqlashga imkon beradi va shu bilan ekspertlar fikrlaridagi birlik va farqni o'rnatishga imkon beradi. Bunday bog'liqliklarni 26 aniqlash tegishli taqqoslash ko'rsatkichlarini aniqlash va ularni bog'lanish darajasiga ko'ra guruhlash imkonini beradi. Ekspert baholash natijalarini statistik qayta ishlash jarayonida so'rovnomalarda mavjud bo'lgan miqdoriy ma'lumotlar ko'rinishida, bashorat qilingan xususiyatlarning statistik baholari va ularning ishonch chegaralari, ekspert xulosalarining muvofiqligining statistik baholari aniqlanadi. Bir guruh ekspertlar so'rovi natijalarini statistik qayta ishlash uchun biz darajali korrelyatsiya usulidan foydalanamiz. Ekspert xulosalari quyidagi algoritmga muvofiq qayta ishlanadi: 1. Har bir ekspertning n bahosini kamayish tartibida tartiblaymiz. Buning uchun n ta mezonning har biriga ma'lum bir mutaxassis tomonidan berilgan baholarni natural qator raqamlari bilan shunday belgilaymizki, 1 raqami maksimal bahoga, n soni eskpert tizim minimal bo'lsin. Agar barcha n baholar har xil bo'lsa, u holda natural qatorning tegishli raqamlari tegishli ekspertning baholari darajalari hisoblanadi. Agar ma'lum bir mutaxassis tomonidan berilgan baholar orasida bir xil bo'lsa, u holda bu baholarga natural qatorning tegishli raqamlarining o'rtacha arifmetik qiymatiga teng bo'lgan bir xil daraja beriladi. 2. Mutaxassislarning umumlashgan fikri ko'rsatkichini aniqlang: 2.2 bu erda B m - baholashning 100 ballik shkala bo'yicha ballardagi qiymati; m - ular taklif qilgan mezonlarni baholagan ekspertlar soni. 3. Har bir n ta mezon uchun darajalar yig‘indisini aniqlang: 2.3 bu erda R m - darajalar. 27 4. Barcha mezonlar uchun darajalar yig‘indisining o‘rtacha arifmetik qiymatini aniqlang: 2.4 5. Har bir mezon bo‘yicha darajalar yig‘indisining n ta mezon bo‘yicha darajalar yig‘indisining o‘rtacha arifmetik qiymatidan chetlanishini aniqlang: 2.5 6. Teng darajalar bo'lmaganda muvofiqlik koeffitsientini aniqlang: 2.6 7. Teng darajalar ko'rsatkichini aniqlang: 2.7 bu erda L - teng darajali guruhlar soni; t L - L-guruhdagi teng darajalar soni. 8. Ranjlar teng bo'lganda muvofiqlik koeffitsientini aniqlang: 2.8 Agar W ≤ 0,2 ÷ 0,4 bo'lsa, mutaxassislarning zaif kelishuvi haqida gapiriladi va W ≥ 0,6 ÷ 0,8 ning katta qiymatlari mutaxassislarning yuqori kelishuvidan dalolat beradi. Fikrlarning zaif kelishuvi odatda quyidagi sabablarning natijasidir: ko'rib chiqilayotgan ekspertlar guruhida haqiqatan ham fikrlar umumiyligi yo'q yoki guruh ichida fikrlari yuqori darajada kelishilgan koalitsiyalar mavjud, ammo koalitsiyalarning umumlashtirilgan fikrlari qarama-qarshidir. . 28 Shunday qilib, o'rganilayotgan masalalar bo'yicha ma'lumotlar bazasi tuzilmasini yaratish uchun ekspert ma'lumotlarini baholash va tahlil qilish uchun namunaviy tuzilmani amalga oshirish mumkin. Ushbu sxema bo'yicha ishni soddalashtirish uchun barcha hisob-kitoblarni avtomatlashtirish kerak. Ammo dastlabki ma'lumotlar to'plamining ma'lumotlar bazasining optimal tuzilishini aniqlash shu bilan tugamaydi, bu kontseptualizatsiya bosqichida batafsil muhokama qilinadi. Identifikatsiya bosqichining mantiqiy natijasi - mavzu sohasini mazmunli tahlil qilish, ya'ni. o'rganish ob'ekti, ko'zda tutilgan maqsad va vazifalar, o'rganilayotgan ob'ektning asosiy belgilari (parametrlari) aniq ko'rsatilgan holda hal qilinayotgan muammoni norasmiy (og'zaki) ifodalash. 2.3 Ma’lumotlar bog’liqlik modelini qurish Ob'ektlar va ularni tavsiflovchi xususiyatlar to'plami ma'lumotlar bazasini tashkil qiladi. Ma'lumotlar bazasi tuzilishi aniqlangandan so'ng dastlabki ma'lumotlarni yig'ishni boshlashimiz mumkin. Qoida tariqasida, eksperimental ma'lumotlar (masalan, laboratoriya tadqiqotlari) manba materiali bo'lib xizmat qilishi mumkin va maqsadli o'zgaruvchilarning qiymatlari (masalan, diagnostika, qo'shma kasalliklar) mutaxassislar (shifokorlar) tomonidan belgilanadi. Haqiqiy massivlarda saqlangan ma’lumotlarni ajratib olish va umumlashtirishda ma lumotlardan foydalanganda quyidagi muammolar yuzagaʼ keladi [6]: • Ma'lumotlar turli xil (miqdoriy, sifat, tarkibiy). • Haqiqiy ma'lumotlar massivlarida mavjud bo'lgan ma'lumotlar to'liq bo'lmagan, ortiqcha, buzilgan, qarama-qarshi bo'lishi mumkin va bir qator atributlarning ba'zi qiymatlari butunlay yo'q bo'lishi mumkin. Shuning uchun tasniflash qoidalarini yaratish uchun faqat asosiy atributlardan foydalanish kerak. 29 • Olingan natijalar ma'lumotlar bazasi bilan ishlaydigan foydalanuvchi uchun aniq va tushunarli bo'lishi kerak. Yuqorida sanab o'tilgan muammolardan kelib chiqib, biz ma'lumotlarni tayyorlashning quyidagi bosqichlarini ajratamiz: ma'lumotlarni yig'ish, ma'lumotlarni qayta ishlash, ma'lumotlarni o'zgartirish, ma'lumotlarni ixcham shaklda taqdim etish uchun tavsiflovchi statistika usullaridan foydalanish va statistik ahamiyatga ega bo'lgan ma'lumotlarni tekshirish. mezoni. O'quv namunasi uchun ma'lumotlarni tayyorlashda quyidagi talablarni hisobga olish kerak [16]. 1) O’qitiluvchi tanlanma namunaviy (etalon) bo'lishi kerak. 2) Tadqiqot namunasi qarama-qarshiliklarni o'z ichiga olmaydi, ya'ni. bir xil satrlar uchun boshqa maqsad qiymatiga ega bo'lgan qatorlarni chiqarib tashlaymiz (noaniqlik chiqarib tashlanadi). 3) Tadqiqot namunasida dublikatlar bo'lmasligi kerak, chunki ma'lumotlarning takrorlanishi ba'zi yozuvlarning ahamiyatini oshirishga olib keladi. Har qanday ma'lumotlar to'plamini qayta ishlashda ushbu talablarga rioya qilishingiz kerak, chunki. ularni hisobga olish analitik hisob-kitoblarni amalga oshirishda aniqroq natijalar olish imkonini beradi. Namunaviy ma'lumotlar to'plami ma'lum bir muammo sohasidagi barcha mumkin bo'lgan vaziyatlarni (maqsadli o'zgaruvchining holatlarini) qamrab oluvchi iloji boricha ko'proq turli xil namunalarni o'z ichiga olishi kerak Bunday holda, namuna ma'lumotlar va maqsadli o'zgaruvchining holati o'rtasidagi sababiy bog'liqlikni aniqlash uchun kerakli aniqlik bilan ma'lumotlarni matematik qayta ishlashni amalga oshirish uchun cheklangan, ammo yetarli miqdordagi kuzatuvlarga ega bo'lishi kerak. Ma'lumotlar to'plamidagi yozuvlar sonining yetarli emasligi noto'g'ri bilim modelini yaratishga olib kelishi mumkin. Ma'lumotlar bazasidagi qarama-qarshiliklarni bartaraf etishda quyidagi printsipga amal qilish kerak: agar bir yoki bir nechta yozuvlar ko'p miqdordagi 30 boshqa yozuvlarga zid bo'lsa, biz kichikroq bo'lganlarini filtrlaymiz (o'chirib tashlaymiz). . Shuningdek, amalda noaniqlikni bartaraf etish uchun maqsadli qatorlarni (chunki ular tadqiqotchi uchun katta ahamiyatga ega) chiqarib tashlamaslik tavsiya etiladi, balki maqsadli bo'lmagan qatorlarni istisno qilish tavsiya etiladi. Satrlarning umumiy sonidagi ulushini baholash uchun bunday qatorlar sonini eslab qolish kerak. Shunga ko'ra, bu nisbat qanchalik katta bo'lsa, hisoblashning aniqligi shunchalik past bo'ladi. Agar qarama-qarshi ma'lumotlarning nisbati katta bo'lsa, unda ma'lumotlar bazasi nomuvofiqdir va shuning uchun u keyingi analitik hisob- kitoblar uchun mos emas va uning tuzilishini qayta ko'rib chiqishni talab qiladi. Bu muammoni hal qilishga ta'sir qiluvchi omillarning yetarli emasligi ma'lumotlarni tahlil qilish uchun ajratilganligi bilan bog'liq bo'lishi mumkin, ya'ni. o'rganish ob'ektiga ta'sir etuvchi ba'zi omillar hisobga olinmaydi. Bunday holda, birinchi bosqichga qaytish va o'rganilayotgan ob'ektning atributlarini aniqlashtirish kerak. Har doim bir yoki bir nechta xususiyatlar uchun ma'lumotlar mavjud bo'lmagan holatlar mavjud. Agar ma'lumotlar yetarlicha katta hajmda mavjud bo'lsa va bo'shliqlar bo'lgan ma'lumotlarning nisbati kichik bo'lsa, unda bunday qatorlarni ma'lumotlar bazasidan o'chirish tavsiya etiladi. Aks holda, agar to'plangan ma'lumotlar bazasi kichik bo'lsa va yetishmayotgan ma'lumotlar miqdori ham kichik bo'lsa va yangi ma'lumotlarni to'plash uzoq vaqt talab qiladi, unda etishmayotgan ma'lumotlarni qayta tiklash kerak bo'ladi. Biz miqdoriy ma'lumotlardagi bo'shliqlarni o'rtacha qiymatlar bilan to'ldirishingiz yoki mavjud dastlabki namunaviy ma'lumotlardan etishmayotgan qiymatlarni hisoblaydigan maxsus algoritmlardan foydalanishimiz mumkin. Biroq, ma'lumotlar bo'shliqlarini to'ldirish usullarining hech biri tahlil samaradorligining pasayishiga to'sqinlik qilmaydi, shuning uchun tadqiqot o'tkazishda eng to'liq ma'lumotlarni olish uchun hamma narsani qilish kerak [17]. 31 Mutaxassislar ma'lumotlar bazasining mantiqiy tuzilishini mumkin bo'lgan ortiqcha ma'lumotlar maydonlari bilan aniqlagandan so'ng, o'rganilayotgan muammo bo'yicha dastlabki ma'lumotlarni cheklangan, ammo kerakli aniqlik bilan matematik ishlov berish uchun yetarli hajmda to'pladi, dastlabki kirish nazoratini amalga oshirdi. Ma'lumotlardan matematik yoki statistik hisob-kitoblarda foydalanish uchun barcha kerakli o'zgarishlarni amalga oshirgan holda, ma'lumotlar bazasi tuzilmasini optimallashtirishga qaytish kerak [3]. Buning uchun matematik vositalar yordamida ma'lumotlarning kashfiyot tahlilini amalga oshirish kerak. Misol uchun, chuqur izlanish tahlili uchun siz konstruktiv mantiqning algebraik modeli usulidan foydalanishingiz mumkin - bu usul rasmiylashtirish bosqichida va nazorat-analitik hisob-kitob paytida batafsilroq ko'rib chiqiladi. Hisob-kitoblarga asoslanib, hosil bo'lgan matematik ifodalarda ishtirok etishi sust yoki yo'q bo'lgan maydonlar chiqarib tashlanadi. Keyinchalik, nazorat hisobi aniqlangan zaif muhim ma'lumotlar maydonlarisiz amalga oshiriladi [3]. Agar olingan natijalarning sifati bir xil bo'lib qolsa va yakuniy natijani (chiqishni) buzmasa, qolgan maydonlar muhim deb tan olinadi va optimallashtirilgan ma'lumotlar bazasini tashkil qiladi. Bu jarayon iterativ tarzda ham amalga oshirilishi mumkin, ya'ni. Birinchidan, bitta ahamiyatsiz ma'lumot xususiyatini istisno qiling, so'ngra olingan modelning sifatini tekshiring. Agar modelning sifati maqbul bo'lib qolsa va hali ham ma'lumotga ega bo'lmagan joylar mavjud bo'lsa, ushbu amallarni kerak bo'lganda ko'p marta takrorlang. Shuni ham ta'kidlash joizki, haddan tashqari ko'p sonli o'zgaruvchilardan foydalanish konstruktiv mantiqning algebraik model dan foydalanish natijasida olingan implikantlarning kuchining pasayishiga olib keladi. Agar tahlilning mohiyatida o'zgaruvchilar sonini kamaytirishning iloji bo'lmasa va natijada paydo bo'lgan implikantlarning vakolatlari kichik bo'lsa, unda to'plangan ma'lumotlarning sifati haqida gapirish mumkin. 32 Ushbu yondashuv tadqiqotchiga ma'lumotlar bazasini optimallashtirish bosqichida hisob-kitoblarning yuqori aniqligi tufayli natijalarning to'g'riligiga ko'proq ishonch beradi. Optimallashtirilgan ma'lumotlar bazasi olingandan so'ng, agar tadqiqotning ushbu bosqichida zarur bo'lsa, ma'lumotlarni to'plash jarayoni majburiy ma'lumotlarni tekshirish bilan davom ettirilishi mumkin. Ma'lumotlar bazasi keyingi tadqiqot operatsiyalari uchun ma'lumotga ega bo'lganda (ya'ni, namuna vakili bo'ladi), biz tavsiflovchi statistik usullardan foydalangan holda ma'lumotlarni statistik qayta ishlashga o'tamiz. Ta'riflovchi statistika o'rganilayotgan ob'ekt xususiyatlarini o'lchash natijalarini vizual taqdim etish va birlamchi ("vizual") tahlil qilish uchun ishlatiladi. Kuzatishlar natijalarini taqdim etish uchun tavsiflovchi statistik ko'rsatkichlar sifatida quyidagilar qo'llaniladi: tanlamaning o'rtacha arifmetik qiymati, rejim, mediana, tanlov dispersiyasi, o'rtachaning standart xatosi, o'rtacha uchun 95% ishonch oralig'i (umumiy aholining matematik kutishi). ), namunaning minimal va maksimal qiymatlari, yuqori va pastki kvartillar, diapazon (maksimal va minimal o'rtasidagi farq), pastki va yuqori kvartillar o'rtasidagi farq, namuna kurtozis koeffitsienti, egrilik koeffitsientining standart xatosi, kurtozning standart xatosi koeffitsienti [20]. Statistik ko'rsatkichlarni hisoblash jarayoni zamonaviy dasturiy ta'minot bozorida juda keng bo'lgan mavjud statistik paketlardan foydalangan holda soddalashtirilishi mumkin. Barcha sanab o'tilgan statistik ko'rsatkichlarni, masalan, Statistica paketi [13, 20, 25] yordamida hisoblash mumkin. Korrelyatsiya tahlili yordamida ma'lumotlar jadvalining barcha xususiyatlari o'rtasidagi juft korrelyatsiya koeffitsientlari hisoblanadi. Belgilar o'rtasidagi munosabatlar (Chaddock shkalasi bo'yicha) kuchli, o'rtacha yoki zaif bo'lishi mumkin (2.1-jadval) [16]. Juftlik korrelyatsiya koeffitsienti -1 dan +1 gacha o'zgarib turadi. -1 qiymati to'liq manfiy bog'liqlikni, +1 qiymati eskpert tizim to'liq ijobiy bog'liqlikni bildiradi. 0,0 qiymati korrelyatsiyasiz deb talqin qilinadi. 33 2.1-jadval. Munosabatlarning yaqinligini baholashning miqdoriy mezonlari Koeffitsient qiymati korrelyatsiyala r 0,1-0,3 0,3-0,5 0,5-0,7 0,7-0,9 0,9-1,0 Bog'lanish kuchining xarakteristikasi Zaif o'rtacha ko'zga tashlanadigan yuqori juda yuqori o'rtacha kuchli Agar intervalli shkala bo ' yicha o ' lchanadigan ikkita o ' zgaruvchi o ' rtasidagi bog ' liqlik tekshirilayotgan bo ' lsa , eng mos keladigan koeffitsient Пирсона korrelyatsiya koeffitsienti r bo ' lib , chiziqli korrelyatsiya deb ham ataladi , chunki u o ' zgaruvchilar orasidagi chiziqli munosabatlar darajasini aks ettiradi . Korrelyatsiya koeffitsienti quyidagi formula bo'yicha hisoblanadi: 2.9 Bu erda kovariatsiya formula bilan aniqlanadi:Cxy 2.10 - dispersiya, 2.11 x - o'rtacha arifmetik qiymat, matematik kutish bilan almashtiriladi 2.12 C xy kovariatsiyasi, korrelyatsiya koeffitsienti kabi, ikki o'zgaruvchi o'rtasidagi munosabatlarning o'lchovidir. Ammo bu ko'rsatkich 34 normallashtirilmagan; kovariatsiya miqdori o'zgaruvchilarning jismoniy o'lchamiga bog'liq. Agar juft korrelyatsiya koeffitsientining hisoblangan qiymati kritik jadval qiymatidan katta bo'lib chiqsa, u holda f=N-2 erkinlik darajalari soniga bog'liqlik yaqinligining statistik ahamiyatliligi haqidagi gipoteza, bu erda N - namuna hajmi, berilgan ahamiyatlilik darajasida qabul qilinadi [3]. Tanlangan va korrelyatsiya tahlilining statistik ko'rsatkichlarini hisoblashdan tashqari, tanlangan omillar maqsadli o'zgaruvchining holatiga ta'sir qiladimi yoki yo'qligini tekshirish kerak, ya'ni. kirish va chiqish omillari o'rtasida tasodifiy bo'lmagan munosabatlarni o'rnatish. Buning uchun bog'liqlikning yo'qligi (nol gipoteza H 0 ) va bog'liqlikning mavjudligi (muqobil gipoteza H l ) haqida statistik farazlar tuziladi. Tadqiqot jarayonida ilgari surilgan gipoteza tasdiqlanishi yoki rad etilishi kerak. Keling, bu savolni misol bilan ko'rib chiqaylik. Tasavvur qiling, kasallikning namoyon bo'lishiga va shunga mos ravishda kasallikning o'ziga ta'sir qilishi mumkin bo'lgan ba'zi bir omil mavjud, bu erda biz bu omil kasallikning sababi bo'lmasa, kasallik faqat tasodifiy ravishda ushbu omil bilan mos keladi deb taxmin qilamiz. Mezonni qo'llash ma'lum bir omil va kasallikning kuzatilgan kombinatsiyasini tasodifiy kutilgan bilan solishtirishga asoslanadi. Gipotezalarning qaysi biri (nol yoki muqobil) qabul qilinishi kerakligini hal qilish uchun statistik mezonlardan foydalaniladi, masalan: Kramer-Uelch, Vilkokson-Mann-Uitni, χ 2 , Fisher va boshqalar. Bu yerda kuzatishlar natijalari haqidagi ma’lumotlarga asoslanib, mezonning empirik qiymati hisoblanadi. Bu raqam tanlangan ahamiyatlilik darajasiga muvofiq mezonning kritik qiymati bilan taqqoslanadi P. Biotibbiyot tadqiqotlarida qabul qilinadigan ahamiyat darajasi 0,05, ya'ni 5% dan ko'p bo'lmagan xatolik ehtimoli. Tibbiyotdagi eng mashhur statistik mezonlardan biri χ2 (xi-kvadrat) testidir. Ushbu mezon sifatli ma'lumotlarni tahlil qilish uchun javob beradi. Uning boshqa mezonlardan asosiy farqi parametrik emas, ya'ni. taqsimlash 35 shaklidan mustaqillik. χ 2 mezoni, bir qator boshqa mezonlar kabi, kuzatilgan hodisalarning chastotalarini, agar hodisalar tasodifan sodir bo'lsa, sodir bo'lishi mumkin bo'lganlar bilan taqqoslashga asoslanadi. Agar tekshirilayotgan shaxslarning umumiy soni 20 dan kam bo'lsa, ( χ2 ) xi-kvadrat testidan foydalanmaslik kerak. Tekshirilayotgan shaxslar soni 40 va undan ortiq bo'lsa, ushbu mezonni qo'llash qat'iy tavsiya etiladi. Bunday holda, to'rtta maydon jadvalining har bir katagida kuzatishlar soni 4 yoki undan ko'p bo'lishi maqsadga muvofiqdir [17]. Umuman olganda, ( χ 2 ) xi-kvadrat testi quyidagi shaklga ega: χ 2 = ∑ (O− E).2 E 2.13 2 x 2 jadval uchun bu formula quyidagicha yoziladi: 2.14 Keyinchalik, erkinlik darajalari soni aniqlanadi, bu o'rganilgan holatlar sonidan o'zgarishlarni cheklaydigan parametrlar sonidan tashqari tushuniladi. Qo’shmalik jadvali uchun erkinlik darajalari soni: 2.15 Bu erda r - satrlar soni, c - jadvaldagi ustunlar soni. Olingan ( χ 2 ) xi-kvadrat qiymati jadval qiymati bilan taqqoslanadi va taqqoslash natijalariga ko'ra ma'lum bir ahamiyatlilik darajasida nol yoki muqobil gipoteza qabul qilinadi. 