Информационное описание и диагностика состояния иерархически организованных систем

Актуальность темы

Анализ микроканонических ансамблей многих частиц осуществляется статистическим методом. Такие ансамбли описываются с помощью усредненных параметров состояния, которые в равновесном состоянии подвержены чрезвычайно малым флуктуациям и являются детерминированными величинами. Связь между макроскопическими параметрами устанавливается через уравнение состояния, которое следует из статистической модели ансамбля частиц.

Иным образом обстоит дело в случае иерархически организованной открытой системы многих частиц, когда между частями иерархической системы существуют различные прямые и обратные связи и осуществляется управление такой системой. Все биологические системы, в том числе и биотехнологические, являются открытыми иерархическими системами. Здесь уже макроскопические параметры состояния являются случайными величинами, и задача биотехнологии — провести процесс в пределах допустимых флуктуаций параметров. Вследствие этого описание процесса уже не может быть сделано в рамках каких-то фундаментальных уравнений состояния, так как не известна строгая статистическая модель этих процессов. Задача решается путем построения приближенных моделей, справедливых в узких пределах изменения параметров процесса. Однако, чем сложнее процесс, тем строже она к флуктуациям параметров процессов, которые принципиально присущи открытым иерархическим системам.

В еще большей степени эти черты присущи биомедицинским системам, где не существует пока строгой математической модели даже одиночной клетки, а тем более органов и всего организма. Описание и диагностика таких систем осуществляется с помощью эвристических параметров (признаков), которые характеризуют систему с различных сторон, и достаточно эффективны для диагностики как отдельных органов, так и организма в целом.

Развитие биотехнологии идет в сторону реализации все более сложных процессов, что позволяет повышать качество известных продуктов и получать новые. В природе эти пути уже давно опробованы. Например, от одно-компонентных систем перспективен переход к двухкомпонентным, что позволит получить новые свойства за счет биологического симбиоза.

С этой точки зрения существующие методы математического описания и диагностики биотехнологических систем приходят к естественному пределу их применимости. Теперь ясно, что для описания и диагностики открытых иерархических систем необходимо разработать другой подход, основанный на статистическом анализе эвристических параметров состояния системы, которые имеются в существующих биотехнологических и медицинских базах данных. Разработка такого подхода позволит контролировать качество биотехнологической продукции в сложных перспективных процессах, повысить качество продукции в существующих, осуществлять автоматизированную диагностику заболеваний. Эти факторы определяют как теоретическую, так и практическую актуальность работы.

Цель диссертационной работы. Информационное описание и разработка алгоритмов диагностики состояния открытых иерархически организованных систем в условиях недостаточной мощности обучающей выборки, инвариантных к различной природе исследуемых систем.

В этой связи поставлены следующие задачи:

— разработать информационную модель иерархически организованной системы и ее отдельных частей, что позволит с единых позиций описать иерархические системы различной природы;

— предложить информационную организацию признаков, характеризующих иерархическую систему;

— представить набор признаков в виде управляющего сообщения;

— учесть возмущающие факторы в системе управления;

— оценить информационную емкость набора признаков относительно существующих баз данных и вероятность правильной диагностики состояния системы;

— разработать интегральные методы диагностики состояния системы по информационной емкости набора признаков;

— разработать дифференциальные методы диагностики состояния иерархической системы;

— сформировать иерархическую организацию методов диагностики в соответствии со сложностью анализируемой системы;

— экспериментально проверить алгоритм автоматизированной диагностики состояния иерархических систем;

— оценить возможность и эффективность применения разработанного информационного подхода к описанию и диагностике иерархических систем для биотехнологии и медицины.

Методы исследования. Основные результаты диссертационной работы основывались на использовании методов теории информации, математической статистики, методов неравновесной термодинамики, вычислительной математики, теории вероятностей, статистической обработки сигналов и распознавания образов. При выполнении диссертационной работы отобранная информация обрабатывалась с использованием современных информационных технологий и построением распределенной базы данных.

Научная новизна.

— Предложены информационное описание открытой • иерархической системы и ее модель, функционирующая на базе энерго-энтропийных циклов.

