Еврістичні моделі та методи застосування нейронної мережі кохонена в інтелектуальній системі медико-соціологічного моніторингу

Анотація

В системах медико-соціологічного моніторингу для збільшення оперативності прийняття класифікаційних рішень використовують можливості навчання глибинних нейронних зі вчителем. Але данні, що накопичуються в процесі моніторингу є слабко структурованими та маркованими. Це значно знижує швидкість та підвищує помилку машинного навчання зі вчителем. В роботі запропоновані евристичні моделі та методи застосування мережі Кохонена для збільшення швидкості навчання з частковим залученням вчителя без втрати рівня достовірності класифікації даних в інтелектуальних системах медико-соціологічного моніторингу. А саме удосконалені моделі представлення слабко структурованих та маркованих даних медико-соціологічного моніторингу в просторах властивостей та ознак за рахунок формалізації процедури агрегації деталізованих даних, а також метод навчання мережі Кохонена з частковим залученням вчителя з використанням методу узгодження наявних попередньо маркованих даних із отриманими маркерами кластерів ознак. Крім того отримав подальший розвиток метод корегування вагових коефіцієнтів в процесі навчання нейронної мережі Кохонена за рахунок використання модифікованого генетичного алгоритму для класифікації даних медико-соціологічного моніторингу. Запропонована модифікація генетичного алгоритму полягає у використанні методу узгодження маркерів класів та кластерів при розрахуванні оцінки пристосованості хромосом в популяції, яка генерується для кожного прикладу із навчальної вибірки даних медико-соціологічного моніторингу. Для оцінки пристосованості хромосом запропоновано розраховувати повноту класифікації, як відношення кількості представників позитивного класу, яких знайдено до усіх представників позитивного класу. При виконанні процедури селекції на основі отриманої оцінки пристосованості обирається по дві найбільш («переможець» та «віце-переможець») пристосовані хромосоми, які схрещуються та найменш («лузер» та «віце-лузер») пристосовані хромосоми які видаляються. Схрещування реалізовано як обмін генами між хромосомами «переможець» та «віце-переможець» з врахуванням випадково обраної точки кросинговеру. При мутації до кожного гену хромосоми додається випадкове число, розподілене за рівномірним законом, що є допоміжним методом для створення нової хромосоми для запобігання виродження популяції. Запропоновані евристичні моделі та методи є основою для реалізації окремого модуля у складі інтелектуальної системи медико-соціологічного моніторингу. Апробація модифікованої інтелектуальної системи на відомих тестових прикладах із бази даних машинного навчання та реальних медико-соціологічних даних показала підвищення швидкості навчання мережі Кохонена із забезпеченням заданого рівня достовірності класифікації.