2x2 o'lchamdagi qidirish jadvali uchun statistik ahamiyatga juda optimistik baho bermaslik uchun (F.Yates) tuzatishi bilan hisob-kitoblarni amalga oshirish maqsadga muvofiqdir. Bu tuzatish ( χ2 ) xi-kvadrat testidagi O - E qiymatini n/2 ga kamaytirilgan bu farqning mutlaq qiymati |O - E| bilan almashtirish orqali ifodalanadi. Bizning misolimiz uchun formula quyidagi shaklni oladi [17]: 2.16 36 Agar tanlovning umumiy hajmi kichik bo'lsa (n <30), unda nol gipotezani tekshirish uchun Fisherning aniq testidan foydalanish yaxshiroqdir, chunki u taqsimlanish shakli va ma'lumotlarning mustaqilligi haqidagi taxminlarning minimal soniga tayanadi. Fisher mezoni ko'proq diagonal konsentrlangan kelishuv jadvalining kataklarida kuzatuvlarning tasodifiy taqsimlanish ehtimoli sifatida hisoblanadi [47]. O'lchamlari 2 x 2 dan katta bo'lgan jadvallar uchun men Пирсона va Чупрова o'zaro konjugatsiya koeffitsientlaridan foydalanaman [45, 47]: Pearson koeffitsienti: 2.17 Chuprov koeffitsienti: 2.18 bu yerda n - kuzatishlar soni; k 1 - jadvaldagi qatorlar soni; k 2 - jadvaldagi ustunlar soni. belgini kiritamiz va Пирсона и Чупрова ning o'zaro bog’langan koeffitsientlarini o'zgartiramiz: 2.19 2.20φ 2 qimati formula yordamida hisoblash mumkin: 2.21 Pearson va Чупрова o'zaro konjugatsiya koeffitsientlaridan foydalanishning quyidagi xususiyatlarini ta'kidlash kerak: 37 1. 2x2 jadvallar uchun Chuprov koeffitsientini hisoblash tavsiya etilmaydi. 2. Ikkidan ortiq satr va ustunli jadvallar uchun Чупрова koeffitsienti har doim Пирсона koeffitsientidan kichik bo'ladi. Biz algoritmga bitta taxminni kiritamiz, bu bizning tadqiqot muammomiz bilan bog'liq bo'lishi mumkin. Agar nol gipotezani tekshirishda u qabul qilinsa, ya'ni. berilgan ahamiyatga ega p darajasida bog'liqlik yo'q deb hisoblanadi, lekin shu bilan birga, mutaxassislarning fikriga ko'ra, muammoni hal qilishda o'zgaruvchi katta ahamiyatga ega, keyin uning natijaviy modeldagi ishtirokini aniqlashtirish uchun vaqtincha qoldiriladi. . Bundan tashqari, agar, masalan, hisob-kitoblar natijalariga ko'ra, ko'p hollarda u me'yoriy ko'rsatkichlardan katta og'ishlarga ega bo'lsa, bunday o'zgaruvchini istisno qilmaslik mantiqan to'g'ri keladi, bu esa o'z navbatida, agar kattaroq o'quv namunasi mavjud bo'lsa, u ko'rsatishi mumkin. vazifani hal qilishda muhim ahamiyat kasb etadi. Haqiqiy sharoitda namunaning statistik ahamiyatini hisoblash uchun kompyuter dasturidan foydalanish kerak, bu ko'rib chiqilgan holatlar uchun shakllarni yaratish, ma'lumotlarni yig'ma jadvalga o'tkazish va statistik mezonlarni hisoblashni ta'minlaydi. Bunday holda, X 2 mezonini hisoblash uchun biz Statistica 6.0 statistik paketidan foydalanishimiz mumkin - 2x2 shartli jadvalni tahlil qilish, Nonpametrics/Distrib modulini, protsedura 2x2 jadvallari Xi/Vi/Phil, McNemar, Fisher exact va kxr jadvali uchun Asosiy Statistikalar va jadvallar moduli , Jadvallar va Banner varianti; Excel yoki Access orqali yuqoridagi formulalar yordamida shunday hisoblash dasturini o'zingiz ham yaratishingiz mumkin. 2.4 Bilimlar bazasini ifodalash Ushbu bosqichda bilimlarni ifodalash usullarini, yechish usullarini, o'rganilayotgan muammoning modelini qurishni aniqlash kerak. Bilimlarni ifodalash usuli bilimlar bazasi, eskpert tizim rivojlanishining muhim qismidir. Ekspert tizimlarida ma’lumotlarni ifodalashning eng mashhur 38 usullari quyidagilardir: ishlab chiqarish qoidalari, qarorlar daraxtlari, birinchi darajali predikatlar hisobi, semantik tarmoqlar, freymlar, ob'ektga yo'naltirilgan modellar [6]. Ma’lumotlarni ifodalash usuli hal qilinayotgan muammoning o'ziga xos xususiyatlariga, shuningdek, eskpert tizimni yaratishda foydalaniladigan vositalarga muvofiq tanlanadi. Murakkab muammolarni hal qilish uchun va ko'rib chiqilayotgan tadqiqot muammosi bilan bog'liq holda, ma’lumotlarni taqdim etishning evristik usullaridan foydalanishga asoslangan ishlab chiqarish modellaridan foydalanish tavsiya etiladi, bu sizga xulosa qilish mexanizmini muammoli sohaning xususiyatlariga moslashtirishga imkon beradi. ma’lumotlarning noaniqligini hisobga olish. Shuningdek, ishlab chiqarish modeli xulosa yo'nalishini tanlash orqali xulosa chiqarish mexanizmining yanada moslashuvchan ishlashini tashkil qilish imkonini beradi. Bu erda ma'lumotlarga asoslangan to'g'ridan-to'g'ri argumentatsiya (ma'lumotlardan maqsadga) va teskari, maqsadlarga (maqsaddan ma'lumotlarga) olib kelishi mumkin. Ishlab chiqarish modellarida to'g'ridan-to'g'ri xulosa chiqarish, masalan, talqin yoki prognozlash muammolarini hal qilishda, ma'lum bir vaziyatni tavsiflashdan barcha oqibatlarni olish va bunday natijalarga olib keladigan eskpert tizim mulohazalari zanjirini ko'rsatish zarur bo'lganda foydalanish mumkin. Teskari hosila qo'llaniladi, Ishlab chiqarish modelida ma’lumotning asosiy birligi shakl qoidasi hisoblanadi: “agar <kiritish>, keyin <xulosa>”, uning yordamida fazoviy-vaqt, sabab, funksional-xulq-atvor (vaziyat-harakat) munosabatlari yuzaga keladi ob'ektlarni ifodalash mumkin. Ob'ektlarning o'zini qoidalar bilan tavsiflash mumkin: "ob'ekt - xususiyat" yoki "xususiyatlar to'plami - ob'ekt", lekin ko'pincha ob'ekt tavsiflari qoidalar ichida faqat o'zgaruvchilar ("atribut - qiymat") sifatida paydo bo'ladi. Asosan, ishlab chiqarish modeli turli vaziyatlar yoki harakatlar ketma-ketligini tasvirlash uchun mo'ljallangan va kamroq darajada ob'ektlarning tuzilgan tavsifi uchun mo'ljallangan. Umuman olganda, ishlab chiqarish (qoida) quyidagi shaklga ega: 2.22 39 Bu yerda i – mahsulot nomi, Q – mahsulotning qo‘llanilish doirasi, P – mahsulotning o‘zagi uchun qo‘llanilishi sharti, A=>B – mahsulotning o‘zagi, N – mahsulotning keyingi sharti [5] . Har bir qoida ma'lum darajada aniqlik bilan bajarilishi mumkin. Bu yerda noaniq mantiq elementlari qo'llaniladi, bunda ehtimolliklar faktlarning aniqligi va qoidalarni qo'llash (ishonch omillari) bo'yicha ekspert baholari sifatida aniqlanadi. Ishonch omillarini xulosalar chiqarish jarayonida argumentlarning ahamiyati darajasini aks ettiruvchi og'irlik omillari sifatida ham ko'rish mumkin. Olingan echimlarga bo'lgan ishonchning yakuniy omillari, asosan, ko'plab muammolarda maqbul bo'lgan uning aniqligini emas, balki natijaning ishonchliligi tartibini aks ettiradi. Aniqlilik ma'lum nisbiy shkala bo'yicha o'lchanadi, masalan, 0 dan 100 gacha. Qoidalarni qo'llashda ishonch omillari ma’lumotlar bazasini to'ldirishda yoki har bir qoidaning kuchini baholaydigan maxsus aqlli usullardan foydalangan holda bilim muhandislari tomonidan mutaxassislar bilan birgalikda aniqlanadi. . Bunday mantiqiy ifodalarni ishlab chiqarish qoidalari sifatida shakllantirish mumkin va implikantning kuchi ishonch omiliga aylantirilishi mumkin. Natijada mahsulot qoidalari asosida qurilgan ma’lumotlar bazasi. U bilan ishlash uchun yangi ish qoidalarga muvofiq tekshiriladi va matni ko'rib chiqilayotgan ishga mos keladiganlar belgilanadi. Keyin belgilangan chiziqlarning ulushlarini qo'shing. Natijada, bu ish uchun umumiy ball. Agar olingan iboralarda tadqiqotchi boshqalarning fonida ajralib turadigan kuchni ko'rsa, uning kuchi boshqalardan ko'ra ko'proq bo'lgani kabi, bu ta'sir juda muhimdir. Natijada kichik hisob-kitoblarning mavjudligi ko'pincha salbiy natijani ko'rsatadi, garchi bunday jarayonlar tabiatda asta-sekin ko'plab omillarga bog'liq bo'lishi mumkin. Shuni eskpert tizimda tutish kerakki, yagona hisoblangan formulalar ham to'g'ri, ammo ular kamdan-kam holatlarga tegishli. Ularning allaqachon aniqlangan nazariyasiga muvofiqligi ma'nosida ular shovqin bo'lishi mumkin, ammo X da "marvarid donasi" ni topish holati istisno qilinmaydi, qo'shimcha tadqiqotlardan so'ng uning axborot qiymati katta bo'ladi [17] . 40 A ilovada kontekstni hisobga olgan holda tizimli analogiya asosida yechim topish algoritmi keltirilgan. Keling, ushbu konstruktiv mantiqning algebraik model algoritmining ishlash mohiyatini qisqacha ko'rib chiqaylik. Modellarni hisoblash (diskret matematika nuqtai nazaridan - o'lik dizyunktiv normal shakl) Y maqsad qiymatlari ustunini tegishli A> qiymatli mantiqning {0, 1, 2, k qiymatlariga kvantlashdan boshlanadi. .., k), Y ko'pincha mediana bo'ylab mantiqiy qiymatlarga bo'linadi 0 va 1. Konstruktiv mantiqning algebraik model shuningdek, Y ning vektor qiymatlari bilan ishlashni ta'minlaydi (bir vaqtning o'zida bir nechta maqsadlarni belgilash va ko'p mezonli maqsad uchun modellarni hisoblash). Ob'ektning har bir maqsadli holati (ma'lumotlar massivining qatori) birinchi navbatda maqsadsiz holatlarning eng yaqin qo'shnisi bilan taqqoslanadi. Natijada, xususiy modellar to'plami (K o'tish joylari) hisoblab chiqiladi, ular ob'ekt joylashgan individual vaziyatlarga (yoki quyi tizimlarga) mos keladi. Ushbu holatlar ISda "yoki" mantiqiy havolasi yordamida ularning chastotasi yoki bahosining kamayishi tartibida keltirilgan |G| (asl ma'lumotlar massivida paydo bo'lishi). Bularning barchasi mantiqiy ifoda tadqiqot maqsadini - diskret Y ning berilgan qiymatini ("agar ..., keyin ..." mantiqiy aloqasi) nazarda tutadi (mos keladi). Keyinchalik, har bir K uchun hisob-kitoblar hisoblab chiqiladi (ularni massivga kiritish soni), bu taxminlar tartibga solinadi va ularning eng kichik soni tanlanadi (katta baholar bilan K bilan bir xil qatorlarni qamrab olganlar olib tashlanadi). Geometrik talqinda konstruktiv (intuitsionistik) mantiqning ( Konstruktiv mantiqning algebraik model ) hisoblangan algebraik modeli kichik o lchamliʻ hujayralar – kichik o lchamli K parallelepipedlar to plamidir, bu yerda maqsadning ʻ ʻ bajarilishi K hujayra ichidagi “olish” ga to g ri keladi |G| davlat nuqtalari. ʻ ʻ Shunday qilib, ushbu algoritm dizyunktiv shakllarni (predikatlar yoki "xulosalar") birikmalar to'plami sifatida belgilaydi: K 1 v K 2 v...v K m ⊃ Z, 2.23 bu yerda K=(a i < x i < p i )) & (a 2 < x 2 < β 2 )&...& (a r < x r < β r ), & - mantiqiy bog'lovchi ("va"), r - intervallar soni {a, ), ya'ni. daraja K, v - mantiqiy bog'lovchi 41 dis'yunksiya ( " yoki " ), mantiqiy bog'lovchi implikatsiya (" agar, keyin ") va Z - tadqiqot maqsadi (odatda mantiqiy shaklda). Bu erda barcha x o'zgaruvchilar mantiqiy bo'ladi, masalan, agar kasallik aniqlansa, x = 1, agar u yo'q bo'lsa, x = 0. Qulaylik uchun mantiqiy (boolean) M, masalan, shaklda yozilishi mumkin x i 1 „ x i 2 ...x ir 1 v ... v (x i3 x i4 ...x ir0 v ...)⊃ Z, 2.24 bu erda x orasidagi intervallar "va" bog'lanishini bildiradi, tagiga chizilgan x = 0, r i - K maqsadli modelga (MM) tegishli bo'lgan belgi, bu erda Z=l, r 0 - maqsadli bo'lmagan modelga yoki "nazorat modeliga" tegishli. " ( NM ), bu erda Z = 0 va - ¬ - inkor. Ikki modelni qurish afzaldir: to'g'ridan-to'g'ri hisoblash va teskari tomondan hisoblash , bu qarama-qarshi natijalarni solishtirish imkoniyati tufayli natijani talqin qilishni soddalashtiradi [19]. Birinchidan, biz to'g'ridan-to'g'ri modelni qurish va baholashni boshlaymiz. Manba jadvalining maqsadli ustuni va eng muhim (axborot beruvchi) ustunlari uning boshida (birinchi raqamlarda) joylashgan. Ustunlarni qayta tartiblash yakuniy ifodalarni o'zgartirishi mumkin. O'zgartirilgan iboralar, birinchi navbatda, kuchi ahamiyatsiz bo'lgan implikantlarga ta'sir qiladi. Algoritm yakuniy ifodalarning barcha mumkin bo'lgan variantlarini ko'rish uchun mo'ljallanmagan: birinchi bo'lib olingani tanlanadi. Turli xil variantlar orasida noto'g'ri variantlar yo'q, chunki bir xil natija turli yo'llar bilan taqdim etilishi mumkin [3]. Olingan modelning ko'rinishi o'rganilayotgan ob'ektning murakkabligini taxminiy baholash imkonini beradi. Shunday qilib, axborot nuqtai nazaridan modelning ko'p sonli dis'yunktiv atamalari (ya'ni, individual xulosalar) bunday murakkablikdan dalolat beradi. Shunga ko'ra, bu holda biz xulosalarning katta noaniqligi (axborot entropiyasi) haqida gapirishimiz mumkin. Bitta mahsulotdagi o'zgaruvchilarning ko'pligi ham uning murakkabligidan dalolat beradi. Modellashtirish jarayonining o'zi oz sonli eng qisqacha xulosalarni olishga qaratilgan, ya'ni. yakuniy ob'ektni tavsiflashning minimal murakkabligini beradigan eng qimmatli ma'lumotlarni olish uchun [27]. Shunday qilib, agar to'g'ridan-to'g'ri model past quvvat bilan tavsiflangan ko'p sonli ajratuvchi atamalarga ega bo'lsa, bu natijada olingan modelning "qoralangan"ligini va model qurilgan ma'lumotlarni 42 ko'rsatadi, ko'proq tasodifiy (noaniq) xarakterga ega. "Yo'llangan" modelni olishning sababi yetarli miqdordagi o'quv misollarining yo'qligi (tanlamaning kichik hajmi) bo'lishi mumkin va maqsadli o'zgaruvchining holatiga sezilarli ta'sir ko'rsatadigan ba'zi omillar hisobga olinmagan bo'lishi mumkin. Agar model yuqori quvvatga ega bo'lgan kichik disjunksiyalar to'plamidan iborat bo'lsa, u holda Y maqsadiga erishish yo'llarini ixcham va "tushunarli" mulohazalar ko'rinishida aks ettiruvchi ixcham model olingan deb hisoblanadi. Ushbu mulohazalar Y ga erishishning o'xshash usullarini yoki ehtimol mos keladigan nazariyalarni apriori ma'lumotlarni tanib olishga yordam beradigan o'ziga xos kalit iboralar sifatida qaralishi mumkin [17]. Shuning uchun bunday modelni eskpert tizim ma’lumotlar bazasini yaratish uchun asos sifatida olish mumkin, chunki yuqori quvvat qiymatlari olingan natijalar barqaror va ishonchli ekanligini anglatadi. Bundan tashqari, maqsadli bo'lmagan (teskari) model ham xuddi shunday tarzda ko'rib chiqiladi. Bunday holda, teskari tomondan hisoblash (maqsadga erishilmaydi) to'g'ridan-to'g'ri hisoblashdan ko'ra ko'proq vaqt talab etadi (maqsadga erishiladi). Amalda, bunday holat to'g'ridan-to'g'ri model qoralangan holda taqdim etilganda mumkin va teskari model, aksincha, ixcham bo'lib chiqadi. Ushbu vaziyatning mumkin bo'lgan izohi shundaki, ushbu namunada kirish atributlari va maqsadli o'zgaruvchi o'rtasida haqiqatan ham ma'lum qonuniyatlar mavjud, ammo yuqori quvvatga ega bo'lgan xulosalar paydo bo'ladigan teskari modelda ko'rsatilganidek, yetarlicha misollar to'planmagan. Keyin maqsadli bo'lmagan modeldan olingan natijalarni ma’lumotlar bazasiga kiritish maqsadga muvofiq bo'ladi. Biroq, shu bilan birga, belgilangan maqsad uchun maqsadli bo'lmagan modeldan ishga tushirilgan qoidalarning vakolatlari umumiy balldan olib tashlanadi, bu esa kiritilgan o'zgaruvchilarning belgilangan qiymatlari uchun ushbu maqsadga erishishning o'ziga xos xususiyatini aks ettiradi. Bu yerda kuchni ishonch omiliga aylantirishga alohida e'tibor berilishi kerak. Bundan tashqari, ishonch omiliga xulosalar chiqarish jarayonida argumentlarning muhimlik darajasini aks ettiruvchi tortish koeffitsientlari sifatida ko'rib chiqiladi va 43 olingan qarorlarning yakuniy ishonch omiliga aniqligini emas, balki natijaning ishonchliligi tartibini aks ettiradi. ishonch omili quyidagi formula bilan aniqlanadi: 2.25 bu erda M i - joriy quvvat; M um - umumiy quvvat qiymati. Natijadagi barcha implikantlarning kardinalliklari yig'indisi maksimal kardinallik emas, chunki natijada paydo bo'lgan iboralardagi omillar ularning domenlari bilan ifodalanadi, ular ko'pincha bir-biriga mos kelmaydi. Natijada, barcha yuzaga keladigan implikantlarning vakolatlarining oddiy yig'indisi sezilarli darajada oshirilgan qiymatni beradi. Shunday qilib, eskpert tizimni qurish uchun konstruktiv mantiqning algebraik model dan foydalanilganda, maksimal umumiy quvvatni topish algoritmiga ega bo'lish kerak. Buning uchun bizga kerak: 1. Maqsadli qiymat va mos keladigan matematik modelni tanlang (natijadagi implikantlar). 