Помощь в написании студенческих работ
Антистрессовый сервис

Нейросетевой динамический анализ биологических тканей и жидкостей

Диссертация: Нейросетевой динамический анализ биологических тканей и жидкостей
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Из электрохимических методов для оценки состояния биологических объектов наиболее приемлемым является импедансный метод, в котором оцениваемым параметром является регистрируемое значение импеданса. Импедансометрию применяли для оценки свойств тканей полости носа при остром синусите (Давыдов А.В.), для исследования первичного и вторичного сращивания костей (Ткаченко С.С., Руцкий В.В.), для… Читать ещё >

Нейросетевой динамический анализ биологических тканей и жидкостей (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ И МЕТОДОВ ИССЛЕДОВАНИЯ ИХ СОСТОЯНИЯ
    • 1. 1. Описание объектов исследования
    • 1. 2. Электрические и электрохимические свойства биологических объектов
    • 1. 3. Методы исследования биологических объектов
    • 1. 4. Типы датчиков используемых для исследования состояния биологических объектов
    • 1. 5. Основные задачи, решаемые в работе
  • Выводы по главе 1
  • 2. МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИАГНОСТИКИ СОСТОЯНИЯ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ
    • 2. 1. Методика оценки джоульметрических параметров биологических объектов
    • 2. 2. Методика оценки динамических свойств биологических объектов
    • 2. 3. Методика оценки нелинейных статических свойств биологических объектов
    • 2. 4. Обобщенная модель для описания биологических объектов
  • Выводы по главе 2
  • 3. РАЗРАБОТКА МЕТОДИКИ ОЦЕНКИ СОСТОЯНИЯ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ
    • 3. 1. Методы идентификации в классе линейных динамических и нелинейных статических моделей
    • 3. 2. Процедура подтверждения модели
    • 3. 3. Методика формирования обобщенного параметра состояния биологических объектов
      • 3. 3. 1. Оптимизация признакового пространства
      • 3. 3. 2. Нейросетевой подход к решению задачи классификации биологических объектов
    • 3. 4. Методика настройки нейросетевого классификатора
  • Выводы по главе 3
  • 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ
    • 4. 1. Описание методики оценки параметров биологических объектов
      • 4. 1. 1. Описание методики оценки параметров биологических жидкостей
      • 4. 1. 2. Описание методики оценки параметров костной ткани
      • 4. 1. 3. Устройство для контроля состояния дистракционного костного регенерата при удлинении конечности
    • 4. 2. Экспериментальная оценка параметров биологических объектов
      • 4. 2. 1. Экспериментальная оценка параметров биологических жидкостей
      • 4. 2. 2. Экспериментальная оценка параметров костной ткани
  • 4. З.Обучение нейросетевого классификатора
  • Выводы по главе 4

Актуальность работы.

В различных областях медицины оценка состояния биологических тканей и жидкостей является очень важной задачей. Практически при каждом заболевании требуются диагностика на ранних стадиях и выбор рациональной тактики лечения.

В настоящее время существует множество методов, позволяющих оценивать состояние биологических объектов (рентгенологические, радионуклидные, ультразвуковые, компьютерная томография, ядерномагнитно — резонансная томография и др.), но возможности их ограничены из-за оказания на организм человека лучевой нагрузки, больших размеров применяемой аппаратуры, высокой стоимости, низкой чувствительности и низкой информативности и т. д.

В этой связи одной из основных задач стоящих перед разработчиками медицинской аппаратуры является создание новых и информативных методов контроля состояния биологических объектов.

В последнее время для решения поставленной задачи стали применять электрохимические методы анализа (Калашник А.Ф., Хачатрян А. П., Никольский В. И. и др.), основанные на измерении электрических параметров биообъектов при пропускании через них электрического тока. Главными достоинствами данных методов является простота реализации метода, низкая стоимость аппаратуры, оперативность использования и безопасность для здоровья человека.