— Осуществлена классификация систем различной природы по степени их сложности.

— Построена классификационно-прогностическая диаграмма, позволяющая прогнозировать поведение систем различной природы и сложности.

— Сформирован информационный подход к выбору и организации признаков, характеризующих иерархическую систему, позволяющий оценивать вероятность правильной диагностики состояния системы.

— Разработаны интегральный и дифференциальный методы информационной диагностики состояния иерархических систем.

— Синтезирован иерархический алгоритм диагностики состояния иерархической системы, позволяющий диагностировать степень отклонения состояния системы от границы нормы.

— Предложен алгоритм диагностики циклически функционирующих иерархических систем по динамическим признакам.

— Теоретически и экспериментально показано, что диагностика иерархически организованных систем любой природы может осуществляться по одной методике с высокой эффективностью.

Практическая ценность работы заключается в том, что.

1. Результаты исследований могут быть положены в основу диагностики состояния иерархически организованных систем любой природы и сложности.

2. Информационная модель биотехнологического процесса размножения дрожжей и алгоритм диагностики его состояния прошли производственные испытания на ЗАО «Узловской дрожжевой завод», с достаточно высокой эффективностью. Ожидаемый годовой экономический эффект от внедрения математического, алгоритмического и программного обеспечения составляет 75 тыс. руб.

3. Разработан алгоритмический и программный модуль, включающий локальную реляционную базу данных и систему управления базой данных, предназначенный для диагностики состояния иерархических систем. Собрана обучающая выборка по эндометриту, с последующим использованием ее в медицинских учреждениях.

Апробация работы. Основные результаты диссертационной работы обсуждались на III Всероссийской научно-технической конференции «Информационные технологии и системы» (г. Воронеж, 1999 г.), 6-й международной научно-технической конференции «Радиолокация, навигация и связь» (г. Воронеж, 2000 г.), I Всероссийской научно-технической конференции «Теория конфликта и ее приложения» (г. Воронеж, 2000 г.), международной научно-технической конференции «Информационные технологии в образовании, технике и медицине» (г. Волгоград, 2000 г.), на XXXVIII, XXXIX отчетных конференциях ВГТА за 1999;2000 год.

Публикации. По результатам диссертационной работы опубликовано 14 печатных работ, в том числе 7 статей и 7 тезисов.

Структура и объем работы. Диссертационная работа изложена на 201 странице, включает 2 таблицы и 64 рисункасостоит из введения и 5 глав, заключения, списка литературы из 165 наименований и приложений.

1. Абрамов О. В. Прогнозирование состояния технических систем. / О. В. Абрамов, А. Н. Розенбаум — М.: Наука, 1990. — 126с.

2. Айзерман М. А. Метод потенциальных фукций в теории обучения машин. / М. А. Айзерман, Э. М. Браверман, Л. И. Розоноэр М.: Наука, 1970. -384с.

3. Алдонин Г. М. Синергетика и биоритмы // Биомедицинская радиоэлектроника, 1999 г. № 1. — С. 51 — 56.

4. Андерсон Т.

Введение

в многомерный статистический анализ. М.: Физматгиз, 1963. — 500 с.

5. Анохин П. К. Теория функциональной системы // Успехи физиологических наук, 1974. Т. 5. — № 2. — С. 75−84.

6. Анохин П. К. Теория функциональных систем // Общие вопросы физиологических механизмов. Анализ и моделирование биологических систем. -М.: 1970.-С. 53−95.

7. Анри Ж. Численное моделирование нарушений распространения сердечного потенциала действия // Математические модели в иммунологии и медицине: Сб. статей 1982;1985 г. г. С. 273−283.

8. Антономов Ю. Г. Моделирование биологических систем: Справочник.-Киев, 1977.-427 с.

9. Антономов Ю. Г. Принципы нейродинамики. Киев. Наукова думка. 1974. — 200 с. — 265 с.

10. Базарский О. В. Вероятность правильного распознавания изображений как критерий качества систем распознавания образов. // Радиотехника и электроника, 1981. Т. 29. — № 3. — С. 18бЪ — 1864.