2. Har bir omil uchun o'zgarish o'sishini o'rnating. 3. Har bir omilning qiymatlarini uning minimal qiymatidan maksimaligacha ketma-ket sanab, umumiy quvvatning maksimal mumkin bo'lgan qiymatini toping, ya'ni. o'quv namunasini olingan implikantlar orqali go'yo filtrdan o'tkazing. 4. Agar hisobga olingan omillarning joriy qiymatlari to'plami natijaviy implikantning shartlariga mos keladigan bo'lsa, unda umumiy quvvatni hisoblashda uning kuchi hisobga olinadi. Olingan maksimal qiymat berilgan namunadagi maksimal quvvat (Max) bo'ladi. Maksimal quvvatni hisoblash uchun tavsiya etilgan algoritm har bir omilning mumkin bo'lgan qiymatlarini sanab o'tishga asoslangan va agar siz o'zingiz uchun qo'yilgan ikkinchi vazifani hisobga olmasangiz, birinchi qarashda oqilona emas. Ushbu operatsiyani maksimal quvvatni hisoblashda qiymatlarni sanab o'tishning bir tsiklida bajarish mumkin [17]. 44 Agar model juda kam uchraydigan birlashtirilmagan o'zgaruvchilardan iborat bo'lsa, unda ishonch omilini hisoblash quyidagi aniq holatga qisqartiriladi: 2.26 bu erda M i - joriy quvvat; N - berilgan maqsad uchun olingan konstruktiv mantiqning algebraik model ga jalb qilingan o'zgaruvchilar soni; M max - natijada olingan konstruktiv mantiqning algebraik model ga kiritilgan birlashtirilmagan o'zgaruvchilar uchun maksimal quvvat qiymati; maqsadli o'zgaruvchining berilgan qiymati uchun umumiy quvvat. Analitik ishning yakuniy bosqichi natijani talqin qilish bo'lib, u ko'pincha tibbiy foydalanuvchi uchun qiyinchiliklarga olib keladi. Ushbu ishni osonlashtirish uchun turli xil tavsiyalar, natijaning algoritmlar va grafik tasvirlari mavjud. Ushbu usullardan biri natijani umumlashtirilgan baholash bo'lib, u natijani sharhlashning dastlabki bosqichida bajarilishi kerak. Quyidagi savollarga javob berish uchun umumiy baholash kerak: 1. Qaysi implikantlarni eng muhim deb hisoblash kerak? 2. Eng muhim implikantlar boshqa natijaviy implikantlardan qanchalik kuchli farq qiladi? 3. Amalga oshirilgan analitik hisobning natijaviy modelni izohlash yoki eskpert tizim qurish uchun yaroqliligi nuqtai nazaridan qanchalik samarali deb hisoblash kerak? Oddiy misol yordamida umumlashtirilgan bahoni ko'rib chiqing, unda X i omillari; birlashtirilmagan shaklda taqdim etilgan (2.2-jadval). Qismlarga bo'linish jadvalda ko'rsatilgan kümülatif qatorning pastdan yuqoriga to'plangan qator bilan yuqoridan pastgacha kesishishi sifatida ifodalanadi. 5 qalinlashgan chiziq. 2.2-jadval. Mikroelementlar bo'yicha analitik material Qismlar i Pastdan yuqoriga Olingan implikantlar Yuqoridan pastgacha 45 to'plangan miqdor to'plangan miqdor I 144 21 123 35 109 49 95 63 81 73 II 71 83 61 93 51 101 43 108 36 115 29 122 22 128 16 134 10 139 5 144 Boshqa bir misolda , natijada paydo bo ' lgan implikantlar birlashtirilgan omillar shaklida berilgan (2.3- jadval ), ularning ba ' zilari bir xil kardinallikka ega , bu ularni tartiblashni qiyinlashtiradi . Shu bilan birga , qismlarga bo ' lish masalasi tug ' iladi , chunki taqqoslangan to ' plangan miqdorlarning qiymatlari bir - biriga mos keladi . 2.3- jadval . Analitik materialning namunaviy versiyasi Qis m Pastdan yuqoriga to ' planga n miqdor Olingan implikantlar Yuqorida n pastgach a to'planga n miqdor I 383 1. 106 275 2. 157 225 3. 206 II 175 4. 254 125 5. 301 80 6. 340 46 40 7. 389 Savolga javob berish uchun quyidagilar taklif etiladi: 1. Yig'ilgan miqdorlarning bir-biriga o'xshashligini solishtiring. Tanlangan misol uchun: 225-158=67 va 208-175=33. Eng kichik farqda bo'linish chizig'ini torting. 2. Olingan implikantlarning reytingi barcha yuzaga keladigan implikantlarni aniqlash sohasidagi eng ko'p bir-biriga mos keladigan omillarning ustuvorligini hisobga olgan holda amalga oshirilishi kerak. Yakuniy natijaviy modelni yaratish uchun yuqoridagi printsiplardan foydalanib, eskpert tizim ishlashi uchun mantiqiy qoidalar avtomatik ravishda uzatiladigan "begonalashtirilgan" eskpert tizim (alohida to'liq xususiyatli modul) yaratish mumkin. Ushbu qoidalar, eskpert tizimdagi ba'zi matematik apparatlar kabi, dasturda qat'iy belgilangan bo'ladi va ular har bir sinf uchun hisoblangan IO bilan ob'ektlarni tasniflash uchun ishlatiladi. Konstruktiv mantiqning algebraik model dan foydalanish tamoyillari haqida yuqorida aytilganlarni umumlashtiramiz. 1) Algebraik modellar sabab va natija munosabatlarini aniqlash uchun kuchli vositadir. 2) Konstruktiv mantiqning algebraik model sizga matematik modellarni yaratishga imkon beradi, ularning natijasi har biri uchun ta'sir doirasiga ega bo'lgan birlashtirilgan o'zgaruvchilar ko'rinishida olingan implikantlarni ajratish, shuningdek, kuchga ta'sir qilish darajasi bilan ifodalanadi. natija. Kirish ma'lumotlari sifatida eksperimental, statistik yoki tibbiy ma'lumotlardan foydalanish mumkin. 3) Agar yaxshi tasdiqlangan dastlabki ma'lumotlar bilim sifatida qabul qilinsa, natijadan ekspert bahosi sifatida foydalanish mumkin. Dastlabki ma'lumotlarning to'planishi bilan ekspert bahosining aniqligi ortadi. Foydalanuvchi ko'rib chiqilayotgan ishni og'zaki shaklda tuzilgan va prognostik jadval shaklida taqdim etilgan algebraik modelning natijaviy ifodasi bilan taqqoslab, ekspert bahosini berishi mumkin. Yakuniy ehtimollik bahosi 47 taqqoslash natijalaridan tuziladi. Agar jadvaldagi bayonot ko'rib chiqilayotgan ishni qanoatlantirsa, u holda ma'lumotlar bazasida to'plangan ishlarning umumiy sonining ulushi sifatida ifodalangan natijaviy ifodaning kuchi yakuniy ehtimollik bahosiga qo'shiladi [19]. 4) Algebraik model ma'lum bir razvedkaga ega, bu shovqinli makonda muhim jarayonlarni ajratib ko'rsatish imkonini beradi. Bu printsip shundan iboratki, har bir guruhda o'zgaruvchining bir xil darajali qo'shni qiymatlari bilan tahlil qilish (mahallani o'rganish) asosida nuqta predikatlarining natijaviy qiymatlarini birlashtirish to'g'risida qaror qabul qilinadi. joy o'rnatish. Ushbu operatsiya natijasida o'rganilayotgan jarayonga xos bo'lmagan ajratuvchi nuqta predikatlar so'riladi. Yechilayotgan muammoning xususiyatiga qarab, qaror qabul qilishning ko'pchilik printsipidan foydalangan holda mahallani o'rganishni kengaytirish ham mumkin. Ko'p sonli mahalliy predikatlarni bir xil nomdagi guruhda birlashtirish uchun ushbu yondashuvdan foydalanish maqsadga muvofiqdir. Ularning o‘z soni bilan ko'rib chiqishni qisqartirish kerak. Ikkinchi muqobil sifatida MS eskpert tizim modelini yaratish uchun neyron tarmoq yondashuvidan foydalanish mumkin [23]. Shu bilan birga, sun'iy neyron tarmoqlari asosida yaratilgan bilimlar bazasi amaliy tibbiyotdan olingan misollar asosida o'qitish orqali shakllantiriladi. Bunday holda, bilimlarni o'zlashtirish eskpert tizimni ishlab chiqish vaqtini sezilarli darajada qisqartirishi, ekspert usullariga xos bo'lgan sub'ektivlikni bartaraf etishi va yangi yashirin bilimlarni olishi mumkin bo'lgan ekspert bilimlarini olish orqali emas, balki neyron tarmoq orqali amalga oshiriladi. . Neyron tarmoq ma'lumotlarni qayta ishlash usullari orasida o'ziga xos o'rinni egallaydi, universalligi va murakkabligi bo'yicha ulardan ustun turadi, shu bilan birga ma'lumotlar shakliga unchalik sezgir bo'lmagan usul bo'lib qoladi. Tarmoqlar, shuningdek, saqlagan ma'lumotlarga asoslanib, ekstrapolyatsiya va interpolyatsiya qilish imkonini beradi. va trening sizga tarmoqqa ma'lumotlardagi muhim xususiyatlar yoki munosabatlarni qidirish qobiliyatini berishga imkon beradi. Shundan so'ng, tarmoq yangi kiruvchi ma'lumotlardagi munosabatlarni ekstrapolyatsiya qilish va kashf qilish qobiliyatiga ega bo'ladi [3]. 48 Sun'iy neyron tarmoq ma'lumotlarini taqdim etish vositalari xatoga chidamli xotiraga ega, ya'ni. neyron tarmoqning alohida qismlarini o'chirishda faqat saqlangan ma'lumotlar sifatining pasayishi sodir bo'ladi, lekin ma'lumotlarning to'liq yo'qolishi emas. Buning sababi shundaki, ma'lumotlar taqsimlangan shaklda saqlanadi. Neyron tarmog'i paradigmasining asosiy kamchiligi - bu juda katta miqdordagi o'quv namunasiga ega bo'lish zarurati. Yana bir muhim kamchilik shundaki, hatto o'qitilgan neyron tarmoq ham "qora quti" [6]. Agar ma'lumotlar haqida apriori ma'lumot bo'lmasa, u holda neyron tarmoqlardan foydalanish maqsadga muvofiqdir. Neyron tarmoqlar ko'pincha muammoni tez va sifatli hal qilishni ta'minlaydi, odatda ma'lumotlar strukturasini chuqur o'rganishdan so'ng statistik usullar bilan olinganidan ko'ra yomonroq emas [14]. Eskpert tizim qurish uchun neyron tarmoqlardan foydalanish ishlab chiqish vaqtini qisqartirish imkonini beradi: qoidaga asoslangan tizimlar 12-18 oy, neyron tarmoqlar eskpert tizim bir necha haftadan bir necha oygacha davom etadi. Neyron tarmog'ini qurish masalasiga o'tishdan oldin biz birinchi navbatda sun'iy neyron tarmoqlarning tuzilishini va ularni aniq vazifalarda qo'llash imkoniyatlarini ko'rib chiqamiz. Tizimni o'qitish natijasida, yangi paydo bo'lgan vaziyatlarni sharhlashda o'qitilgan tizim foydalanadigan vaziyatlarning sinflarga tegishliligini aniqlaydigan umumlash- tirilgan qoidalar yoki funktsiyalar avtomatik ravishda tuziladi. Shunday qilib, tasniflash va prognozlash masalalarini hal qilishda foydalaniladigan bilimlar bazasi avtomatik ravishda shakllanadi[16]. Eskpert tizimning o'z-o'zini o'rganish funktsiyasini amalga oshirish uchun biz neyron tarmoqning matematik apparatidan foydalanamiz [23]. Neyron tarmoq deganda o z-o zini o rganuvchi intellektual axborot tizimi tushuniladi, u realʻ ʻ ʻ amaliyot misollaridan o rganish asosida undagi yechimlarni parallel izlash uchun ʻ tushunchalar (neyronlar) assotsiativ tarmog ini quradi [16]. ʻ Neyron tarmoqlarning turli xil variantlari mavjud , ammo shunga qaramay, ularning barchasi umumiy xususiyatlarga ega. Neyron tarmoqlar, xuddi inson 49 miyasi kabi, bir xil turdagi o'zaro bog'langan ko'p sonli elementlardan - miya neyronlarini taqlid qiluvchi neyronlardan iborat. Shaklda. 2.2-rasmda neyronning diagrammasi ko'rsatilgan. 2.2-rasm. Sun’iy neyron 2.2-rasmdan ko'rinib turibdiki, sun'iy neyron neyronning kirish joylarini yadro bilan bog'laydigan sinapslardan, kirish signallarini qayta ishlovchi neyron yadrosi va neyronni keyingi qatlamning neyronlari bilan bog'laydigan aksondan iborat. Har bir sinapsda tegishli neyron kirishi uning holatiga qanchalik ta'sir qilishini aniqlaydigan og'irlik bor. Neyronning holati uning kirishlarining vaznli yig'indisi sifatida aniqlanadi: 2.27 Qayerda n - neyron kirishlari soni, x l - neyronning i-kiritish qiymati, w l - l-ro sinapsining og'irligi. Keyin neyron (chiqish) aksonining qiymati uning holatiga bog'liq holda formula bo'yicha aniqlanadi: 2.28 Bu erda f - faollashtirish (xarakteristik) funksiya. 50 SX 1 X 2 X 3 X n W 1 W 2 W 3 W m YKirish Yashirin qatlam Neyron tarmoq Faollashtirish (xarakteristik) funksiya - bu rasmiy neyronning chiqish signalini hisoblaydigan chiziqli bo'lmagan funksiya. Uchta faollashtirish funktsiyasi mavjud: qattiq chegara funktsiyasi, chiziqli chegara va sigmasimon funktsiya [38]. Faollashtirish funktsiyasini tanlash vazifaning o'ziga xos xususiyatlari yoki ba'zi o'rganish algoritmlari tomonidan qo'yilgan cheklovlar bilan belgilanadi [39]. Faollashtirish funktsiyasi sifatida eng ko'p ishlatiladigan sigmasimon funktsiya quyidagi shaklga ega: 2.29 Ushbu funktsiyaning asosiy afzalligi shundaki, u butun x o'qi bo'yicha farqlanadi va juda oddiy hosilaga ega: 2.30 Parametr a pasayganda, sigmasimon (2.3-rasm) tekisroq bo'ladi (chiziqqa yaqinroq), a=0 da 0,5 darajasida gorizontal chiziqqa aylanadi. 2.3 rasm. Sigmasimon bez turi (neyronlarning uzatish funksiyasining tikligi) a=0,5 Neyron tarmoq quyidagi muammolarni hal qilishga imkon beradi [30]: 1. Nazoratsiz tasniflash yoki ma'lumot qidirish. Ushbu sinf tarmoqlarining eng mashhur vakili bu muammoni hal qilishning eng oddiy variantini amalga oshiradigan Kohonen tarmog'idir. Ushbu muammoning eng umumiy yechimi dinamik yadrolar usuli sifatida tanilgan. 2. Assotsiativ xotira. Eng mashhur vakili Xopfild tarmog'idir. Bu muammo, shuningdek, umumlashtirishlarni qurish imkonini beradi. 51- 10 - 8 - 6 - 4 - 2 0 2 4 6 8 101 0.5 0 3. Cheklangan sonli nuqtalarda berilgan funksiyalarni yaqinlashtirish. Ushbu muammoni hal qiladigan tarmoqlarga perseptronlar, xatolarni qayta tarqatish tarmoqlari kiradi. Orqa tarqalish neyron tarmog'i bir nechta neyron qatlamlaridan iborat bo'lib, qatlamning har bir neyroni i + 1 qatlamning har bir neyroniga ulanadi, ya'ni biz to'liq bog'langan Neyron tarmoq haqida gapiramiz [46]. Ushbu arxitektura bilan har bir neyron har biriga, shu jumladan o'ziga bog'langan. 3 ta neyrondan iborat oddiy neyron tarmoqga misol 2.4-rasmda keltirilgan. 2.4-rasm. To'liq ulangan neyron tarmoq To'liq ulangan tarmoq quyidagi afzalliklarga ega. Birinchidan, bir xil miqdordagi neyronlar bilan to'liq bog'langan tarmoqlar neyronlararo ulanishlarning maksimal soniga ega, bu eskpert tizim tarmoqning axborot sig'imini oshiradi. Ikkinchidan, to'liq bog'langan arxitektura juda ko'p qirrali bo'lib, u har bir vazifa uchun simli diagrammaning o'zgarishi bilan tajriba o'tkazishni talab qilmaydi.Tasniflash muammolaridan farqli o'laroq, bashorat qilish muammosi shundaki, bashorat qilish muammolaridagi javob kasr bo'lishi mumkin va har qanday oraliqda har qanday qiymatlarni olishi mumkin. 