Из электрохимических методов для оценки состояния биологических объектов наиболее приемлемым является импедансный метод, в котором оцениваемым параметром является регистрируемое значение импеданса. Импедансометрию применяли для оценки свойств тканей полости носа при остром синусите (Давыдов А.В.), для исследования первичного и вторичного сращивания костей (Ткаченко С.С., Руцкий В.В.), для исследования параметров сердечно-сосудистой системы (Щукин С.И.) и т. д. В процессе исследований получились результаты, подтверждающие целесообразность использования электрохимических методов для оценки состояния биологических тканей. Но импедансные методы обладают низкой информативностью, а также требуют существенных временных затрат из-за необходимости проведения исследований в широком диапазоне частот. К тому же импедансные методы не позволяют получать достаточного количества признаков для применения нейросетевой классификации биологических объектов из-за того, что являются линеаризационными методами (упрощают задачу).

В связи с чем, для решения задач оценки состояния биологических объектов предлагается джоульметрический метод, обладающий высокой чувствительностью и позволяющий увеличить количество информативных признаков при малых временных затратах. В работах Сергеева С. В, Никольского В. И. выявлено, что с помощью джоульметрического метода можно осуществлять постоянный контроль непосредственно в очаге воспаления, что позволяет выбирать рациональную тактику лечения больных.

Таким образом, актуальность темы определяется потребностью создания более эффективных по сравнению с существующими на сегодняшний день приборов и систем для контроля состояния биологических тканей и жидкостей при различных заболеваниях пациентов, позволяющих осуществлять своевременную диагностику заболевания, постоянно наблюдать за процессом лечения с целью сокращения сроков реабилитации больных, предотвращения дальнейшего развития заболевания, снижения осложнений и вероятности неблагоприятных последствий.

Как правило, биологические объекты являются нелинейными нестационарными системами. Поэтому оценка их состояния является достаточно сложной проблемой и требует разработки методики, позволяющей адекватно описывать исследуемый объект.

В данной работе предлагается сформировать признаковое пространство, описывающее исследуемые объекты, на основе оценки их линейных и нелинейных свойств, позволяющее с помощью нейросетевого классификатора распознавать образы биологических тканей и жидкостей.

Целью данной работы является разработка методики получения и обработки информации для описания состояния биологических объектов.

Основные задачи исследования:

Выводы по главе 4.

1. При прогрессировании воспалительного процесса зачения работы тока увеличиваются, а при его регрессировании — уменьшаются. Таким образом, с помощью джоульметричесого метода можно осуществлять контроль за протеканием воспалительного процесса у больных с гнойным гайморитом и, по оценкам джоульметрических параметров, судить о его активности.

2. В результате исследований костной ткани у больных с переломами нижних конечностей и с необходимостью удлинения было установлено, что по мере преобразования костного регенерата в косную ткань значения работы тока уменьшаются и постепенно становятся постоянными. Таким образом, с помощью джоульметрического метода можно осуществлять контроль формирования костной ткани как при переломах костей, так и при удлинении конечности.

3. Для биологических жидкостей и для костной ткани с помощью джоульметрического метода было получено по 20 признаков при воздействии на исследуемые объекты четырьмя токами различной амплитуды, при получении коэффициентов авторегрессионных моделей для биологических жидкостей было получено 24 признака, а для костной ткани -48 признаков, при получении коэффициентов полиномов в результате описания нелинейных статических свойств исследуемых объектов функционалами было получено для биологических жидкостей и для костной ткани по 20 признаков.

4. Разработанная структура нейронной сети позволяет распознавать образы биологических жидкостей с ошибкой менее 1.5% и костной ткани с ошибкой менее 2%.

ЗАКЛЮЧЕНИЕ

.

1. Проведен анализ существующих электрохимических методов исследования. Показана ограниченная возможность вольтамперометрических методов, связанная с получением данными методами параметров, описывающих только линейные свойства исследуемых объектов. Для решения поставленных задач выбран джоульметрический метод, обладающий высокой чувствительностью и высокой информативностью.

2. Предложен джоульметрический декомпозиционный метод с воздействием разнополярным током различной амплитуды на объект идентификации, позволяющий получать устойчивые признаки, сократить время восстановления объекта после каждого изменения амплитуды тока и получать для каждого тока отдельный отклик, что обеспечивает реализацию процедур нелинейной динамической многопараметрической идентификации.

3. Показано, что математическая модель Гаммерштейна достаточно точно описывает состояние исследуемых биологических объектов. Определены устойчивые модельные структуры для описания свойств костной ткани и биологических жидкостей. Наиболее адекватно описывающей костную ткань принята модель Бокса — Дженкинса третьего порядка (95.39% соответствия модели реальному объекту), а моделью описывающей биологические жидкости, отобранные у пациентов с диагнозом гайморит, является модель ошибки уравнения третьего порядка (97.77% соответствия модели реальному объекту). Коэффициенты полиномов третьего порядка авторегрессионных моделей выступают в качестве информативных признаков исследуемых объектов.