11. Базарский О. В. Автоматический текстурный анализ изображений Земной поверхности / О. В. Базарский, Ю. В. Коржик // Исследования Земли из космоса, 1990. № 3 — С. 115−120.

12. Базарский О. В. Система признаков для анализа и распознавания изображений случайных пространственных текстур / О. В. Базарский, Ю. В. Коржик // Исследования Земли из космоса, 1985. № 6. — С. 101−105.

13. Базарский O.B. Способ формирования признаков для распознавания изображений однородных структур. / О. В. Базарский, Ю. В. Коржик A.c. № 1 119 042, СССР, Б.И. 1984. № 38.

14. Бейли Н. Математика в биологии и медицине. М.: Мир. 1970.327 с.

15. Белецкий Н. Г. О некоторых математических методах диагностики опухолей брюшной полости по биохимическим данным / Н. Г. Белецкий, З. Б. Токарская // Математические модели в медицине и биологии: Сб. научн. трудов. Свердловск: УНЦ АН СССР, 1986. С. 10−17.

16. Беллман Р. Математические методы в медицине. М.: Мир. 1987.200с.

17. Беляев Р. В. Многопетлевая автоколебательная система с запаздыванием как модель системы акупунктурных точек организма человека /Р.В. Беляев, В. Я. Кислов // Радиотехника и электроника, 1999 г. Т. 44. — № 11.-С. 3−9.

18. Биологическая и медицинская кибернетика. Справочник. Киев: Наукова думка, 1986. — 376 с.

19. Битюкова В. В. Лечение эндометрита после родов и кесарева сечения с применением гелевых сорбентов. Дисс.. канд. мед. наук. Воронеж, 1995. — 146с.

20. Богомолов A.B. Использование лингвистических переменных и методов обработки экспертной информации для автоматизированного распознавания ранних стадий нарушения функционального состояния человека // Информационные технологии, 2000. № 8. — С. 50−54.

21. Богомолов A.B. Методика формирования индекса состояния объекта по результатам многомерной статистической классификации // Информационные технологии, 2000. № 12. — С. 45−52.

22. Богомолов A.M. Диагностика сложных систем. / A.M. Богомолов, В. А. Твердохлебов Киев: Наукова думка, 1974. — 128 с.

23. Быховский M. J1. Кибернетические системы в медицине. / M.JI. Бы-ховский, A.A. Вишневский М.: Наука — 1971. — 407 с.

24. Вапник В. Н. Теория распознавания образов. / В. Н. Вапник, А .Я. Червоненкис М.: Наука, 1974. — 416 с.

25. Вилли К. Биология. М.: Мир, 1968 г. — 808 с.

26. Гвоздев В. И. Модель биоклетки при сверхмалых дозах воздействия / В. И. Гвоздев, В. В. Герасёв, Б. Я. Климов //Биомедицинская радиоэлектроника, 2000 г.-№ 4.-С. 39−46.

27. Гвоздев В. И. Ключевые биоструктуры информационного образа человека / В. И. Гвоздев, Е. В. Давыдов, В. И. Криворучко, С. И. Подковырин // Биомедицинская радиоэлектроника. 2000 г. — № 4. — С. 32−37.

28. Геловани В. А. Экспертные системы в медицине / В. А. Геловани, О. В. Ковригин // Новое в жизни, науке, технике. Сер. Математика, кибернетика № 3. М.: Знание, 1987. — 32 с.

29. Гленсдорф П. Термодинамическая теория структуры, устойчивости и флуктуаций. / П. Гленсдорф, И. Пригожин М.: Мир, 1973. — 280 с.

30. Гмурман В. Е. Теория вероятностей и математическая статистика. -М.: Высш. шк., 1997.-479 с.

31. Григорян Р. Д. Математическая модель сердечно-сосудистой системы человека // Биологическая, медицинская кибернетика и бионика. Сб. науч. тр. Киев: ИК АН УССР, 1984. — С 25−29.

32. Гублер Е. В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1978, — 296 с.

33. Гублер Е. В. Информатика в патологии, клинической медицине и педиатрии. Л.: Медицина, 1990. — 176 с.