52 Dastlabki ma'lumotlarni yig'ish Ma'lumotlarni o'qitish va tekshirish to'plamiga bo'lish Tarmoq kirishlari uchun ma'lumotlarni o'zgartirish Tarmoq tuzilishini aniqlashKata hajmdagi malumotlarni olish To'plamlarni qayta ko'rib chiqish Qayta aniqlash 2.5-rasm. Sun'iy neyron tarmoqni ishlab chiqish va sozlash jarayoni ketma- ketligi. Neyron tarmoq ta'limi - bu o'quv ma'lumotlari to'plami va oldindan belgilangan natija o'rtasidagi qonuniyatni avtomatik ravishda izlash jarayoni bo'lib, u tugagandan keyingina natijalarni baholash uchun mutaxassisning ishtirokini talab qiladi [39]. Konstruktiv mantiqning algebraik model da o'qitish dastlab ortiqcha kirish parametrlari to'plamida amalga oshiriladi, bu amalda ko'proq parametrlarni hisobga olish va keyin ahamiyatsizlarni istisno qilish ancha oson bo'lishi bilan bog'liq. Agar dastlabki ma'lumotlar natijaga erishish uchun yetarli bo'lmasa, ularni qo'shishdan ko'ra omillar. Neyron tarmoq ni o'qitishdan maqsad - o'quv majmuasi misollari bilan ishlash orqali muammoni 53 Tarmoq tuzilishini aniqlash Tarmoqni o'rganishni boshlash tarozilarni aniqlash va qayta ko'rib chiqish Amalga oshirish yangi vaziyatlarda neyron tarmoqdan foydalanishBoshqa algoritmni tanlash hal qilishda tajriba orttirish. To'liq tayyorgarlikdan so'ng, kirish parametrlarini minimallashtirish va / yoki neyron tarmoq kontrastini amalga oshirish mumkin. Parametrlarni minimallashtirish kirish parametrlarining ahamiyatini hisoblab chiqqandan keyin amalga oshiriladi [33]. Neyron tarmoqni o'rgatish uchun sizga dastlabki ma'lumotlarni saqlaydigan topshiriqlar kitobi kerak. O'qitish ko'pincha butun muammoli kitob bo'yicha emas, balki uning bir qismi bo'yicha amalga oshiriladi, masalan, muammoli kitobning 95% o'quv namunasi, 5% eskpert tizim test namunasidir. Ko'pgina muammolar va ayniqsa tibbiy muammolar uchun o'quv namunasi katta bo'lishi kerak (bir necha yuzdan bir necha o'n minglab misollargacha). O'qitish va sinovdan o'tkazish jarayonida barcha kirish parametrlari, shuningdek, bashorat qiluvchi neyron tarmoqlarining javoblari raqamli shaklda ifodalanadi va ma'lumotlar turidan qat'i nazar (diskret, uzluksiz; ob'ektiv bilan bog'liq) [-1..1] oralig'ida normallashtiriladi. yoki sub'ektiv toifalar), bu uning NTni qayta ishlash jarayonida universal vakillik ma'lumotlarini ta'minlaydi [33]. Neyron tarmoqni ishlatishdan oldin tarmoqni kerakli ishlash darajasiga moslashtiradigan boshlang'ich parametrlar to'plami o'rnatiladi: neyronlarning umumiy soni; har bir kirish signali qo'llaniladigan neyronlar soni (zichlik); neyronlarning xususiyatlari; ishonchlilik darajasi (neyron tarmoqlari- klassifikatorlar uchun) yoki og'ishlar (neyron tarmoqlari-prediktorlar uchun), ishlash davrlari soni (javob vaqti). Shu bilan birga, neyron tarmoqni o'qitishning maqsadi maksimal mumkin bo'lgan xarakterli parametrga va minimalga yaqinlashadigan sinaptik ulanishlar soniga ega to'liq o'qitilgan tarmoqni olishdir [53]. Neyron tarmoqni o'rgatishda tarmoq o'qitilmagan vaziyat yuzaga kelishi mumkin. Bu mashg'ulotning ma'lum bir bosqichida trening parametrlari va natijalari o'rtasidagi qonuniyatlarni izlash uchun qo'shimcha imkoniyatlar tugasa sodir bo'ladi. Bu holatning eng oddiy varianti tarmoqlarga bir xil parametrlar to'plamiga ega bo'lgan ikkita misol turli sinflarga tegishli sifatida taqdim etilgandadir. 54 Tarmoqni yaratishda tarmoq xarakteristikasi kabi ba'zi tarmoq parametrlari optimal tanlanmagan bo'lishi ham mumkin. Ushbu parametr neyron tarmoqni ishga tushirish paytida o'rnatiladi va neyron tarmoq tasniflagichlari uchun 0,1-0,8 oralig'ida qiymatlarni qabul qilishi mumkin. Xarakteristika qanchalik kichik bo'lsa, tarmoq shunchalik yaxshi o'rganadi, lekin u o'quv namunasiga kiritilmagan misollarni qanchalik yomon bo’lsa yoki qanchalik baland bo'lsa, o'quv jarayoni shunchalik murakkab bo'ladi, ekstrapolyatsiya qobiliyatlari qanchalik yuqori bo'ladi. tarmoqdan. Ma'lum echimlar bilan misollarni sinab ko'rishda, neyron tarmoq bir vaqtning o'zida berilgan misol sinfini va hisoblaganini chiqarib, o'zi hisobot bergan qarorining to'g'riligini tekshirish imkoniyatiga ega. Tarmoqni o'qitishda tasniflash modeli noto'g'ri o'rnatilgan bo'lishi mumkin. Masalan, barcha misollar 3 ta sinfga birlashtirilgan, lekin faqat 2 tasi berilgan. Javob berishda neyron tarmoq natijani beradi, ya'ni. tekshirilayotgan ishning sinfi va berilgan yechimga ishonch foizini hisoblab chiqadi. Masalan, bu 1-sinf ekanligi uchun - 87%, bu 2-sinf ekanligi uchun - 13%. Foizlar yig'indisi har doim 100% ga teng. Bunday sxemaning qulayligi shundaki, u tomonidan berilgan javobda tarmoqning ishonchi qanday ekanligi, shuningdek, misol boshqa qaysi sinfga (sinflarga) yaqin ekanligi har doim aniq bo'ladi. 1-sinf natijasi - 51%, 2-sinf - 49%, tarmoq tushunarli javob bera olmasligini anglatadi, chunki bir foizning boshqasiga nisbatan haqiqiy ortiqchasi atigi 2% ni tashkil qiladi. Bundan juda amaliy xulosa kelib chiqadi. Misol parametrlarining qiymatlarini turli yo'nalishlarda o'zgartirish va uning sinovini takrorlash orqali misol kerakli sinfga tegishli bo'lishi uchun nimani va qancha o'zgartirish kerakligini ko'rish mumkin. Bu, masalan, tibbiy diagnostika va prognoz uchun ajralmas bo'lishi mumkin. Neyron tarmoqni qurish uchun siz neyron tarmoq mexanizmini amalga oshiradigan har qanday dasturdan foydalanishingiz mumkin. Bugungi kunga 55 kelib, neyron tarmoqlarni simulyatsiya qiluvchi juda ko'p turli xil dasturiy simulyatorlar mavjud. Ular turli xil amaliy muammolarni hal qilish uchun neyron tarmoqlarni loyihalash, o'qitish va ulardan foydalanish imkonini beradi. Neyron tarmoq to'liq o'qitilgandan so'ng, ular eskpert tizimning bilim bazasini yaratish uchun undan bilim olishga o'tadilar. Bilim olish jarayoni quyidagicha amalga oshiriladi. Qoidalar neyron tarmoqni neyronni ko'rib chiqishda chiqariladi va har bir neyron uchun bir yoki bir nechta qoidalarni qurish mumkin. Y neyronning chiqish signali, Yi - chiqishning i-diskret qiymati (diskret qiymatli chiqishda), X i , ..., X n - neyronning kirish signallari, xij - je kirishning diskret qiymati z'-ro (diskret qiymatli kirishda ), F(X 1 ..,X n ) - chiziqli bo'lmagan neyron funktsiyasi. Bu erda uch turdagi olinadigan qoidalarni qurish mumkin: 1. Agar neyronning barcha kirish signallari diskret bo'lsa, unda chiziqli bo'lmagan funksiya turidan qat'i nazar, uning chiqish signali diskret bo'ladi. Shunday qilib, kirish qiymatlarining har bir mumkin bo'lgan kombinatsiyasi uchun shakl qoidasi olinadi: agar (X 1 =x 1j va X 2 =x 2k va ... X n =x nl ) shunda Y=Y i 2. Agar chiziqli bo'lmagan funksiya silliq bo'lsa (masalan, sigmasimon), u holda Y= F(X 1 ,..,X n ) ko'rinishdagi bog'liqlik tuziladi. 3. Agar chiziqli bo'lmagan funksiya pol bo'lsa, u holda chiqish diskret bo'ladi va uning har bir diskret qiymatlari uchun kirish signallarining vaznli yig'indisiga IF A< B (W 1 X 1 +W 2 X 2 +..+W n X n )) sifatida qo'yilgan shartlarni aniqlash mumkin. keyin Y=Yi bu yerda A, B ba'zi konstantalar, W j - j' signalni qabul qiluvchi sinapsning og'irligi. Tengsizliklar qat'iy bo'lmagan, cheklovlar eskpert tizim bir tomonlama bo'lishi mumkin. Bundan tashqari, shuni ta'kidlash kerakki, har qanday yaratilgan neyron tarmoq o'ziga xos xususiyatga ega, ya'ni. bir xil berilgan parametrlar bilan ham, neyron tarmoq boshqacha bo'lib chiqadi. Shuning uchun neyron tarmoq ekspert tizimini ishlab chiqishda bir guruh mutaxassislar ishiga taqlid qiladigan neyron 56 tarmoqlar guruhidan foydalanish yaxshiroqdir. va qaror, masalan, neyron tarmoqda ovoz berish orqali tanlanadi. Keling, neyron tarmoq ekspert tizimidan foydalanishning afzalliklarini umumlashtiramiz [43]. 1. Neyron tarmoqlar o'zlari to'plagan tajriba asosida qaror qabul qiladilar. Bu holda "Mustaqil ravishda" eskpert tizim yaratuvchisi kiritilgan ma'lumotlar va kerakli yechim o'rtasidagi munosabatlarni o'rnatishda, turli statistik ishlov berishga vaqt sarflashda, matematik apparatlarni tanlashda, matematik modellarni yaratish va tekshirishga muhtoj emasligini bildiradi 2. Neyron tarmoq tomonidan qabul qilingan qaror qat'iy emas, chunki tarmoq unga bo'lgan ishonch darajasi bilan birga qaror chiqaradi, bu eskpert tizim foydalanuvchiga o'z javobini tanqidiy baholash imkoniyatini beradi. 3. Neyron tarmoq qaror qabul qilish holatini simulyatsiya qilish imkonini beradi, bu eskpert tizim "agar ... nima bo'lishini" ko'rish imkonini beradi. 4. Neyron tarmoq juda tez javob beradi, bu ularni zudlik bilan qaror qabul qilishni talab qiluvchi turli dinamik tizimlarda qo'llash imkonini beradi. 57 III - BOB NAFAS OLISH ORGANLARI EKOLOGIYA VA ISHLAB CHIQARISH BILAN BOG'LIQ KASALLIKLARI MISOLIDA EKSPERT TIZIMINING BILIMLAR BAZASINI YARATISH 3.1 Nafas olish tizimi kasalliklarida mikroelementlarning buzilishini nazorat qilish analitik hisoblash masalasi. Kasbiy kasalliklar orasida nafas yo'llari kasalliklari sezilarli ulushga ega. Surunkali obstruktiv o'pka kasalligi bilan og'rigan bemorlar orasida surunkali obstruktiv bronxit erkaklarning taxminan 6 foizini va ayollarning 3 foizini tashkil qiladi [47]. Changchilar orasida surunkali chang bronxiti 12-85% hollarda uchradi. Surunkali kasbiy bronxitning ishonchli klinik diagnostikasi faqat kasallikning klinik jihatdan aniq og'irligi (II va III bosqichlari) bilan mumkin, bunda samarali davolash usullari deyarli mavjud emas. Surunkali kasbiy bronxit patologik jarayonining shakllanish bosqichi ("prebronxit", "yashirin bronxit") va kasallikning dastlabki bosqichi (I bosqich chang bronxit) engil alomatlarga ega va shuning uchun tashxis qo'yish qiyin [29- 33, 48]. Ammo dastlabki bosqichlarda tegishli profilaktika choralari (davolash, davriy tekshiruvlar) ko'rinishidagi profilaktika choralari eng samarali hisoblanadi, chunki ular kasallikning rivojlanishini oldini oladi. Surunkali kasbiy bronxitni dastlabki bosqichlarda tashxislashning bir necha yondashuvlari mavjud. Mening tadqiqotimda surunkali kasbiy bronxitning dastlabki bosqichlarini tashxislash mezoni sifatida turli xil tana tizimlarining chang ta'siriga nisbatan o'ziga xos bo'lmagan javoblari parametrlarini taklif qiladilar. Ba'zi ishlarda chang ta'siriga javoban tananing adaptiv mexanizmlarini kompensatsion faollashtirish belgilari bo'lgan tashqi nafas olish funktsiyalaridagi o'zgarishlarni aniqlashga asoslangan turli diagnostika usullari ko'rib chiqildi. Diagnostika vositasi sifatida, shuningdek, chiqarilgan havoning namlik kondensatida oksidlovchi metabolizm, neyrohumoral va gormonal regulyatsiya ko'rsatkichlarini aniqlash taklif etiladi. Ish [46] shuni ko'rsatadiki, premorbid va patologik holatni aniqlash uchun sirt faol moddalar tizimidagi 58 buzilishlar — sekretor immunoglobulin va tuprik immunitetining ko'rsatkichlari muhim mezonlardir. Farmakologik testlar orqali erta bosqichlarda aniqlangan simpatik asab tizimi tonusining pasayishi, shuningdek, parasempatik asab tizimining tonusining oshishi ham diagnostika sifatida xizmat qilishi mumkin. Mahalliy va tizimli immunitet holatini o'rganish hujayralar foizi - alveolyar makrofaglar va neytrofil granulotsitlar, shuningdek sekretor immunoglobulin darajasi bo'yicha surunkali kasbiy bronxitning dastlabki bosqichlarini tashxislash imkoniyatini ko'rsatdi. Bundan tashqari, dastlabki bosqichlarda bemorlarda fibronoliz jarayonlari ustidan trombinogenezning ustunligi kuzatiladi. Ishchilarning ommaviy so'rovlarini o'tkazishda oddiy, og'riqsiz, yuqori informatsion, invaziv bo'lmagan usullardan foydalanish kerak. Bunday usullar o'pkaning kasbiy kasalliklarining asosiy patologik mexanizmlarini aniqlash asosida o'rnatilishi mumkin, chunki kasallikning dastlabki bosqichlarini tashxislashda klinik belgilar emas, balki birinchi navbatda hujayralardagi morfologik va biokimyoviy o'zgarishlar asosiy ko'rsatma hisoblanadi. . Б . Т . Величков va uning hamkorlari asarlarida surunkali kasbiy bronxit patogenezi mexanizmlari ko'rib chiqiladi va asoslanadi. Ular fibrogen changdan kelib chiqadigan turli xil patologik o'zgarishlar bir xil sabab - uning prooksidant ta'siri bilan bog'liqligini aniqladilar. Chang zarralari o'pkada reaktiv kislorod turlarining uzoq vaqt davomida ortiqcha shakllanishini rag'batlantirish qobiliyati tufayli ularni fagotsitozlaydigan mononuklear va polimorfonyadroli leykotsitlarga zararli ta'sir ko'rsatadi. Aniqlanishicha, ma'lum bir bosqichda reaktiv kislorod turlari hosil bo'lishining asosiy sabablaridan biri o'zgaruvchan valentli metallarning (Fe, Cr, Mn, Ni va boshqalar) katalitik xususiyatlari hisoblanadi. Shu bilan birga, metall ionlari pastroq valentlik darajasiga o'tkazilganda reaktiv kislorod turlari transformatsiyasi (erkin radikallarning hosil bo'lishi) jarayoni ancha faollashadi. Bu fakt bilan tasdiqlanadi ko'mir-tosh changining bir xil kimyoviy tarkibi va ish joyidagi havodagi chang darajasi bilan, jinslardagi o'zgaruvchan valentlik metallari turlicha bo'lgan tog'-kon sanoati hududlarida kasallikning rivojlanish va rivojlanish vaqtlari farq qiladi. . Shunday qilib, o'pka kasbiy kasallik diagnostikasi vositasi sifatida, xususan, ko'mir-tosh changida mavjud bo'lgan o'zgaruvchan valentli 59 metallarning roli haqida savol tug'iladi va ularning past kontsentratsiyasini hisobga olgan holda, biz ushbu metallarning roli haqida gapirishimiz kerak. Mikroelementning mikroelementozlar deb ataladigan turli kasalliklarning paydo bo'lishi va rivojlanishidagi ahamiyati ko'plab adabiyot manbalarida ko'rib chiqildi [45, 46, 47, 48, 49, 52, 54]. Bunday holda, biz mikroelementozlar haqida emas, balki diagnostika vositasi sifatida mikroelement roli haqida gapiramiz, ya'ni mikroelementning biologik belgilar sifatidagi roli haqida. Ushbu yo'nalishning jozibadorligi shundaki, u nafaqat biologik muhitda mikroelementlar miqdorini bir vaqtning o'zida miqdoriy aniqlash, balki vaqt o'tishi bilan mikroelementlarning kontsentratsiyasini o'zgartirish mumkin bo'ladi. Shu bilan birga, eng informatsion va arzon usul siydikda mikroelement kontsentratsiyasini aniqlashdir. surunkali kasbiy bronxit va surunkali obstruktiv o'pka kasalligi diagnostikasi uchun ekspert tizimining modelini ishlab chiqish muhimdir. Ularning amaliy ahamiyati ular organizmning antigenlarga reaktsiyasining ko'p komponentli jarayonini tahlil qilish vositasi ekanligi va immun tizimining reaktsiyalari hal qiluvchi bo'lgan yuqumli jarayonlarni tashxislash va bashorat qilish uchun bir qator istiqbolli tavsiyalar beradi. Chang etiologiyasining matematik modellar bo'lsa, matematik modellar profilaktika choralarini ishlab chiqishga hissa qo'shishi kerak, ularning ahamiyati deyarli barcha tadqiqotchilar tomonidan ta'kidlanadi. Matematik modellar diagnostikasi, rivojlanishi va oldini olish mezonlarini aks ettirishdan tashqari, chang etiologiyasi o'pkasining matematik model diagnostikasi va oldini olish xarajatlarini minimallashtiradigan optimallashtirish muammolarini hal qilishga imkon beradi. 