CC BY
33
Секция радиоприемных устройств и телевидения
Таким образом, задача оптимизации параметров распознающих систем, в контексте данной работы, представляет собой построение моделирующего автомата, выполняющего задачу оптимизации, или, например, более простую задачу построения зависимости некоторого параметра системы распознавания (в частности, характеристик достоверности) при изменении одного или нескольких параметров.
, - -разно для систем, не имеющих соответствующих аналитических выражений, связывающих вектор параметров системы с минимизирумым функционалом (распознавание сигналов при непараметрической неопределенности, распознавание многомерных негауссовских сигналов, распознавание сигналов, для которых еще не найдено удовлетворительных математических моделей и т.п.).
Систему достаточно просто интегрировать со средствами ввода-вывода аналоговых и цифровых сигналов, что очень сильно расширит возможности системы.
УДК 681.3.07
А.В. Лучинин, В.М. Федоров
О ВОЗМОЖНОСТИ РЕШЕНИЯ «ПРОБЛЕМЫ ФОНА» В МЕДИКОБИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЯХ С ИСПОЛЬЗОВАНИЕМ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ
Предсказание временных рядов является важным для многочисленных приложений разнообразных областей (бизнес, экология, медицина и др.). При прове-
слабых реакций организма на специально-организованные тестовые или естественные внешние воздействия при больших спонтанных колебаниях контролируемых параметров, соответствующих «фоновой» (без воздействия) активности организма. Как правило, реакция той или иной физиологической системы организма на внешнее воздействие может быть выявлена только с некоторой временной задержкой относительно момента предъявления воздействия (от единиц миллисекунд до нескольких часов и более в зависимости от уровня иерархии исследуемой системы ). - -дований необходимо разработать методики и алгоритмы предсказания временных « »
от них экспериментальных значений, зафиксированных после воздействия.
Поскольку оценки будущих значений данных важны для принятия решений (,
, , состояния здоровья и т.д.), то всегда существует потребность в лучших техниках .
Многочисленные исследования показали эффективность методов искусственного интеллекта в области предсказания временных рядов ([1,2] и др.). По сравнению с традиционными статистическими методами, нейронные сети предоставляют высокую гибкость по отношению к типам функций, которые могут быть адаптивно аппроксимированы в течение процесса обучения. Они хорошо подходят к задачам .
они могут обобщать новые данные.
Известия ТРТУ
Специальный выпуск
Эффективность обработки временных рядов возрастает, когда при обработке нейронными сетями предусматривается какой-нибудь механизм задержки, поскольку многочисленные входные данные вместе с порядком их следования должны оказать влияние на выход. Окна, временные задержки и обратная связь являются примерами таких механизмов. Сети, которые могут обрабатывать временные , , , , может быть достигнут комбинированием различных механизмов, таких как, на, .
Обработка временных рядов экспериментальных данных, приведенных в [3,4], с применением таких рекуррентных нейронных сетей, показал, что ошибка предсказания абсолютных значений (А) измеряемых параметров составляет порядка 5% от А при прогнозировании на временной интервал, равный длительности .
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Калан Р. Основные концепции нейронных сетей. М.: Вильямс, 2001. 287с.
2. ПетуховА.П. Введение в теорию всплесков. Санкт-Петербург.: СПбГТУ, 1999. 131с.
3. Лучинин А.В., Федоров В.М. Прогнозирование данных в медицинских исследованиях с использованием рекуррентных нейронных сетей. Таганрог // Сб. трудов научнопрактической конференции «Информационная безопасность». Таганрог, 2002. С.303-306.
4. . . .
исследования функционирования биологических объектов. Известия ТРТУ. Тематический выпуск «Медицинские информационные системы». Таганрог, 2000. №4. С.34-36.