34. Гуверне Ж. Приложение нечеткой логики к медицинской генетике / Ж. Гуверне, С. Эме, Э. Санчес // Нечеткие множества и теория возможностей: Последние достижения. М.: Радио и связь, 1986. — С. 332−339.

35. Гудмен Дж.

Введение

в Фурье-оптику. М.: Мир, 1970. — 258 с.

36. Гуляев В. А. Методы и средства обработки диагностической информации в реальном времени. / В. А. Гуляев, В. М. Чаплыга, И.В. КедровскийКиев: Науковадумка, 1986.-219с.

37. Гуртовой Б. Л. Применение антибиотиков в акушерстве и гинекологии. / Б. Л. Гуртовой, В. И. Кулаков, С. Д. Воропаева // Библиотека практического врача. Актуальные вопросы акушерства и гинекологии. М.: РУСФАРМАМЕД, 1996. — 141 с.

38. Девятков Н. Д. Методологические аспекты электропунктурной диагностики и пунктурной КВЧ-терапии / Н. Д. Девятков, В. И. Грачев, В.В. Ки-слов, В. Я. Кислов, В. В. Колесов // Биомедицинская радиоэлектроника, 2000 г. № 1. — С. 3−11.

39. Домнин М. С. Разработка компьютерной системы для прогноза гнойных послеоперационных осложнений / М. С. Домнин, В. А. Зеленский // Математические модели в медицине и биологии: Сб. научн. трудов. Свердловск: УНЦ АН СССР, 1986. С. 27−30.

40. Дородницын A.A. Проблемы математического моделирования в описательных науках. // Кибернетика, 1983. № 4. — С. 6−10.

41. Ермолаев Ю. М. Биологически активная точка биологический аналог диода с отрицательным сопротивлением // Биомедицинская радиоэлектроника, 1999 г. — № 7. — С. 38−46.

42. Ермолаев Ю. М. Пространственная и электродинамическая модели биологически активной точки // Биомедицинская радиоэлектроника, 2000 г. -№ 3. С. 24−31.

43. Жамбю М. Иерархический кластер-анализ и соответствия. М.: Финансы и статистика, 1988. — 342 с.

44. Жернаков C.B. Комплексная диагностика и контроль параметров ГТД в условиях неопределенности на базе нечеткой логики экспертной системы // Информационные технологии, 2000 № 8. — С. 33−40.

45. Жернаков C.B. Применение экспертных систем с нейросетевыми базами знаний к диагностике и контролю устройств авиационных двигателей // Информационные технологии, 2000. № 12. — С. 37−44.

46. Загоруйко Н. Г. Методы распознавания и их применение. М.: Советское радио, 1972. — 208 с.

47. Зак И. Р. Возможности ранней диагностики и прогнозирования послеродовых эндометритов / И. Р. Зак, Ф. А. Смекуна, Л. А. Рыжкова, И.Н. Су-чильникова // Акушерство и гинекология, 1985. № 10. — С. 6−8.

48. Захор А. И. О выборе числа пересечений нуля двумерными сигналами / А. И. Захор, Д. О. Израилевич // ТИИЭР, 1986. Т. 74. — № 9. — С. 131.

49. Иванов К. П. Основы энергетики организма: Теоретические и практические аспекты. Том 1. Общая энергетика, теплообмен и терморегуляция. -Л.: Наука, 1990.-307 с.

50. Иванов К. П. Основы энергетики организма: Теоретические и практические аспекты. Том 2. Биологическое окисление и его обеспечение кислородом. СПб.: Наука, 1993. 272 с.

51. Искусственный интеллект: В 3 кн. Системы общения и экспертные системы: Справочник / Под ред. Э. В. Попова. М.: Радио и связь, 1990. — 464 с.-Кн.1.

52. Искусственный интеллект: В 3 кн. Модели и методы. Справочник / Под ред. Э. В. Попова. М.: Радио и связь, 1990. — 423 с. — Кн. 2.

53. Исмаилова JI.A. Интеллектуальная система поддержки решений по управлению производством в условиях неопределенности / JI.A. Исмаилова, В. Ю. Афанасьев // Информационные технологии, 2000. — № 11. — С. 32−37.