3.2 Nafas olish kasalliklari ekspert tizimini yaratish uchun diagnostikaning ahamiyati Tadqiqot natijasida ko'mir changining ta'siridan surunkali chang bronxitining patogenezida o'tish metallarining (temir, xrom, marganets, nikel) roli isbotlandi [37]. Kaltsiy, magniy, rux va misning bronxlarning o'tkazuvchanligini, nafas olish mushaklarining qisqarish faolligini, sensibilizatsiya jarayonlarini va sezgirlik reaktsiyalarini tartibga solishda muhim roli aniqlandi [36, 52]. Ukol gormonlar 60 ta'sirini amalga oshirishda rux, mis ishtirokining ahamiyati haqida alohida ma'lumotlar mavjud [44, 45]. Boshqa mualliflarning fikriga ko'ra, kimyoviy elementlarning metabolizmidagi o'zgarishlar steroid terapiyasi va 2-adrenergik agonistlarni qo'llashning yon ta'siridan biridir.β Natija [27,33,45] natriy, kaliy, magniy, kaltsiy, rux, mis, temir, kobalt va nikelning surunkali obstruktiv o'pka kasalligi patogenezidagi rolini ko'rsatdi, kasallikning kuchayishi paytida, remissiya davrida, ushbu elementlarning tarkibini ko'rib chiqdik. [29, 37]. Qondagi sink tarkibining o'zgarishi nafas olish tizimi kasalliklarida ikkilamchi immunitet tanqisligi holatlarini shakllantirishning sabablaridan biri hisoblanadi. Bir qator tadqiqotlar sinkning fiziologik kontsentratsiyasi, mast hujayralari va bazofillardan gistamin va leykotrien C4 ning chiqarilishi bilan bog'liq bo'lgan E immunoglobulin sinfining dozaga bog'liqligini ko'rsatdi. Sink etishmovchiligi allergik kasalliklarning kuchayishi ehtimolini oshiradi. Odatda, inson tanasida kuniga taxminan 0,5 mg mis seruloplazmin tarkibiga kiradi va safro bilan chiqariladi. Odamlarda tanaga kiradigan misning asosiy qismi najas bilan chiqariladi; siydik bilan ajralib chiqishi cheklangan va kuniga 20-60 mkg ni tashkil qiladi. Surunkali bronxit bilan og'rigan bemorlarning 76 foizida o'tkir bosqichda qon zardobidagi mis konsentratsiyasining oshishini aniqladik va giperkupremi darajasi bronxlardagi yallig'lanish jarayonining og'irligi va tabiatiga bevosita bog'liq. Ichimlik suvidagi mis miqdori va bronxial o'tkazuvchanlik o'rtasida ijobiy bog'liqlikni aniqladik. Eksperimental va klinik tadqiqotlar materiallari misning darhol allergik reaktsiyalar, yallig'lanishning turli bosqichlari regulyatori sifatida harakat qilishini va hujayra va gumoral immunitetning funktsional faolligini nazorat qilishini isbotlaydi. Uzoq muddatli pnevmoniya bilan og'rigan bemorlarda qon zardobida bioelement kontsentratsiyasining pasayishi, T va B hujayralari muvozanati va 61 ksenobiotik metabolizm fermentlarining depretsiyasi bilan birlashtirilganligi aniqlandi [14]. A. В . Емелянов, Ф.С. T ажиев va boshqalar [54] surunkali nonspesifik o'pka kasalliklarida qon plazmasidagi mis darajasining oshishi bilan bir vaqtda eritrotsitlarda uning darajasining pasayishini tasvirlab berdilar. M.A.Pетрисина surunkali obstruktiv o'pka kasalligida qon hujayralarida mis darajasining oshishini aniqladi. Surunkali bronxit bilan og'rigan bemorlarda eritrotsitlar tarkibidagi mis miqdorining sezilarli darajada oshishi va uning kvadrat darajasining pasayishi qayd etilgan. С. С . Жихаров nafas olish yo'llari kasalliklarining og'ir kuchayishi bilan qonda superoksid dismutaza va seruloplazminning kamayishini aniqladi Qon plazmasidagi mis darajasining oshishini o'pkada yallig'lanish jarayonlarida jigardan mobilizatsiyasi bilan kompensatsion qayta taqsimlash deb hisoblaydi. Yallig'lanish markazida o'pkaning buzilmagan joylarida o'zgarishlar bo'lmasa, mis tarkibini kamaytirish tendentsiyasi mavjud. Shunday qilib, keltirilgan adabiyotlar misning yallig'lanish jarayonlarida, lipid peroksidatsiyasida ahamiyatini ko'rsatadi, bu shubhasiz bronxo-obstruktiv jarayonning patogeneziga ta'sir qiladi. Xrom muhim mikroelement hisoblanadi. Oziq-ovqatlardan 1% dan ko'p bo'lmagan Cr 3+ va taxminan 10% Cr 6+ so'riladi.Cr +3 birikmalari shunchalik yomon so'riladiki, ular odamlarda najas belgilari sifatida ishlatiladi. Xromning (Cr) yutilishi xelatlovchi elementlarning mavjudligiga bog'liq. Xromning so'rilishini oshiradigan ligandlar uning neytralga yaqin bo'lgan ichak traktida asosli tuzlar shaklida cho'kishining oldini oladi [52]. Xromning so'rilishiga temir va sink ham ta'sir qiladi. Bu mikroelementlar yetishmasa, xromning assimilyatsiyasi kuchayadi va ularni bir vaqtda qabul qilish bilan u kamayadi, bu esa ushbu mikroelementlarni assimilyatsiya qilishning umumiy usullarini ko'rsatadi. Xrom oqsil transferrin bilan bog'langan qonda va eritrotsitlarda tashiladi. Surunkali nonspesifik o'pka kasalliklari qilingan Cr 3+ ning kamida 2/3 qismi 8-12 soat ichida siydik va safro bilan chiqariladi. Cr 6+ payvandlashda, xrom qoplamada, 62 Cr 3+ ning etishmasligi II turdagi qandli diabet bilan og'rigan bemorlarda to'qimalarning insulinga sezgirligining pasayishi bilan bog'liq. To'plangan xromning taxminan 40% (Cr + 6 ) o'pkada saqlanadi, ma'lum bir qismi eskpert tizim ekvivalentlarni kamaytirish ta'sirida Cr +3 ga o'tadi. Shunday qilib, o'pkada Cr +3 alveolyar makrofaglar tomonidan so'riladi yoki albumin bilan bog'lanadi. Cr +3 klirensi bilan yarim yemirilish davri 0,56; 12,7 va 192 kun. Eriydigan Cr +6 ning buyrak klirensi ancha tezroq bo'lib, undan biologik ko'rsatkich sifatida ham foydalanish mumkin. Umuman olganda, bu xulosalar o'pkada turli xil xrom modifikatsiyalarining tarkibi bo'yicha in vitroda olingan eksperimental ma'lumotlar bilan tasdiqlangan. Ma'lum bo'lishicha, Cr +6 ning Cr +3 ga nisbati 0,22 ga teng. surunkali kasbiy bronxitda siydikdagi xrom miqdorining pasayishi aniqlandi. Shunday qilib, xromni nafas olayotganda, u organizmda, xususan, o'pka to'qimalarida saqlanadi, bu xromni biologik marker sifatida baholashga ta'sir qilishi kerak. Temir tabiatda keng tarqalgan element bo'lib, u muhim mikroelementlar guruhiga kiradi. Nafas olish organlari temirning tanaga kirishi bilan ikkinchi darajali ahamiyatga ega. Aniqlanishicha, temirning 20-25% zahira, 5-10% miyoglobinning bir qismi, taxminan 1% hujayralar va to'qimalarda nafas olish jarayonlarini katalizlovchi nafas olish fermentlarida mavjud va lipid reaktsiyalarida ishtirok etadi ( Fenton reaktsiyasi) [51]. Surunkali obstruktiv o'pka kasalligi bilan og'rigan bemorlarda temir almashinuvi bo'yicha tadqiqotlar kamdan-kam uchraydi va asosan qon bilan bog'liq. Shunday qilib, o'pkada yallig'lanish kasalliklari va gipoksiya rivojlanishida plazmadagi temir miqdorining ortishi kuzatildi. Temirning immunitet tizimiga ikkilamchi ta'siri bor va uning etishmovchiligida hujayra immunitetining tushishi va leykotsitlar funktsiyasining buzilishi kuzatildi, bu komplement darajasi bilan bog'liq edi [54]. Retikuloendotelial tizim hujayralarida temirning to'planishi hujayra va lizosomal membranalar va mitoxondriyalarga zarar etkazadigan erkin radikallarning to'planishini katalizlaydi, bu eskpert tizim interstitsial fibroz va 63 hujayra degeneratsiyasining rivojlanishiga olib keladi, Fe + ham ikkita joyga ega siderofilinlar bilan bog'lanadi. Buning uchun. Temir gomeostazi, birinchi navbatda, tananing ajralib chiqish qobiliyatining cheklanganligi sababli uning so'rilishini tartibga solish bilan ta'minlanadi, garchi temir va temir bilan ta'minlash o'rtasida teskari bog'liqlik mavjud. [39]. Hujayradagi ionlangan temirning ko'payishi va membranalarning fosfolipid tarkibining o'zgarishi bilan 10 4 -10 5 M konsentratsiyadagi kaltsiy ionlari prooksidant ta'sirga ega. Surunkali obstruktiv bronxit bilan og'rigan bemorlarda umumiy qon, balg'am va surunkali obstruktiv bronxit tarkibidagi temir tarkibidagi o'zgarishlar kuzatilgan. Shunday qilib, butun qonda surunkali obstruktiv o'pka kasalligi bilan og'rigan bemorlarda, shuningdek, bu bemorlarda ekshalatsiyalangan havoning namlik kondensatida aniq o'zgarishlarsiz temirning ko'payishini qayd etdi. Surunkali obstruktiv o'pka kasalligi bilan og'rigan bemorlarda balg'amdagi temir miqdori sezilarli darajada yuqori bo'lsa, rux miqdori va mis ahamiyatsiz bo’ladi. Nafas olish a'zolari kasalliklarida temir almashinuvining buzilishi haqida ma'lumotlar mavjud va asosan kasallikning klinik ko'rinishiga qarab qondagi temir miqdori haqidagi savollar bilan shug'ullanadi [44]. Shunday qilib, hujayradagi ionlangan temirning ko'pligi prooksidant ta'sirga ega ekanligi va shu bilan lipid peroksidatsiyasida faol ishtirok etishi, shuningdek, temirning hujayra immunitetiga ta'siri haqida ma'lumotlarga qaramasdan; turli klinik va patogenetik variantlarda surunkali obstruktiv o'pka kasalligining patogeneziga temir almashinuvining ta'siri bo'yicha ishlarning yo'qligini ta'kidlash kerak. Nikel shartli ravishda muhim mikroelementdir. Biologik ta'sir mexanizmiga ko'ra, nikel boshqa 3-D elementlar bilan sezilarli o'xshashlikni ko'rsatadi: temir, kobalt. Nikelning eng yuqori miqdori suyaklar va o'pkada joylashgan. Bronxo-obstruktiv sindromli bemorlarda nikel almashinuvi haqida adabiyotda juda kam ma'lumotlar mavjud; o'pkaning yallig'lanish kasalliklarida nikel tarkibiga ko'proq ma'lumotlar beriladi. 64 Shuni ta'kidlash kerakki, nikelning eng yuqori miqdori o'pkada qayd etiladi va u yosh bilan ortadi. Ko'mir changidan ajratilganda, erimaydigan nikel birikmalari o'pkada uzoq vaqt davomida saqlanishi mumkin. Ba'zi ma'lumotlarga ko'ra, o'pkadan nikelning yarimparchalanish davri 330 kunga yetishi mumkin. O'z navbatida, eruvchan nikel birikmalari tez orada siydik bilan chiqariladi. In vitro sharoitda o'pka to'qimasida nikel miqdori 1,45±1,11 mkmol/kg ni tashkil qiladi [31]. O'pkaning yallig'lanish va neoplastik kasalliklarida qonda nikel miqdori ortishi aniqlandi. Nikel alveolyar makrofaglarning hayotiyligini pasaytiradi, alveolyar makrofaglar va traxeobronxial shilliq bezlar tomonidan ishlab chiqarilgan lizozim tarkibini kamaytiradi; nafas olish epiteliysining kipriksimon hujayralari kiprikchalarining tebranish harakatlarini sekinlashtiradi. Eksperimental tadqiqotlarda nikel komplement tizimida ma'lum rol o'ynashini ko'rsatadigan ma'lumotlar olingan [35]. Nikel sitoplazmatik membranalarni barqarorlashtirishda rol o'ynashi haqida xabar berilgan [45], bunda u strukturaviy komponent rolini o'ynaydi. Yuqorida aytilganlarning barchasi o'pka kasalliklari bilan og'rigan bemorlarda nikel almashinuvini o'rganish muhimligini ko'rsatadi. Boshqa mikroelementlar qatorida temir, selen va marganets surunkali obstruktiv o'pka kasalligining himoya mexanizmlari va patogenetik jarayonlarida ishtirok etishi mumkin, shuningdek, ushbu kasalliklarni davolashda amaliy ahamiyatga ega. Marganets surunkali obstruktiv bronxitning mitoxondrial fraktsiyasining muhim tarkibiy qismidir. Uning tabiiy va sintetik kislotalar bilan komplekslari - sut, salitsil va boshqalar - aniq antioksidant ta'sirga ega. Shunday qilib, mavjud adabiyotlar selen va marganetsning antioksidant rolini tasdiqlaydi, ular, ehtimol, surunkali obstruktiv o'pka kasalligidagi erkin radikallarning zararlanishidan hujayralarni himoya qilishda ishtirok etadilar. Keltirilgan ishlarni sarhisob qiladigan bo'lsak, kimyoviy elementlarning metabolik buzilishlari bronxlar va o'pkada yallig'lanish o'zgarishlarining shakllanishida, bronxo-obstruktiv sindrom va bronxial giperreaktivlikning 65 rivojlanishida muhim rol o'ynaydi, shuningdek bemorlarda farmakologik tuzatishni talab qiladi. surunkali kasbiy bronxit va surunkali obstruktiv o'pka kasalligi bilan. 3.3 Nafas olish tizimining ekologik va sanoat tomonidan kelib chiqadigan kasalliklari misolida ekspert tizimining bilimlar bazasini yaratish uchun analitik nazorat hisobi Surunkali obstruktiv o'pka kasalligi bilan kasallanishning ko'payishi tendentsiyasi mavjudligi sababli, ushbu kasallik holatlarini o'z vaqtida tashxislash muammosini o'rganish juda dolzarb ko'rinadi. Bemorlar quyidagi laboratoriya va instrumental usullar yordamida tekshirildi: qon tekshiruvi (gemoglobinometriya, eritrotsitlar, leykotsitlar, leykotsitlar formulasi, bilimga asoslangan tizim sonini hisoblash); umumiy siydik tahlili; fibrinogen, sialik kislota, oqsil va oqsil fraktsiyalari, glyukoza, lipidlar uchun biokimyoviy testlar; balg'amning umumiy klinik tahlili, sil mikrobakteriyalari va xavfli o'simta hujayralari uchun balg'amni tekshirish, Spirosift apparati yordamida tashqi nafas olish funktsiyasini baholash, nafas olish organlarining rentgen tomografiyasi, Pattern kompyuter diagnostika majmuasi yordamida bronxofonografiya. Yuqoridagi laboratoriya va instrumental tadqiqotlarga qo'shimcha ravishda, biologik markerlar - tuzlar kontsentratsiyasidan foydalangan holda surunkali obstruktiv o'pka kasalligining qo'shimcha diagnostikasini amalga oshirish uchun bemorlarda siydik va qon zardobining kunlik miqdoridagi mikroelementlar miqdori tekshirildi. Eskpert tizimning prototipini yaratish uchun mikroelement tarkibi va nafas olish kasalliklari mavjudligi o'rtasidagi bog'liqlikni o'rganish uchun "sog’ligida muammosi bor" guruhini tashkil etuvchi 80 kishi va nafas olish kasalliklari bilan kasallangan 75 kishi o'tkazildi. Tekshiruvdan o'tgan bemorlarning ikkinchi guruhi nafas olish tizimi kasalliklari bilan og'rigan bemorlardan iborat. Ular orasida 33 yoshdan 73 yoshgacha bo'lgan deyarli barcha erkaklar bor. Tekshiruvdan o'tgan barcha bemorlar Samarqand viloyati va Samarqand shahrida yashaydi va surunkali kasbiy bronxit, surunkali chang bronxit , surunkali obstruktiv bronxit, kasbiy bo'lmagan 66 etiologiyadan aziyat chekadi. Surunkali kasbiy bronxit diagnostikasi bo'lgan tadqiqot guruhida - 26 kishi, surunkali kasbiy bronxit - 24 kishi, surunkali obstruktiv bronxit - 20 kishi. Ekspert guruhi sifatida Samarqand shahridagi Samarand shahar tibbiyot birlashmasi markaziy shifohonasidan pulmonologiya va mikroelementologiya sohasida amaliy tajribaga ega 6 nafar mutaxassis taklif etildi. Ekspert guruhining vazifalari, shuningdek, o'quv namunasi uchun ma'lumotlarni to'plashni o'z ichiga oladi. Bemorlarni mikroelement mazmuni bo'yicha tekshirish natijasida 3.1- jadvalda keltirilgan natijalar olindi. 3.1-jadval. Ko'rib chiqilgan va kasalligi bo'lgan bemorlarning shartli sog'lom guruhida mikroelement tarkibini taqsimlash statistikasi Guruhlar Mp Si M Zn Sr Ct Jami tekshirilga no n shartli sog'lom bemorlar O 75 58 17 70 5 42 33 40 35 71 4 19 56 57 18 75 Nafas olish kasalliklari bilan og'rigan bemorlar O 70 53 17 20 50 27 43 54 16 24 46 O 70 38 32 70 Bu erda o - og'ish, n - norma.Biologik muhitdagi mikroelementlarning me'yoriy tarkibi manbadan olingan. Buning sababi, bugungi kunda inson biomuhitidagi mikroelementlar tarkibining ruxsat etilgan maksimal kontsentratsiyasi uchun tasdiqlangan standartlar mavjud emas. 3.1-jadvaldagi ma'lumotlar oddiy mikroelement tarkibiga va og'ishlarga bo'linadi. Ma'lumotlarning yana bir parchalanishi ham mumkin, masalan, tanadagi mikroelement etishmovchiligi, ortiqcha va normasi. Ammo ma'lumotlarni tekshirganda, mikroelement etishmovchiligi bilan tekshirilganlar 67 soni unchalik katta emasligi va aksariyat hollarda ular umuman yo'qligi ma'lum bo'ldi. Bu erda boshqa yondashuv ham qo'llanilishi mumkin mikroelement og'ishi me'yordan og'ish darajasiga ko'ra bo'linishi mumkin, masalan, ahamiyatsiz, muhim va yuqori. Ammo bunday yondashuv faqat boshlang'ich ma'lumotlarning yetarlicha katta to'plami mavjud bo'lganda mumkin. 3.2-jadval. Surunkali obstruktiv o'pka kasalligi kasalliklari bo'yicha mikroelement ning bo'linishi, mazmuni bo'yicha statistik ma'lumotlar Kasallik (asosiy tashxis) Pb Fe Mn Cu Ni Zn Sr Cr Jami holatlar o n 0 n o n o n o n o n o n o n Surunkali kasbiy b r onxit 0 26 19 7 10 16 11 15 19 7 7 19 O 26 13 13 26 Surunkali chang br onxit 0 24 20 4 8 16 13 11 18 6 9 15 0 24 11 13 24 Surunkali obstruktiv bronxit 0 20 14 6 2 18 3 17 17 9 8 12 O 14 6 20 Bu erda o - og'ish, n - norma. Olingan ma'lumotlar shuni ko'rsatadiki, ko'pchilik bemorlarda mikroelement tarkibi oshib ketgan yoki ular normaldir, Pb va Sr bundan mustasno - ularning barcha sub'ektlardagi tarkibi normaldir. Bunday holda, 3.1 va 3.2-jadvallarga ko'ra, mikroelement tarkibi va nafas olish kasalliklarining namoyon bo'lishi o'rtasidagi bog'liqlik mavjudligi haqida xulosa chiqarish mumkin emas. Bu, albatta, birinchi navbatda, test ishi uchun cheklangan namuna hajmi olinganligi bilan bog'liq bo'lib, bu ma'lumotlarni sharhlash vazifasini murakkablashtiradi. 3.3-jadvalda guruhdagi mikroelement va P tarkibining o'rtacha arifmetik qiymatlari ko'rsatilgan. 68 Ma'lumotlarni to'g'ridan-to'g'ri tahlil qilishni davom ettirishdan oldin, ma'lumotlarning normal taqsimlanishini tekshirish kerak. Barcha statistik hisob- kitoblar Statistica 6.0 statistik dastur paketi yordamida amalga oshiriladi 3.3-jadval. Tekshirilayotgan guruhlarda mikroelement ning o'rtacha tarkibi « x ± ∆ x », bu erda o'rtachaning standart xatosi ∆ x ME ME ning o'rtacha miqdori mkg/l 1-guruh 2-guruh Pb0,009 ±0,0016 0,023 ±0,003 Fe 1,24 ±0,1 1,96 ±0,2 Mn 0,065 ±0,063 0,03 ±0,005 Cu 0,1 ±0,015 0,37 ±0,05 Ni 0,07 ±0,01 0,06 ±0,006 Zn 0,41 ±0,03 0,83 ±0,07 Sr 0,06 ±0,012 0,015 ±0,003 Cr 0,085 ±0,017 0,05 ±0,016 Oddiylik testlari quyidagi nol gipotezani tekshiradi: o'rganilayotgan belgining taqsimlanishi normal taqsimotdan farq qilmaydi. Muqobil gipoteza - o'rganilayotgan belgining tarqalishi odatdagidan farq qiladi. Agar berilgan statistik mezon uchun olingan p qiymati statistik ahamiyatga ega bo'lgan kritik darajadan katta bo'lsa (masalan, 0,05), u holda nol gipoteza rad etilmaydi, ya'ni. o'rganilayotgan belgining taqsimlanishini taxminan normal deb hisoblash mumkin, aks holda muqobil gipoteza qabul qilinadi. Namuna taqsimotining normalligini tekshirish natijalari 3.3-jadvalda ko'rsatilgan. Olingan ma'lumotlardan biz namunaviy taqsimotni odatdagidan farqli deb hisoblash mumkin degan xulosaga kelishimiz mumkin. Bunday holda, 69 ma'lumotlarni statistik tahlil qilish faqat parametrik bo'lmagan usullardan foydalangan holda amalga oshirilishi kerak. 3.4-jadval. Normallik mezonlarini hisoblash O'zgaruvch i N max D K-S p lilliefor s p W p Yosh 70 0,117589 p>.20 p<.05 0,960064 0,025239 Pol 70 0,539029 p<.0 1 p<.01 0,157674 0,000000 BG 70 0,346978 p<.01 p<.01 0,636211 0,000000 Pb 70 0,285310 p<.01 p<.01 0,815687 0,000000 Fe 70 0,148421 p>.10 p<.01 0,893520 0,000022 Mn 70 0,217942 p<.01 p<.01 0,742619 0,000000 Cu 70 0,215353 p<.01 p<.01 0,607732 0,000000 Ni 70 0,176429 p<.05 p<.01 0,900104 0,000039 Zn 70 0,233300 p<.01 p<.01 0,848108 0,000001 Sr 70 0,354660 p<.01 p<.01 0,739503 0,000000 Cr 70 0,351692 p<.01 p<.01 0,375180 0,000000 Diagnoz 70 0,232597 p<.01 p<.01 0.837007 0,000000 S1 70 0.346363 p<.01 p<.01 0,738855 0,000000 S2 70 0,413211 p<.01 p<.01 0,606135 0,000000 S3 70 0,390360 p<.01 p<.01 0,676473 0,000000 O'zgaruvchilar o'rtasidagi munosabatlarni o'rganish uchun Spearmanning darajali korrelyatsiya koeffitsientlarini hisoblash asosida korrelyatsiya matritsasi qurildi (3.4- jadval ), unda bu korrelyatsiyalar qizil rang bilan ta'kidlangan, bu surunkali kasbiy bronxit da o'zgaruvchilar o'rtasida o'rtacha va kuchli munosabatlar mavjudligini ko'rsatadi. p<0,05 ahamiyatlilik darajasida o'lchov. Darajali korrelyatsiya koeffitsientlari (ko'pgina parametrik baholar kabi) kuzatuv 70 natijalaridagi chet ko'rsatkichlar va xatolarga nisbatan kamroq sezgir va bu ma'noda Pearson korrelyatsiya koeffitsientiga nisbatan barqaror va ishonchli o'zaro bog'liqlik ko'rsatkichlari hisoblanadi. 3.4 va 3.5-jadvallarda mos ravishda I va II guruhlar uchun korrelyatsiya matritsalari ko'rsatilgan. 3.5-jadval. Spearman korrelyatsiya matritsasi (I guruh uchun) O'zga Ruvch i Spearman rank tartibi correlations(elektron jadval 1.sta).MD juftlik bilan o'chirildi.Belgilangan korrelyatsiyalar p<0,05 da muhim ahamiyatga ega Zn Cr Ni Sr Fe Mn Cu Pb Zn 1,0000 0.19764 -0,13865 0,2378 - 0,033 1 0,1158 0,190 6 0, 0 6343 Cr 0,25000 1,0000 0.32279 -0,0425 0,003 4 0,4403 0,507 2 -0,03315 Ni 0,14417 0,21032 1,0000 -0,0614 0,440 3 0,0234 0,342 2 -0,11581 Sr 0,49549 0,51030 0,09127 1,000 0,507 8 0,3427 0,323 5 -0,19077 Fe 0,01742 6 0,31126 0,25464 0 0,0186 1,000 0,0568 - 0,055 9 -0,13864 Mn 0,03546 4 0,01937 9 0,01742 6 -0,1524 0,250 9 1,000 0,449 2 0,361187 Cu -0,01986 0,44672 6 -0,09484 0,0424 0,045 2 - 0,1182 1,000 0,237821 Pb 0,44675 6 0,04434 5 0,31126 7 -0,0198 0,600 6 0,2128 0,510 7 1,0000 3.6-jadval. Spearman korrelyatsiya matritsasi (II guruh uchun) Spearman rank tartibi correlations(elektron jadval 1.sta).MD juftlik bilan o'chirildi.Belgilangan korrelyatsiyalar p<0,05 da muhim ahamiyatga ega Zn Ni Fe Mn Cu Sr Cr Pb 71 Zn 1,0000 0,32 0,5559 0,2364 0,5203 -0,18524 0,16754 -0,0981 Ni 0,32 1,0000 0,1714 0,2551 -0,0559 0,10659 0,0702 -0,0215 Fe 0,5565 0.1701 1,000 0,1359 0,7242 -0,07208 0.2649 -0,0393 Mn 0,2336 0,2505 0,1359 1,0000 0,0222 0,02472 0,0635 -0,0254 Cu 0,5250 -0,0599 0,7242 0,0222 1,0000 -0,13602 0,0988 -0,0073 Pb 0,0911 0,0215 -0,3928 -0,0264 -0,0013 1,00000 0.0211 0,0564 5 Matritsalarga ko'ra (3.4, 3.5-jadval) "shartli sog'lom" guruh va nafas olish kasalliklari bilan og'rigan bemorlar guruhi uchun o'rganilayotgan belgilar o'rtasidagi bog'liqlikning mavjudligi yoki yo'qligi va ular o'rtasidagi munosabatlarning yaqinligini ko'rish mumkin. Mikroelement o'rtasidagi aloqalarni oson idrok etish uchun ulanishlar grafik tarzda taqdim etildi. Korrelyatsiyani tahlil qilish jarayonida ko'proq aloqalar aniqlandi, ammo bu erda biz eng muhimlarini aniqladik. Korrelyatsiya tahlili davomida olingan ma'lumotlar ekspert tizimiga o'rnatilgan natijada olingan k onstruktiv mantiqning algebraik model ni sinovdan o'tkazish bosqichida biz uchun foydali bo'ladi. Ma'lumotlar 2% testi va Йетса tuzatishi bilan 2% testi bilan tekshiriladi (3.4-jadval), bu (χ2 ) xi-kvadrat testiga nisbatan statistik ahamiyatga kamroq optimistik baho beradi. 3.7-jadvalda C va nafas olish kasalliklari uchun misol hisobi ko'rsatilgan. Shunday qilib, mezonning olingan empirik qiymati kritik qiymatdan qat'iy kattaroq bo'lib chiqdi, keyin muqobil gipoteza qabul qilinadi - 96,43% farqlar ishonchliligi bilan bog'liqlik mavjudligi haqida. 3.7-jadval. Statistik mezon bo'yicha hisoblash X 2 va X 2 Yetsa tuzatish bilan ME χ 2 emp R χ 2 (F.Yates) R Fe 0,05 0,82 0,00 0,97 72 Mn 64.5 0,00 61,78 0,00 Cu 4.41 0,036 3.74 0,05 Ni 9.00 0,03 7.99 0,005 Zn 58.43 0,00 55,79 0,00 Sr 20.41 0,00 18.24 0,00 Cr 7.56 0,006 6.63 0,01 Mezoni bo ' yicha o ' tkazilgan hisob - kitoblardan % ma ' lum bo ' lishicha , olingan barcha moddalar temirdan tashqari nafas olish kasalliklari mavjudligiga ta ' sir qiladi . Ammo algoritmga kiritilgan tuzatishga muvofiq , biz ushbu o ' zgaruvchini natijada paydo bo ' lgan konstruktiv mantiqning algebraik model modelidagi keyingi rolini aniqlashtirish uchun qoldiramiz . Konstruktiv mantiqning algebraik model qurish uchun В . Ф . Бучел tomonidan ishlab chiqilgan konstruktiv mantiqning algebraik model dasturi ishlatilgan. Bundan tashqari, maqsadga erishilganda to'g'ridan-to'g'ri hisoblash va teskari hisoblash amalga oshirildi, ya'ni.maqsadga erishib bo'lmaydigan holatlarni aniqlash. 3.8-jadval. Mezon bo'yicha hisoblash natijalari X 2   2x2 jadval (spreadshet1.sta) 1-ustun 2-ustun Jami qatorlar Chastotalar, 1-qator 28 43 68 Jami foiz 18,623 28,965 46,587 Chastotalar, 2-qator 42 34 77 Jami foiz 29,656 22,769 52,415 Jami ustunlar 69 74 144 Jami foiz 48,275 51,725 xi-kvadrat (df=1) 4,42 p=0,0356 v-kvadrat (df=1) 4,39 p=0,0365 Yates xi-kvadratini tuzatdi 3,75 p-0,0532 73 phi-kvadrat 0,03041 Fisher aniq p, bir dumli p=0,0265 ikki dumli p=0,0458 McNemar Xi- kvadrat(A/D) 0,42 p=0,5186 Xi-kvadrat()B/C 0,00 p=1,000 Modelni yaratish uchun kirish va chiqish (maqsadli) o'zgaruvchilarni aniqlaymiz. Kiritilgan o'zgaruvchilar: X1 - yosh (yosh), X2 - jins (jins), X3 - biologik suyuqlik (bg), X4 - qo'rg'oshin (Pb), X5 - temir (Fe), X6 - marganets (Mn), X7 - mis ( Cu), X8 - nikel (Ni), X9 - rux (Zn), XI0 - stronsiy (Sr), XI1 - xrom (Cr). Chiqish (maqsadli) o'zgaruvchan diagnostika: X12 - tashxis (diag). X12 o'zgaruvchisi 1 qiymatini oladi - "shartli sog'lom" guruh uchun, 2 - nafas olish kasalliklari bo'lgan guruh uchun. Dastlabki hisob-kitobdan so'ng (tadqiqot tahlili) X1, X2 va X3 o'zgaruvchilari modelda umuman ishtirok etmasligi ma'lum bo'ldi. Shuning uchun bu o'zgaruvchilar natijaviy modeldan chiqarib tashlanishi mumkin. va X5 o'zgaruvchisi ko'plab natijaviy implikantlarda ishtirok etadi, shuning uchun bu bosqichda uni natijaviy modeldan chiqarib tashlamaslik maqsadga muvofiq ko'rinadi. Shunga ko'ra, keyingi qadam konstruktiv mantiqning algebraik model modelini o'zgartirilgan ma'lumotlar tuzilmasi bilan qayta hisoblashdir. Buning uchun o'zgaruvchilarning nomlarini o'zgartiramiz, chunki ularning dasturdagi nomi ular amal qilgan tartibda avtomatik ravishda o'rnatiladi. Kirish o'zgaruvchilari: X1 - qo'rg'oshin (Pb), X2 - temir (Fe), X3 - marganets (Mn), X4 - mis (Cu), X5 - nikel (Ni), X6 - sink (Zn), X7 - stronsiy (Sr) ), X8 - xrom (Cr). Chiqish (maqsadli) o'zgaruvchan diagnostika: X9 -diagnoz (diag). Qaror qabul qilish qoidalarini qurish uchun biz 3 quvvatga ega implikantlardan foydalanamiz. Bunday quvvatni tanlash muammoning dastlab kichik ma'lumotlar to'plamida echilishi bilan bog'liq bo'lib, bu, albatta, kuchli implikantlarni darhol 74 olishni imkonsiz qiladi. . Bunday holda, biz kichik hajmdagi o'quv namunasidan boshlaymiz, shu bilan eskpert tizim prototipini yaratamiz, bu bizga konstruktiv mantiqning algebraik model dan foydalanish ma'lum bir muammoli soha uchun bilimlar bazasini yaratish uchun mos ekanligiga ishonch hosil qilish imkonini beradi. va to'plangan holatlar sonining ko'payishi bilan aniqroq natijalarga erishish uchun eskpert tizimni qayta tayyorlash mumkin bo'ladi. Olingan implikantlar kuchining ma'lum darajadagi ahamiyati bilan olingan natijaviy model 3.5-jadvalda keltirilgan. Konstruktiv mantiqning algebraik model usuli yordamida o'quv namunasidan olingan to'g'ridan-to'g'ri implikantlarning to'liq modeli keltirilgan. Maqsadli qiymat ikkilik bo'lganligi sababli, 3.5-jadvalda faqat to'g'ridan-to'g'ri konstruktiv mantiqning algebraik model modellari keltirilgan. Olingan modelning o'ziga xos xususiyati shundaki, unda deyarli birlashtirilgan o'zgaruvchilar mavjud emas. 3.9-jadvalda qalin chiziqlar o'zgaruvchilar bo'yicha maksimal quvvatga ega bloklarni ajratib ko'rsatadi, ularni qo'shib, biz berilgan model uchun umumiy quvvatni olamiz. 3.9-jadval. Konstruktiv mantiqning algebraik modelida olingan natija. Sag’lom(M um =83) SOO’K(M um =64) 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 1. 2. 3. 4. 5. 6. 7. 8. 9. 75 11. 12. 13. 14. 15. 16. 17. 10. 11. 12. 13. 14. 15. 16. 17. Murakkab ob ' ektlarni o ' rganishda ularni tavsiflash uchun xususiyatlarning dastlabki tizimini o ' rnatishda katta qiyinchiliklar paydo bo ' ladi . Shuning uchun , xususiyat maydonida ko ' plab " takroriy " va " shovqinli " xususiyatlar bo ' lishi mumkin . Shuningdek , tuzilgan sxematik model (3.9- jadval ) asosida har bir o ' zgaruvchining yoki birlashtirilgan o ' zgaruvchilarning masalani hal etishga qo ' shgan hissasini hisoblashimiz mumkin . Buning uchun har bir o ' q uchun umumiy quvvatni hisoblab chiqamiz , umumiy quvvatga bo ' linib , muhimlik omilini olamiz . Muhimlik koeffitsienti qanchalik ko ' p bo ' lsa , bu o ' zgaruvchi mantiqiy xulosa qoidalarida shunchalik tez - tez ishtirok etadi . 3.10-jadval. Konstruktiv mantiqning algebraik model da olingan ahamiyatlilik koeffitsientlari O'zgaruvchila r Saglom modeli uchun K2 Nosog'lom model uchun K2 X1 - 0,19 X2 0,54 0,59 xs 0,08 0,05 X4 0,12 0,41 76 X5 0,07 0,11 X6 0,37 0,41 X7 0,25 X8 0,18 0,09 X6 va X1 0,04 - X4 va X3 - 0,05 Hisoblangan ishonch koeffitsienti bilan olingan implikantlarga asoslanib, biz ekspert tizimi ishlashi kerak bo'lgan mantiqiy qoidalarni tuzamiz. O'quv namunasidagi to'g'ri tan olingan misollar soniga ko'ra, "shartli sog'lom" guruh uchun model ko'proq ekanligini ko'rish mumkin. nafas olish kasalliklari bo'lgan guruhga nisbatan aniq. Bu shuni ko'rsatadiki, eskpert tizimni o'qitish uchun aniqroq natijalarga erishish uchun nafas olish kasalliklari bilan og'rigan bemorlarning katta namunasidan foydalanish kerak. Eskpert tizimni o'rganish mezoni o'quv majmuasiga kiritilmagan misollarni sinovdan o'tkazish natijasidir. Eskpert tizimni nazorat qilish uchun ma'lumotlarning kichik miqdori ishlatilgan. Dastlabki ma'lumotlarning bunday kichik miqdorini hisobga olgan holda, modelni sinab ko'rish juda yaxshi natijalarni ko'rsatdi. Modelni amaliyotga o'tkazish uchun eskpert tizimni o'rganish bosqichini kattaroq namunada takrorlash kerak. 