54. Каста Дж. Большие системы: Связность, сложность и катастрофы. -М.: Мир, 1982.-216 с.

55. Клюев Н. И. Информационные основы передачи сообщений. М.: Советское радио, 1966. — 360 с.

56. Ковалевский В. А. Методы оптимальных решений в распознавании изображений. М.: Наука, 1976. — 349 с.

57. Колулмен Г. Б. Сегментация изображения при помощи автоматической классификации / Г. Б. Колулмен, Х. С. Эндрюс // ТИИЭР, 1979. Т. 67. -№ 5.-С. 82−97.

58. Крамер Г. Математические методы статистики. М.: Мир, 1975.648 с.

59. Красильников H.H. Теория передачи и восприятия изображений. -М.: Радио и связь, 1986. 196 с.

60. Кричевский P.E. Сжатие и поиск информации. М.: Радио и связь, 1989. -167 с.

61. Кувшинов Б. М. Диагностика заболеваний методами распознавания образов и классификация в n-мерном пространстве / Б. М. Кувшинов, О. В. Ширяев, И. И. Шаиошник // Информационные технологии, 2000. № 6. — С. 43−47.

62. Кузнецов С. И. Инвариантное моделирование в медицине на базе кластерного анализа. Воронеж: изд-во ВГУ, 1997. — 208 с.

63. Кулаков В. И. Послеродовой эндометрит. Информационное письмо. / В. И. Кулаков, В. И. Серов, Б. Л. Гуртовой, А. И. Емельянова, Н.М. Касабула-тов М.: ABO, 1999. — 22с.

64. Куликов Е. И. Оценка параметров сигналов на фоне помех. / Е. И. Куликов, А.П. ТрифоновМ.: Советское радио, 1978.

65. Кулинич С. И. Современные особенности послеродового эндометрита / С. И. Кулинич, Ю. В. Трусов, Е. В. Сухинина // Вестник, 1999. № 1. -С. 47−50.

66. Леунг Й. Разделение на торговые зоны в нечетких условиях // Нечеткие множества и теория возможностей: Последние достижения. М.: Радио и связь, 1986. — С. 339−348.

67. Лорьер Ж. Л. Системы искусственного интеллекта. М.: Мир, 1991. — 568 с.

68. Марчук Г. И. Математические модели в иммунологии. Вычислительные методы и эксперименты. М.: Наука, 1991. — 304 с.

69. Марчук Г. И. Математическое моделирование противовирусного иммунного ответа / Г. И. Марчук, Р. В. Петров // Математические модели в иммунологии. и медицине: Сб. статей 1882−1885 г. г. С. 145−155.

70. Матвеев А. Н. Молекулярная физика. М.: Высшая школа, 1987.

71. Матвеев Д. Е. Преобразование светового потока в последовательность нервных импульсов в фоторецепторах органов зрения // Биомедицинская радиоэлектроника, 1999 г. № 8. — С. 26−30.

72. Математические методы в клинике хирургических болезней. / Под ред. К. И. Мышкина и Л. А. Франкфурта. Изд. Саратовского университета, 1981.-192с.

73. Моль А. Теория информации и эстетическое восприятие. М.: Мир, 1966.-352 с.

74. Наш организм. Сборник / Под ред. Косицкого Г. И. М.: Знание, 1975.-213 с.

75. Николис Г. Познание сложного: Введение. / Г. Николис, И. Приго-жин М.: Мир, 1990 — 342 с.

76. Николис Г. Самоорганизация в неравновесных системах. / Г. Николис, И. Пригожин М.: Мир, 1979. — 512 с.

77. Николис Дж. С. Динамика иерархических систем: Эволюционное представление. М.: Мир, 1989. — 486 с.- 88. Пакулин А. Теория систем и преобразований в оптике. М.: Мир, 1971.

78. Перетягин Т. И. Представление изображений гауссовскими случайными полями // Автометрия, 1984. № 6. — С. 36−42.

79. Плотровская В. А. Энтропия русского языка / В. А. Плотровская, Р. Б. Плотровский, К. А. Разгнивин // Вопросы языкознания, 1962. № 4. -С. 1519.