3.11-jadval. Konstruktiv mantiqning algebraik model asosida qurilgan ekspert tizimining ishlashini sinovdan o'tkazish Sinf Trening to'plamidag i misollar soni Trening namunasida to'g'ri tan olingan misollar soni Nazorat namunasidag i misollar soni Nazorat namunasida to'g'ri tan olingan misollar soni Guruh 75 72 9696 18 16 890/ 77 0 Guruh 70 57 81,40/0 16 12 750/0 Endi o'qitilgan neyron tarmog'idan foydalangan holda bilimlar bazasi, eskpert tizim modellashtirishning ikkinchi variantiga o'tamiz. Panalyzer dasturi mutaxassis tomonidan belgilangan maqsadga erishish uchun o'qitish parametrlarining optimal o'zgarishini ta'minlaydigan neyron tarmog'ining ishlashi bo'yicha rasmiy algoritmni qurish orqali neyron tarmoqlarni o'qitishning avtomatik strategiyasi va taktikasini amalga oshiradi [43]. Ushbu afzallik asosan ushbu dasturiy ta'minotni tanlashni aniqladi, chunki. o'qitishning eng yaxshi parametrlarini qo'lda sozlash va tanlash kerak bo'lmaydi, mos ravishda qayta tayyorlashga vaqt ajratiladi. Neyron tarmog'ini yaratishdan maqsad 8 ta kirish parametri asosida nafas olish kasalliklari mavjudligini yoki uning yo'qligini tan olishga o'rgatish edi. Neyron tarmoq ekspert tizimini yaratish uchun o'quv namunasi 145 kishini tashkil etdi, ya'ni konstruktiv mantiqning algebraik model usuli bilan bir xil ma'lumotlar to'plami ishlatilgan. Treningni o'tkazish uchun neyron tarmoq klassifikatori ishga tushirildi. Neyron tarmoqni o'rgatishdan oldin biz tarmoqni kerakli ishlash darajasiga o'rnatadigan boshlang'ich parametrlarni o'rnatamiz: biz neyronlar sonini, almashinuv davrlari sonini, xarakterli qiymatni, ruxsat etilgan og'ishni ko'rsatamiz. Neyronlar sonini belgilashda biz avtomatik texnologiyadan foydalanamiz. Bizning holatda, biz uchta neyronlarning standart sonini olamiz. O'rgatilgan neyron tarmoq har qanday miqdordagi neyronlarga ega bo'lishi mumkin, ammo ular neyron tarmog'i hal qilish uchun o'rgatilgan vazifadagi sinflar sonidan kam bo'lmasligi kerak [48]. Ayirboshlash davrlari soni bir misolda neyron tarmoq ulanish matritsasidagi signallarni necha marta almashishini aniqlaydi. Ushbu parametr 78 uchun mumkin bo'lgan qiymatlar oralig'i 2 dan 10 gacha. Ishlash davrlari soni 2 ga o'rnatildi. Keyinchalik, biz neyronlar o'rtasida almashinishda signallarni aylantirish formulasini aniqlaydigan xarakteristikani o'rnatamiz. Qiymatlar diapazoni 0,1 dan 1,0 gacha. ko'pchilik masalalarni hal qilish uchun xarakteristikaning optimal diapazoni 0,1 dan 0,8 gacha ekanligi aniqlandi. Neyron tarmoqning dastlabki mashg'ulotlarida xarakteristikani 0,1 ga tenglashtirish tavsiya etiladi, keyin muvaffaqiyatli natijalarga erishgandan so'ng uni oshirish mumkin. Tibbiy va biologik ko'rsatkichlarning sezilarli qismi normal taqsimot qonuniga bo'ysunishi yoki tabiatda diskret bo'lganligi sababli, kichik neyron xususiyatiga ega bo'lgan neyron tarmoqlari ushbu ma'lumotlarga tezroq o'rgatiladi, ayniqsa vazifada, masalan, tasniflashda sinflar bo'lsa. kirish parametrlari bo'shlig'ida juda oson ajratiladi. Ruxsat etilgan og'ish 5% ga o'rnatiladi, chunki biotibbiyot tadqiqotlarida 5% dan ko'p bo'lmagan xatolik ehtimoli maqbul deb hisoblanadi. Ushbu muammoda strategiyani aniqlashda biz o'quv parametrlarini minimallashtirishni maqsad qilganimiz yo'q, chunki ularning soni ko'p emas. Biz neyronlar sonini ko'paytirish strategiyasini tanladik, tadqiqot boshida neyronlarning minimal soni uchtaga o'rnatildi. Tadqiqot jarayonida, agar tarmoqni o'rgatish uchun yetarli bo'lmasa, neyronlar soni avtomatik ravishda ko'paytirildi. Shu bilan birga, yangi tarmoq ishga tushiriladi va o'qitiladi, avvalgisining parametrlarini takrorlaydi, lekin yangi o'rnatilgan ko'proq neyronlarga ega. Jarayon har qanday tarmoqlar to'liq o'qitilguncha takrorlanadi. Usulning kamchiligi - mashg'ulotlarga sarflangan vaqtni ko'paytirish. Afzalliklari - eskpert tizim yaratuvchisi har xil miqdordagi neyronlar bilan tajriba o'tkazishga hojat yo'q, bu oxir-oqibat ancha ko'proq vaqt talab qilishi mumkin. Bundan tashqari,o'qitilgan neyron tarmoq ning barcha parametrlari 3.9- jadvalda keltirilgan. 231775 ish siklidan so'ng neyron tarmoq to'liq o'rgatilgan. 3.12-jadval. O'qitilgan neyron tarmoq parametrlari 79 Neyronlar soni Raqam almashinu v davrlari Xarakterli Ruxsat etilgan og'ish Matritsa Sikl Holati 5 2 0,100 5000 65 231775 en haqida mutaxassi s Neyron tarmog'i tomonidan o'quv parametrlarining ahamiyatini hisoblash qaysi o'zgaruvchilar kam ta'sir ko'rsatishini aniqlash va ularning neyron tarmoq ni istisno qilish imkonini beradi. Ushbu ma ' lumotlardan ko ' rinib turibdiki , ushbu muammoni hal qilishda eng muhim o ' zgaruvchilar Mn , Cu , Zn va Sr , eng kam informatsion o ' zgaruvchi . 3.13-jadval. Neyron tarmoq kiritish o'zgaruvchilari va ularning ahamiyati Maydo n Eng kam Maksimal Diapazon neyron tarmoq 1.Pb 0.000 0,080 0,080 0,123 2.Fe 0,110 6.180 6.070 0,278 3. Mn 0.000 0,500 0,500 0,329 4. Cu 0.000 1 , 800 1 , 800 0,505 5. Ni 0.000 0,420 0,420 0,265 6.Zn 0,014 2.360 2.346 0,328 7.Sr 0.000 0,850 0,850 0,688 8.Cr 0.000 0,860 0,860 0,224 Agar neyron tarmoq modelini konstruktiv mantiqning algebraik model bilan muhim o ' zgaruvchilar bo ' yicha taqqoslasak , unda olingan natijalarda ba ' zi kelishmovchiliklar mavjud , masalan , konstruktiv mantiqning algebraik model da sog ' lom odamlar Zn ( z =0,37), Sr ( z =0,25) modelida eng katta ahamiyatga ega . 80 Fe ( z =0,54), model bemorlarda - Zn ( z =0,41), Fe ( z =0,59), Cu ( z =0,41) va boshqa o ‘ zgaruvchilar neyron tarmoqda ko ‘ proq ishtirok eskpert tizimadi . Birinchidan , bunday farq biz modelni maqsadlarga bo ' lingan holda ko ' rib chiqishimiz mumkin , neyron tarmoqda eskpert tizim u bir butun sifatida ko ' rib chiqiladi . Ikkinchidan , ikkita mutlaqo boshqa usul qo ' llaniladi , ularda turli xil ma ' lumotlarni qidirish mexanizmlari kiritilgan . Uchinchidan , har bir neyron tarmoq yaratuvchisi o ' ziga xos xususiyatga ega , ya ' ni bir xil o ' quv majmuasida bir xil boshlang ' ich parametrlar bilan bir xil neyron tarmoqlarni va shu bilan birga o ' zgaruvchilar ahamiyatining turli xaritalarini olish mumkin emas . Bundan tashqari , konstruktiv mantiqning algebraik model va neyron tarmoq usulidan foydalanib , kerakli javobni olish uchun sinovdan o ' tgan misolning qiymatlarini o ' zgartirishingiz mumkin . Shunday qilib , mutaxassis qaror qabul qilish holatini modellashtirishi mumkin , bu eskpert tizim " agar ... nima bo ' lishini " ko ' rish imkonini beradi . Trening natijasida neyron tarmoq sog'lom ko'rinadigan sub'ektlar sinfini va nafas olish kasalliklari bilan og'rigan bemorlar sinfini tan olishni o'rgandi. 3.1-rasm. O'qitilgan neyron tarmoq misollarini tasniflash uchun vizual model Biz o'qitilgan neyron tarmog'ini ta'lim va nazorat namunalarida tekshiramiz ( Konstruktiv mantiqning algebraik model bilan bir xil 81 ma'lumotlarga ko'ra). 3.12-jadvalda o'qitilgan neyron tarmoqni sinovdan o'tkazish natijalari bo'yicha ma'lumotlar keltirilgan. 3.14-jadval. Neyron tarmoq asosida qurilgan ekspert tizimining ishlashini sinovdan o'tkazish Sinf Trening to'plamidag i misollar soni Trening namunasida to'g'ri tan olingan misollar soni Nazorat namunasidag i misollar soni Nazorat namunasida to'g'ri tan olingan misollar soni Guruh 76 63 82,50/0 18 14 72,30/ 0 Guruh 71 65 91,60/0 17 13 81,30/0 Neyron tarmoq testining taqdim etilgan natijalaridan xulosa qilishimiz mumkinki , neyron tarmoq bemorlar guruhini sog ' lomlar guruhiga qaraganda yaxshiroq taniydi va konstruktiv mantiqning algebraik modelini sinab ko ' rishda , sog ' lom guruh yaxshiroq tan olinishi aniqlandi . Bundan foydali amaliy xulosa chiqarishimiz mumkinki , konstruktiv mantiqning algebraik model va neyron tarmoq ishi natijalarini solishtirganda eskpert tizimda tutish kerak : qaysi model nima yaxshiroq ekanligini tan oladi va yakuniy qaror qabul qilishda buni hisobga oladi , ayniqsa ular turli xil javoblar bersa . Shu bilan birga , shuni unutmaslik kerakki , konstruktiv mantiqning algebraik model , neyron tarmoq bilan natijalar qat ' iyroq baholandi . Bajarilgan ishlar quyidagi xulosalar chiqarishga imkon beradi. Nafas olish tizimining ekologik va sanoat sabab bo'lgan kasalliklari uchun odamlarda mikroelementlarning buzilishi sohasida bilimlar bazasi, eskpert tizimni ishlab chiqishning aqlli usullaridan foydalanish oqlanadi, chunki kichik hajmdagi ma'lumotlar bilan ham nisbatan yaxshi natijalarga erishishga imkon beradi, eskpert tizimni yaratish vaqti sezilarli darajada kamayadi va mutaxassislarga yuklangan vazifasi kamayadi. Shu bilan birga, ushbu fan 82 sohasida bilimlar bazasini yaratish uchun asos bo'lishi mumkin bo'lgan qat'iy qonuniylashtirilgan hukmlar yo'qligini hisobga olish muhimdir. Ammo mikroelementlarning tarkibi va ma'lum bir kasallikning rivojlanishi yoki potentsiali o'rtasidagi munosabatlarni tahlil qilish uchun boshlang'ich nuqta bo'lib xizmat qiladigan eksperimental ma'lumotlarni to'plash mumkin ko'rinadi. Ushbu bilim sohasi juda kam o'rganilgan va sifat jihatidan yangi bilimlarni olish uchun intellektual usullardan foydalanishni talab qiladi. Bundan tashqari, yangi ma'lumotlar paydo bo'lishi bilan mashg'ulotlar o'tkazilishi muhim, bu modelni bosqichma-bosqich takomillashtirishga imkon beradi. 3.2-rasm. Neyron tarmoq asosida qurilgan konstruktiv mantiqning algebraik model 83 3.3-rasm. Neyron tarmoq asosida qurilgan ekspert tizimi 84 XULOSA Dissert а tsiy а ishi d о ir а sid а о lib b о rilg а n izl а nishl а r v а t а dqiq о tl а r n а tij а sid а bilimlar bazasi, eskpert tizim ni qurishda konstruktiv mantiqning algebraik modelidan foydalanish samaradorligini tasdiqladi. Konstruktiv mantiqning algebraik model va neyron tarmoq bilan olingan natijalar umumiy izchil natijalarni berdi. Mikroelementozlarning matematik modelini tahlil qilish va qurish uchun an'anaviy statistik usullar o'rniga an'anaviy usullarga qaraganda kengroq imkoniyatlarga ega bo'lgan aqlli usullar qo'llanildi. Ushbu usullarni qo'llash cheklangan miqdordagi ma ‘lumotlar , fan bo'yicha mutaxassislarning kerakli soni yo'qligi sharoitida eskpert tizim bilim bazasini avtomatik ravishda yaratishga imkon berdi. Ko'rib chiqilgan yondashuvning afzalligi - yakuniy qarorga ekspertlarning sub'ektiv ta'sirining yo'qligi, mulohazalar uchun ehtimollik baholarini tayinlashning hojati yo'q, mantiqiy asoslar va xulosalar tizim tomonidan avtomatik ravishda olingan natijalar asosida yaratiladi. ta'lim ma'lumotlari namunasi. Shu bilan birga, ishlab chiqilgan bilim noaniq (aniq bo'lmagan, yashirin) bo'lib chiqadi va izchil xususiyatga ega bo'lib, bu ob'ektni aniq tasniflash imkonini beradi. Yig'ilgan eksperimental ma'lumotlar asosida ekspert tizimining bilimlar bazasi qurildi, bu eskpert tizim tekshirilganlarni shartli sog'lom va xavf ostida bo'lganlarni avtomatik ravishda tan olish imkonini beradi, ya'ni respirator kasalliklarga chalingan yoki rivojlanishi mumkin bo'lganlar. Yarim tuzilgan ma'lumotlarni qayta ishlash bo'yicha tavsiya etilgan metodologiyadan foydalanish uning ekspert tizimlarida bilim bazalarini yaratish uchun mosligini ko'rsatdi, bu atrof-muhit va ishlab chiqarish bilan bog'liq bo'lgan nafas olish kasalliklari uchun odamlarda mikroelementlarning buzilishi misolida tasdiqlandi. Bilimlar bazasini ishlab chiqishda oz miqdordagi ma'lumotlardan foydalanilganiga qaramay, nisbatan yaxshi natijalarga erishildi. 85 Shunday qilib, taklif etilayotgan usuldan mikroelementlar tarkibi va muayyan kasallikning mavjudligi yoki rivojlanish potentsiali o'rtasidagi bog'liqlikni tahlil qilish uchun foydalanish mumkin degan xulosaga kelish mumkin, bu eskpert tizim to'liq va izchil bilim bazalarini shakllantirish imkonini beradi. 86 FOYDALANILGAN ADABIYOTLAR RO‘YXATI 1. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова. —- М.: Издательство «Экзамен», 2004. — 528с . 2. Aynsley M., Hofland A., Morris A.J. et al. Artificial intelligence and the supervision of bioprocesses (real-time knowledge-based systems and neural networks) // Adv. Biochem. Eng. Biotechnol.- 1993.- N.48.- P. 1-27. 3. Atamanchuk Z.M., Petrov A.A. Some problems of building and learning of neural networks while creating user's expert system // The RNNS/IEEE Symposium on Neuroinformatics and Neurocomputers, Rostov-on-Don, Russia, October 7-10, 1992.RostovDon, 1992.- V.2.- P.1133-1135. 4. Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992. 5. Artificial intelligence and integrated intelligent information systems: emerging technologies and applications / Xuan F. Zha [editor]. - Hershey, PA : Idea Group Publ., cop. 2007. - 454 p. 6. Architectural design of multi-agent systems: technologies and techniques / Hong Lin [ed.], - Hershey, Pa.; New York: Inform. science ref., cop. 2007. - XVIII, 421, [2] c. 7. Арсеньев Ю.Н., Шелобаев С.И., Давыдова Т.Ю. Принятие решений. Интегрированные интеллектуальные системы: Учеб. пособие для вузов. — М.: ЮКИТИ-ДАНА, 2003, - 270 с. 8. Джарратано Джозеф, Райли Гари Экспертные системы: принципы разработки и программирование, 4-ое издание.: Пер. с англ. — М.: ООО «И.Д. Вильямс», 2007. — 1152 с.: ил. — Парал. тит. Англ. 9. Интеллектуальные системы общего назначения: АА. Красилов Информатика в семи томах. Том 7. Интеллектуальные системы (Системы решения 11p06J1eM).http://www.intellsyst.ru/ 87 10. Интеллектуальные системы принятия проектных решений / А.В. Алексеев, А.Н, Борисов, ЭР. Вилюмс, Н.Н. Слядь, СА. Фомин. -- Рига: Зинатне, 1997. - 320 с., ил. 11. Искусственный интеллект: В З кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. ЭВ. Попова. — М.: Радио и связь, 1990. — 464 с.:ил. 12. Колесников А.В. Гибридные интеллектуальные системы: теория и технология разработки. СПб.: Изд-во СПбГТУ, 2001. — 600 с. 13. Информационные технологии в медицине: Монография / Хадарцев А.А. [и др.]; [науч.ред.А.А.Хадарцев] — Тула, 2006. — 272 с. 14. Луценко Е. В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности: 351400 ”Прикладная информатика (по отраслям)”. — Краснодар: КубГАУ. 2004. — 633 с. 15. Степанова М.Д., Самодумкин СА. Прикладные интеллектуальные системы в области медицины: Учебно-методическое пособие.— Мн.: БГУИР 2000. -38 с. 16. Holger Michael, Jennifer Hogan, Alexander Kel, Olga Kel-Margoulis, Frank Schacherer, Nico Voss, and Edgar Wingender Building a knowledge base for systems pathology Brief Bioinform, November 2008; 9: 518 - 531. 17. Хромушин В,А., Бучель В.Ф., Честнова Т.В.Программа построения алгебраических моделей конструктивной логики в биофизике, биологии и медицине // Вестник новых медицинских технологий. — 2008. — Т. ХУ, № 4. — С 173-174. 18. Щеглов В. Н. Алгебраические модели конструктивной логики для управления и оптимизации химико—технологических систем // Автореферат кандидата технических наук. — Л.: Технологический институт им. Ленсовета. 1983. - 20 с. 88 19. Marion Edwards and Roger E. Cooley Expertise in expert systems: knowledge acquisition for biological expert systems Comput. Appl. Biosci., December 1993; 9: 657 - 665. 20. Kulikowski C., Medical expert systems: Issues of validation, evaluation and judgement in policy issues, In Information and Communication Technologies in Medical Applications IEEE (1988) 45-56. [15] PL. Miller, Evaluation of artificial intelligence systems in medicine, Proc. IX SCAMC Washington, DC (IEEE 1985)281286 21. Mathew B. , Altura B.M. The role of magnesium in lung diseases: asthma, alltgry and pulmonary hypertension // Magnes. Trace Elem.- 1991/92.- Vol. 10, MI.-P. 220 - 228. 22. Nolan J., McNair P. and Brender J. , Factors influencing iransferabiliry of knowledge-based systems. Int. J. Biomed Comp. 27 (1991) 7-26. 23. Wyatt J. and Spiegelhalter D, Evaluating medical expert systems: What to test and how, in: J. Talmon and J. Fox, eds., Knowledge Based Systems in Medicine (Springer, Berlin, 1989) 274-290. 24. Architectural design of multi-agent systems: technologies and techniques / Hong Lin [ed.], - Hershey, Pa.; New York: Inform. science ref., cop. 2007. - XVIII, 421, [2] c. 25. Accounting expert systems. by Smith, L. Murphy http://www.cpajournal.com/ index.htm 26. Скальный А.В., Лакарова Е.В., Кузнецов ВВ., Скальная МГ. Аналитические методы в биоэлементологии / под ред. А.В. Скального, СП. Нечипоренко. — Спб.: Наука, 2009. — 264 с. 27. Хабаров СП. Экспертные системы (конспект лекций) http://frm.trade.spb.ru/ serp/main_es.htm 28. Тестирование экспертных систем при эксплуатации и сопровождении В.А. Фатхи, ДВ. Фатхи. — Ростов-на-Дону: ГОУ РГАСМ, 2008. -- 81 89 29. Zimmermann M. , Adou P., et al. 2000. Iron supplementation in goitrous, irondeficient children improves their response to oral iodized oil // Eur. J. Endocrinol. Vol. 30. Wyatt J. and Spiegelhalter D, Evaluating medical expert systems: What to test and how, in: J. Talmon and J. Fox, eds., Knowledge Based Systems in Medicine (Springer, Berlin, 1989) 274-290. 31. Theoretical neuroscience: computational and mathematical modeling of neural systems / Peter Dayan a. L. F. Abbott. - Cambridge, Mass.; London: MIT press, cop. 2001. - XV, 460 p. 32. Smeets R.P., Talmon J.L. and O'Moore R., General methodology and problems in assessment of decision support systems, in: Medical Informatics Europe '90 Proc, R. OMoore, S. Bengtsson, J.R. Bryant and J.S. Bryden tds. (Springer, Berlin, 1990) 225-230 33. Организация взаимодействия человека с техническими средствами АСУ. В 7 кн. Кн. 6. Персональные автоматизированные системы и дисплейные комплексы. Практ. пособие / Л.А. Соломонов, ЮН. Филиппович, В.Л. Шульгин; Под ред. В.Н. Четверикова. — М.: ВЫСШ. шк., 1990. — 143 с.: ил. 34. Ноздрюхина Л.Р. Биологическая роль микроэлементов в организме животных и человека. М.: Наука, 1977. — 183 с. 35. Новиков Д.А., Новочадов ВВ. Статистические методы в медикобиологическом эксперименте (типовые случаи). Волгоград: Издательство ВолГМУ, 2005. - 84 с. 36. Николаев А.Б., Фоминых И.Б. Нейросетевые методы анализа и обработки данных. Учебное пособие. — М.: МАДИ (ГТУ), 2003. — 95с. 90 37. Нейлор К. Как построить свою экспертную систему: Пер. с англ. — М.: Энергоатомиздат, 1991. — 286с.: ил. 38. Методы нейроинформатики / Под ред. А.Н. Горбаня; отв. за выпуск МГ. Доррер — КГТУ, Красноярск, 1998. — 205 с. 39. Махалкина ВВ., Каменев Л.И., Хадарцев А.А., Панова И.В., Наумова Е.Н. Микроэлементы — индикаторы здоровья / Материалы VII Всероссийского конгресса «Профессия и здоровье». Москва 25-27 ноября 2008 г. М.: ООО «Графикон», 2008. - С.556-557. 40. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.: Пер. с англ. — М.: Издательский дом «Вильямс», 2005. — 864 с.: ил. — Парал тит. англ. 41. Лукашевич И.П. Проблемы информационного взаимодействия в медицине // Новости искусственного интеллекта. 2005. №2. — С.51- 62. 42. Куликов А.В. Исследование и разработка алгоритмов обобщения на основе теории приближенных множеств: Автореф. дис к.т.н. — Москва, 2004. — 20 с. 43. Rossi-Mori A. and Ricci FL., On the assessment of medical expert systems, in: Expert Systems and Decision Support in Medicine, Lecture Notes in Medical Informatics 36, O. Rienhoff, U. Piccolo and B. Schneider, eds. (1988) 44. Planning in intelligent systems: aspects, motivations, and methods / ed. by Wout van Wezel, René Jorna, Alexander Meystel Hoboken, N.J.: Wiley-interscience , cop. 2006. - 574 p. 45. Nelson H. B-adrenergic bronchodilatators // N. Engl.J.Med.- 1995.- Vol. 333(8).- p. 449 - 506. 91 46. Marion Edwards and Roger E. Cooley Expertise in expert systems: knowledge acquisition for biological expert systems Comput. Appl. Biosci., December 1993; 9: 657 - 665. 47. Kors J.A., Sittig A.C. and Van Bemmel J.H., The Delphi Method to validate diagnostic knowledge in computerised ECG interpretation, ' Meth. Inform, Med. 29 (1990) 44-50. 48. Khaltaev N. Global strategy for the diagnosis, management, and prevention of chronic obstructive lung disease: NFLBI / WHO Workshop. -1998. - 32 p. 49. Искусственный интеллект: В З кн. Кн, 2. Модели и методы: Справочник / Под ред. ДА. Поспелова. — М.: Радио и связь, 1990. — 304 с.: ил. 50. Джарратано Джозеф, Райли Гари Экспертные системы: принципы разработки и программирование, 4-ое издание.: Пер. с англ. — М.: ООО «И.Д. Вильямс», 2007. — 1152 с.: ил. — Парал. тит. Англ. 51. Голубкина Н.А., Скальный А.В., Соколов Я.А., Щелкунов Л.Ф. Селен в медицине и экологии. - М.: Изд-во КУК. 2002. 134 с. 52. Гаврилова Т,А., Червинская КГ. Излечение и структурирование знаний для экспертных систем. — М.: Радио и связь, 1992. — 200 с.: ил. 53. Велданова М.В., Скальный А.В. Иод — знакомый и незнакомый. Москва, 2001. 112 с. 54. Сапожников СЛ., Голенков А.В. Роль биогеохимических факторов в развитии краевой патологии // Микроэлементы в медицине 2(3). — 2001. - сл-72. 55. Fizika , matematika va mexanikaning dolzarb Muammolari Xalqaro ilmiy - amaliy anjumani “ Ekspert tizimi bilimlar bazasini yaratishda ma ’ lumotlarga ishlov berishning ba ’ zi usullari haqida ” [208-2011]. 92 56. Samarqand davlat universitetining kattaqo ʻ rg ʻ on filiali “ Ta ‘ limda sun ‘ iy intellektning roli ” Mavzusidagi respublika ilmiy - amaliy Anjumani “ Ekspert tizimining tibbiy bilimlar bazasi tuzish uchun ma ’ lumotlarga ishlov berish ” [312-316] 93

Tibbiy soha ekspert tizimlari bilimlar bazasini yaratishda sust strukturali ma’lumotlarni qayta ishlash Mundarija KIRISH ..................................................................................................................................................... 2 I-BOB BIOLOGIYA VA TIBBIYOTDA EKSPERT TIZIMINING BILIMLAR BAZASINI YARATISH UCHUN TURLI METODOLOGIYALARDAN FOYDALANISHNING ANALITIK SHARHI ........................................................... 6 1.1 Intellektual tibbiy tizimlar ............................................................................................................. 6 1.2 Biotibbiy tadqiqotlarda ekspert tizimlarini qo'llash ...................................................................... 7 1.3 Ekspert tizimini yaratish uchun bilim olish usullari ..................................................................... 12 II - BOB EKSPERT TIZIMINING TIBBIY BILIMLAR BAZASINI TUZISH UCHUN MA'LUMOTLARGA ISHLOV BERISH .................................................................................................................................................. 20 2.1 Ekspert tizimining bilimlar bazasini yaratish uchun ma'lumotlarga ishlov berish algoritmi ........ 20 2.2 Tadqiqot muammosini aniqlash .................................................................................................. 23 2.3 Ma’lumotlar bog’liqlik modelini qurish ....................................................................................... 29 2.4 Bilimlar bazasini ifodalash ........................................................................................................... 38 III - BOB NAFAS OLISH ORGANLARI EKOLOGIYA VA ISHLAB CHIQARISH BILAN BOG'LIQ KASALLIKLARI MISOLIDA EKSPERT TIZIMINING BILIMLAR BAZASINI YARATISH ........................................................... 58 3.1 Nafas olish tizimi kasalliklarida mikroelementlarning buzilishini nazorat qilish analitik hisoblash masalasi. ........................................................................................................................................... 58 3.2 Nafas olish kasalliklari ekspert tizimini yaratish uchun diagnostikaning ahamiyati .................... 60 3.3 Nafas olish tizimining ekologik va sanoat tomonidan kelib chiqadigan kasalliklari misolida ekspert tizimining bilimlar bazasini yaratish uchun analitik nazorat hisobi ...................................... 66 XULOSA ................................................................................................................................................. 85 FOYDALANILGAN ADABIYOTLAR RO‘YXATI ........................................................................................... 87 1

KIRISH Mavzuning asoslanishi va uning dolzarbligi. Hozirgi vaqtda zamonaviy mutahasislarni qo’llab quvvatlashga qaratilgan tibbiy qaror qabul qilish tizimlarida tahlil qilinga axborot bilan ta'minlash darajasini oshirishga qaratilgan ko'plab turli xil tizimlar ishlab chiqilgan. Bular yashirin qonunyatlarni ochib beruvchi ma'lumotlarni intellektual qidirish tizimlari; kompyuter simulyatsiya tizimlari; muayyan fan sohalarida ekspertlar bilimlarini va qaror qabul qilish tajriba natijalariga asoslangan ekspert tizimlari va taklif qilingan to'plamdan eng yaxshi yechimni tanlashga yordam beradigan tizimlar. Tahlil va qaror qabul qilishni qo'llab-quvvatlash murakkab bo'lgan iqtisodiy, biologik, tibbiy va boshqa muayyan fan sohalari muammolariga xos sust shakllangan ma'lumotlarni ham miqdor, ham sifat jihatidan interpritatsiya, diagnostika va prognozlashni taqdim etish mumkin. Bundan tashqari, ma’lumotlarni tahlil qilish va yechimlarni ishlab chiqishdan oldin, modelni formallashtirsh (asosiy omillarni, ular o'rtasidagi munosabatlarni va ba'zi omillarning boshqalarga ta'sirining kuchini aniqlash) amalga oshirilishi kerak. Sust shakllangan sohalarda bu jarayon ekspertlar bilan yaqin aloqada bo'lishi kerak va muayyan fan sohalari uchun bunday ishlar kompyuter qo'llab- quvvatlashini amalga oshirish zarur. Sust shakllangan ma'lumotlar bilan ishlashga mo'ljallangan tizim ekspertlari bilan ishlashda, ishlab chiqilgan foydalanuvchi interfeysi, bilimlar bazalarini tahrirlash va sozlash vositalari, shuningdek, qaror qabul qilishning butun jarayonini vizuallashtirish, natijani tahlil qilish, uni talqin qilish va tushuntirish, baholash va qaror qabul qilishning turli usullarini hisobga olish zarur. Ushbu talablarga javob beradigan tizim arxitekturasi hozirgi vaqtda tez rivojlanish bosqichida, shuning uchun bunday tizimdan foydalanish kompleks sohalarini o'rganish uchun kengroq analitik imkoniyatlarni ochib beradi. Shu sababli mazkur magistrlik dissertatsiya biologiya va tibbiyotda sust shakllangan sohalar bo'yicha kompleks ekspert qarorlarini qo'llab-quvvatlash tizimi bilimlar bazasini yaratish metodologiyasini ishlab chiqishni o’rganishga bag'ishlanadi. 2

Tadqiqot ob’yekti va predmeti. Tadqiqodning ob’yekti atrof-muhit va sanoat sabab bo'lgan nafas olish kasalliklari misolida odamlarda mikroelement buzilishlar sohasi bo’lib, predmeti esa zamonaviy qaror qabul qilishda kompyuter yordamini ta'minlaydigan ekspert tizimini yaratishdan iborat. Tadqiqotning maqsadi va vazifalari. Ishning asosiy maqsadi inson nafas olish organlarining ekologik va ishlab chiqarish bilan bog'liq kasalliklari misolida ekspert tizimining bilimlar bazasini yaratish uchun dasturiy modulni ishlab chiqishdan iborat. Yaratilgan dasturiy moduldan sust shakllangan axborotni modellashtirish uchun ekspert tizimlarini qurish tamoyillarini aniqlash, inson nafas olish organlarining ekologik va ishlab chiqarish kasalliklari bo'yicha odamlarda mikroelementlar buzilishining dastlabki ma’lumotlar bazasi tuzilmasini yaratish uchun mutaxassislardan bilim olishning usullarini aniqlash va ekspert ma'lumotlariga ishlov berish usullarini aniqlash, inson nafas olish organlarining ekologik va ishlab chiqarish kasalliklari misolida odamlarda mikroelementlar buzilishining ekspert tizimining bilimlar bazasini yaratish uchun ma'lumotlarni tahlil qilishning mavjud usullari va sust shakllangan formallashtirilgan ma'lumotlardan bilim olish usulini o'rganish esa ishning vazifasi hisoblanadi. Tadqiqotning ilmiy yangiligi. Magistrlik dissertatsiyasida olingan natijalar ilmiy-amaliy xarakterga ega bo lib kelishilgan jamoaviy qaror asosidaʻ mikroelementlar bo‘yicha inson nafas olish organlarining ekologik va ishlab chiqarish bilan bog‘liq ekspert tizimlari respirator kasalliklar diagnostikasi bo‘yicha dastlabki ma’lumotlar bazasi tuzilmasini aniqlash maqsadida ekspert so‘rovini o‘tkazish tartibi taklif etildi va moslashtirildi, konstruktiv mantiqning algebraik modeli kontekstini hisobga olgan holda tibbiy va biologik ma'lumotlarni tahlil qilish taklif qilindi. Tadqiqotning asosiy masalalari va farazlari. Magistrlik dissertatsiyasida asosan quyidagi bosqichlar amalga oshiriladi. Ishda qo yilgan masalani yechish algoritmini tuzish va dasturiy modulini ʻ yaratish bunda: 3

1. Nazariy va loyihalash bosqichi o‘rganilayotgan masala bo‘yicha adabiyotlarni tahlil qilish, zamonaviy yondashuvni tizimlashtirish va umumlashtirishni o‘z ichiga oladi. Bu davrda tadqiqotning asosiy uslubiy xarakteristikalari aniqlanadi, ish reja va model ishlab chiqiladi. 2. Eksperimental bosqich o'rganilayotgan jarayonni diagnoz qilishni ishlab chiqish, tadqiqotning dasturiy qismini amalga oshirish va tadqiqot natijalarini tibbiyot muassasalari amaliyotiga joriy etish. 3. Yakuniy bosqich ekspert tizimining natijalarini tekshirish va aniqlashtirishni o'z ichiga oladi. Adabiyotlar sharhi va tahlili. Ilmiy tadqiqotni olib borish jarayoni va dissertatsiya ishini yozishda foydalanilgan adabiyotlarning tahlilini keltiramiz. [1]–[14] adabiyotlardan mavzuning dolzarbligi uchun foydalanildi va [1]–[22] adabiyotlardan esa ekspert tizimlarini amaliy tatbiqlari haqidagi asosiy tushunchalar olindi. [22] – [32] adabiyotlardan I bobda keltirilgan ma'lumotlarni bayon qilishda foydalanildi. [4] – [19] adabiyotlardan ishda tadqiq qilingan masalalarning algoritmlarini tuzishda foydalanildi. Dissertasiyada olingan natijalar [55] – [56] adabiyotlarda e'lon qilingan. [47] – [54] adabiyotlardan esa dasturiy modulni yaratishda foydalanildi. Tatqiqot usullari. Ushbu magistrlik dissertatsiyasida konstruktiv mantiqning algebraik modeli algoritmidan foydalanib ekspert tizimlarining bilimlar bazasini yaratish masalasini yechish da foydalanildi . Tatqiqotnig nazariy va amaliy ahamiyati. Ishda erishilgan natijalar amaliy ahamiyatga ega bo lib, nazariy ma’lumotlar bilan mos keladi va undaʻ qo llanilgan usullar va yaratilgan dasturiy moduldan ʻ turli tibbiyot muassasalari mutahasislarini ishlarini yengillashtirishda foydalanish mumkin. Dissertatsiyaning tuzilishi. Ushbu ish kirish, uch bob, xulosa, foydalanilgan adabiyotlar ro yxatidan iborat. ʻ I bob 4 ta paragrafdan iborat bo lib, unda olingan natijalarni bayon ʻ qilishda zarur bo lgan asosiy tushunchalar: ʻ biologiya va tibbiyotda ekspert tizimining bilimlar bazasini yaratish uchun turli usullardan foydalanishning 4

analitik tasnifi, tibbiyot tizimlarini intellektuallashtirish, biotibbiy tadqiqotlarda ekspert tizimlarini qo‘llash, ekspert tizimini yaratish uchun bilimlarni egallash usullari, tibbiy ekspert tizimlari sohasidagi ishlanmalar holati h aqida ma’lumotlar berilgan. II bobda ishga oid ekspert tizimining tibbiy bilimlar bazani tuzish uchun ma'lumotlarga ishlov berish usuli, mutaxassisning bilim bazasini yaratish uchun ma'lumotlarga ishlov berish algoritmi tizimlari, kontseptual modelni yaratish, bilimlar bazasini formallashtirish, ekspert tizimining bajarilishi, ekspert tizimining sinov va eksperimental ishlashi tavsiflangan . Ishning III bobida esa inson nafas olish organlarining ekologik va ishlab chiqarish bilan bog'liq kasalliklari misolida ekspert tizimining bilimlar bazasini yaratish, nafas olish tizimi kasalliklarida mikroelementlarning buzilishini nazorat qilish analitik hisoblash vazifasini belgilash, nafas olish tizimi kasalliklarida mikroelementlar buzilishining ekspert tizimini yaratish uchun mikroelementlarning diagnostikasini yaratish, nafas olish tizimi kasalliklari misolida odamlarda mikroelementlar buzilishining ekspert tizimining bilimlar bazasida sust strukturalashgan ma’lumotlarni qayta ishlash o rganilʻ gan . 5

O'xshashlar

Pythonda talabalar haqidagi ma’lumotlarni qayta ishlash texnologiyalari
Shaxsning ta'lim, tarbiyasi va rivojlanishida pedagogik dasturiy vositalari
Strukturali dasturlash
Universitet ma’lumotlar bazasini loyihalashtirish va ishlab chiqish
Murakkab tipli fayllarni tasvirlash va qayta ishlash