80. Погожев И. Б. Беседы о подобии процессов в живых организмах и о том, как можно измерить жизненную теплоту и почему это важно. М.: Наука, 1999.-222 с.

81. Подвальный Е. С. Модели индивидуального прогнозирования и классификации состояний в системах компьютерного мониторинга. Воронеж.: Изд-во ВГТУ, 1998. 127 с.

82. Полагин Ю. И. Математическое моделирование многомерных случайных полей на основе параметрических представлений // Радиотехника и электроника, 1983. Т. 28. — № 4. — С. 709−719.

83. Попов Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука. Гл. ред. физ.-мат. мет., 1987. — 288 с.

84. Попов Э. В. Статистические и динамические экспертные системы. / Э. В. Попов, И. Б. Фомин, Е. Б. Кисель, М.Д. ШапотМ.: Финансы и статистика, 1996. 325 с.

85. Построение экспертных систем / Под ред. Ф. Хейеса-Рота, Д. Уо-термана, Д. Лената. М.: Мир, 1987. — 441 с.

86. Пригожин И. Р. Конец определенности: Время, хаос и новые законы природы. Ижевск: Регулярная и хаотическая динамика, 1999. 215 с.

87. Пригожин И. Р. Неравновесная статистическая механика. М.: Мир, 1964.-314 с.

88. Пригожин И. Р. Порядок из хаоса: Новый диалог человека с природой. / И. Р. Пригожин, И. СтенгерсМ.: Прогресс, 1986. 431 с.

89. Прикладная статистика: Классификация и снижение размерности: Справ, изд./ Под ред. С. А. Айвазяна. М.: Финансы и статистика, 1989. — 607 с.

90. Применение методов Фурье-оптики. / Под ред. Г. Стерна. М.: Радио и связь, 1988. 158 с.

91. Протасов К. Г. Распознавание образов и автоматическая классификация многокомпонентных видеоданных в условиях статистической неопределенности // Оптика атмосферы и океана, 1995. Т. 8. — № 6. — С. 831−840.

92. Расстригин Л. А. Метод коллективного распознавания. / Л. А. Расстригин, Р.Х. Эренштейн-М.: Энергоиздат, 1981. С. 1−78.

93. Рытов С. М.

Введение

в статистическую радиофизику. М.: Наука, 1966. 167 с.

94. Савельев В. Я. Проблемно-ориентированные системы в медицинской и технической диагностике // Методы и системы принятия решений. Интеллектуальные системы принятия решений. Рига, 1987. — С. 57−65.

95. Савенков С. Н. Автоматизированная медикотехнологическая система для лабораторной службы лечебно-профилактических учреждений. Диссертация на соискание ученой степени кандидата наук. Воронеж, 1998.

96. Санчес Э. Лингвистический подход к нечеткой логике ВОЗ-классификации диспротенемии / Э. Санчес, Ж. Гуверне, Р. Баотолен, Л. Во-ван // Нечеткие множества и теория возможностей: Последние достижения. -М.: Радио и связь, 1986. С.370−376.

97. Семихатова Н. М. Хлебопекарные дрожжи. М.: Пищевая промышленность, 1980. — 175 с.

98. Системы технического зрения. / Под ред. Писаревского А. Н., Чер-нячского А.Ф. Л.: Машиностроение, 1988. 197 с.

99. Снастин A.A. Многоуровневая экспертная система для задач проектирования, диагностики и управления сложной технической системой // Методы и системы принятия решений. Вопросы создания экспертных систем. Рига, 1989. — С. 62−67.

100. Современное состояние проблемы распознавания: Некоторые аспекты / А. Л. Горелик, И. Б. Гуревич, В. А. Скрипкин. М.: Радио и связь, 1985. 160 с.

101. Соломон Г. Зависящие от данных методы кластер-анализа // Классификация и кластер. М.: Мир, 1980. С. 129 — 147.

102. Стрижаков А. Н. Современные методы диагностики и принципы терапии различных форм послеродового эндометрита / А. Н. Стрижаков, В. А. Лебедев, O.P. Баль, А. Г. Асланов // Акушерство и гинекология, 1991. № 5. -С. 37−42.

103. Судаков К. В. Социальная физиология: теоретическое обоснование и практическое применение реабилитационных мероприятий. В сб.: экспериментальная и прикладная физиология. Системные механизмы реабилитации, 1994.-Т. 5.-С. 53−59.

104. Судаков К. В. Теория функциональных систем. М.: Мир, 1996.258 с.

105. Судариков В. А. Распознавание изображений трехмерных объектов с использованием самоорганизующейся нейронной сети // Изв. вузов. Приборостроение, 1996. -Т.39. № 1. — С. 53−59.

106. Судариков В. А. Топологическая классификация аэрофотоснимка с помощью самоорганизующейся нейронной сети // Приборостроение: 1997, № 6, С. 66−72.

107. Теория информации. Опознавание образов. / Харкевич A.A. Избранные труды в трех томах. Т.З. М.: Наука, 1973. — 524 с.

108. Тихонов В. И. Оптимальный прием сигналов. М.: Радио и связь, 1983.-395 с.

109. Ужга-Ребров О. И. Морфологическое исследование многофункциональных технических систем // Методы и системы принятия решений. Системы, основанные на знаниях. Рига, 1989. — С. 124−129.

110. Факторный, дискриминантный и кластерный анализ / Ким Дж.-О., Мьюллер Ч. У., Клекка У. Р. и др. М.: Финансы и статистика, 1989. — 215 с.

111. Ферстер Г. Самоорганизующиеся системы. М.: Мир, 1964. — 215с.

112. Фомин Я. А. Теория выбросов случайных процессов. М.: Связь, 1980.-348 с.

113. Фор А. Восприятие и распознавание образов. М.: Машиностроение, 1989. — 272 с.

114. Фу К. Робототехника. / К. Фу, Р. Гонсалес, К. ЛиМ.: Мир, 1989.269с.

115. Фу К. С. Применение нечетких множеств для оценки устойчивости строительных конструкций при землетрясениях / К. С. Фу, М. Исидзука, Дз.Т. П. Яо // Нечеткие множества и теория возможностей: Последние достижения.-М.: Радио и связь, 1986.-С. 312−330.

116. Хазен Э. М. Методы оптимальных статистических решений и задачи оптимального управления. М.: Советское радио, 1968. 256 с.

117. Харкевич A.A. Борьба с помехами. М.: Наука, 1965. — 276 с.

118. Харрисон Дж. Биология человека. / Дж. Харрисон, Дж. Уайнер, Дж. Теннер, Н. Барникот, В. Рейнольде /- М.: Мир, 1979. 613 с.

119. Химмелблау Д. Диагностика неполадок в химической и нефтехимической промышленности. Л.: Химия, 1982. — 240 с.

120. Хорн Б. К. Зрение роботов. М.: Мир, 1989. — 165 с.

121. Хусу А. П. Шероховатость поверхностей. Теоретико-вероятностный подход. / А. П. Хусу, Ю. Р. Виттенберг, В. А. Пальмов М.: Наука, 1975. — 278 с.

122. Чайкина Г. В. Система поддержки принятия решений при оценке профессионального здоровья экипажей подводных лодок // Информационные технологии, 1999. — № 6 — С. 34−39.

123. Швитра Д. И. О моделировании динамики уровня сахара в крови // Математические модели в иммунологии и медицине: Сб. статей 1882−1885 г. г С. 243−250.

124. Шеннон К. Предсказание и энтропия печатного английского текста // Работы по теории информации и кибернетике. М.: ИЛ, 1963. — 196 с.

125. Ширман Я. Д. Методы радиолокационного распознавания и их моделирование / Я. Д. Ширман, С. А. Горисков, С. П. Лещенко // Зарубежная радиоэлектроника, 1996, № 11, С. 3−14.

126. Элти Дж. Экспертные системы: концепции и примеры. / Дж. Элти, М. Кумбс М.: Финансы и статистика, 1987. — 191 с.

127. Эткинс П. Порядок и беспорядок в природе. М.: Мир, 1987. 224с.

128. Эшби У Принципы самоорганизации. М.: Мир, 1966. — 354с.

129. Эшби У.

Введение

в кибернетику. М.: ИЛ, 1959. — 265с.

130. Эшби У. Конструкция мозга. М.: ИЛ, 1962. — 198 с.

131. Chin Chinchuan A novel pattern searching method using newral networks and correlation / Chinchuan Chin, Таги Oki, Rhil Paoletia // Pres. Int. inConf Newral Networks, Nagoya, Oct, 1993: IJENN '93 Nagoya. Vol. 2, 1993, P. 1277−1280.

132. Chiu-Feng Wu. A man-machine interactive microcomputer system for diagnosis of engine trouble by fuzzy logic / Wu Chiu-Feng, Xu Wen-Li // Tsinghua Univ. Beijung. 1981. — P. 135−138.

133. Collins P. Determination of normal values from a hospital population // Am. J. Med. Technol. 1975. — Vol. 41 — P. 175−179.

134. Duvernoy J. Optikal digital processing of directional terrain texture invariant under translation rotation and change of seal // Appl. Opt., 1984, Vol. 23, № 6, P. 828−837.

135. Gibbs R.S. Cefamandole therapy of endometritis following cesarean section / R.S. Gibbs, R.W. Huff// Amer. J. Obstet. Gynec., 1980. Vol. 136. — № l.-P. 32−37.

136. Image processing and Pattern recognition // Adv. Image Process and Pattern Recognit: Proc. Int. Conf. Pisa: 1985, P. 148−151.

137. Jonsone H.E. Expert system for dieselelectric locomotive repair / H.E. Jonsone, J.P. Bonissone // Human Systems Managment. 1984. — № 4. — p. 255 262.

138. Kuschuaha S.P.S., Kunts S., Olsten G. // Int. J. Remote Sens: 1994, vol. 15, № 1, P. 2273−2284.

139. Lan A.S.K. Knowledge based and statistical techniques applied to textural image classification // Pattern recognition lett.: 1987, vol. 6, № 2, P. 95−100.

140. Loeschlce V., Kokler W. Modelle der Negativen Binomialverteilung // Biometrics. 1975;Bd. 31.-s. 1015.

141. Memon Naris D Lossless compression of RGB Color images / Naris D. Memon, Khalid Sayood//Opt. Eng.: 1995.-Vol. 34, № 6, P. 1711−1717.

142. Newell A. Heuristic Programming: 111 Structured Problems // Progress in Operation Rexarch.-New York: Weley and Sons, 1969. Vol. 3. Pp 56−69.

143. Pople, H. E. The formation of composite hypotess in diagnostik problem solving: An exercise in synthetic reasoning. In IJCAI 5, 1977. Pp. 1030 -1037.180.

144. Shortliffe E.N. A model of inexact reasoning in medicine. / E.N. Shortliffe, B.G. Buchanan // Matematical Biosciences. 1975. Vol. 23. — Pp. 351 -379.

145. Ultman J.S. Computational model for insensible water loss from the newborn // Pediatrics. 1987. — Vol. 79. — P. 760 — 765.160. van Mell, W. A domain indeperdet produktion — rule system for con-syltation programms, 1979. — In IJCAI 6 — Pp. 923 — 925.

146. Weiss S.M. A model based consultation system for the long term managment of glaucoma / S.M. Weiss, C.A. Kulikowski, A. Safir, 1977. — In IJCAI 5.-Pp. 826−832.

147. Weiss, S.M. EXPERT: A system for developing cosultation models. / S.M. Weiss, C.A. Kulikowski, 1979. In IJCAI 6. — Pp. 942−947.

148. Weiss S.M. Expert consultations systems: The EXPERT and CASNET projects. Machine Intelligence, Infotech State of the Art Report 9 / S.M. Weiss, C.A. Kulikowski. 1981. -No.3.

149. Yacoub S. Ben Herarchical line extraction / S. Ben Yacoub, J.M. Jolion // IEE Pres. Vision Image and Signal Prozess, 1995. Vol. 142. — № 1. — P. 7−14.

150. Zalesny A.U. Homogeneity and texture general approach // Int. J. Remote Sens.: 1994, vol. 15, № 11, P. 2285−2289.