4. Разработана методика описания нелинейных статических свойств и нелинейных динамических свойств биологических объектов специализированными функционалами. Показано, что коэффициенты полиномов третьего порядка являются хорошими информативными признаками при описании биологических жидкостей и костной ткани.

5. Оптимизировано пространство информативных признаков, позволяющее распознавать образы костной ткани и биологических жидкостей.

6. Разработанная структура нейронной сети позволяет распознавать образы биологических жидкостей с ошибкой менее 1.5% и костной ткани с ошибкой менее 2%.

Показать весь текст

Список литературы

  1. В. Г. Зенгер. Хронический гайморит. Лечащий Врач, 2003, № 8. С. 8.13.
  2. A.M. Воспаление. М.: Медицина, 1979. — 448 с.
  3. В. И. Никольский, А. Ю. Сапожков. Абсцессы живота. Пенза, 1994.-204 с.
  4. A.M. Чиркова. Репаративная регенерация и перестройка кости после разрыва дистракционного регенерата / A.M. Чиркова, С. А. Ерофеев // Гений ортопедии, 1997, № 4. С. 39 42.
  5. А. А. Шрейнер. Теоретические аспекты дистракционного остеосинтеза. Значение ритма дистракции / А. А. Шрейнер, С. А. Ерофеев, М. М. Щудло.// Гений ортопедии, 1999, № 2. С. 13 17.
  6. А.Д. Наумов. Влияние разных ритмов дистракции на костеобразование, концентрацию циклических нуклеотидов и гемодинамику в удлиняемой кости / А. Д. Наумов, Н. И. Гордиевских, С. А. Ерофеев // Гений ортопедии, 1996, № 1. С. 34 36.
  7. Г. А. Илизаров. Зависимость репаративной регенерации кости и функционального состояния удлиняемой конечности от дробности дистракции (экспериментальное исследование) / Г. А. Илизаров, С. А. Ерофеев, А. А. Шрейнер // Гений ортопедии, 1995, № 1. С. 8 12.
  8. В.И. Шевцов. Осложнения при удлинении бедра в высокодробном автоматическом режиме / В. И. Шевцов, А. В. Попков, Д. А. Попков // Гений ортопедии, 1997, № 4. С. 24 27.
  9. А.В. Попков. Скорость удлинения конечности / А. В. Попков, Э. В. Бурлаков, Д. А. Попков // Гений ортопедии, 1996, № 1. С. 44 46.
  10. А.В. Попков. Оперативное удлинение бедра методом Г. А. Илизарова: учебно методические разработки. — Курган: Российский научный центр «Восстановительная травматология и ортопедия» им. Г. А. Илизарова, 1994. — 19 с.
  11. П. Власов. Рентгенодиагностика переломов скелета / П. Власов, О. Нечволодова // Медицинская газета, 2003, № 91. С.8−9.
  12. А.В. Попков. Биомеханические аспекты адаптационно-восстановительных изменений в дистракционном регенерате кости / А. В. Попков, А. Д. Попков, В. А. Немков // Гений ортопедии. 1996, № 1. С. 47 -49.
  13. Ю.М. Ирьянов. Пространственная организация и особенности минерализации регенератов, формирующихся при стабильной фиксации костных отломков аппаратом илизарова. // Гений ортопедии. 1998, № 1. С. 39−44.
  14. Ю.М. Ирьянов. Пространственная организация костной ткани дистракционных регенератов по данным сканирующей электронной микроскопии. // Гений ортопедии. 1998, № 1. С. 22 — 27.
  15. Ю.М. Ирьянов. Пространственная организация микроциркуляторного русла в дистракционных регенератах. // Гений ортопедии. 1996, № 1. С. 14 — 18.
  16. А.А. Свешников. Плотность минеральных веществ в дистракционном регенерате при стимуляции регенерации по способу В. И. Швецова А.В. Попкова / А. А. Свешников, А. В. Попков, Д. А. Попков, С.В. // Гений ортопедии. — 2001, № 4. С. 61 — 65.
  17. Электрический импеданс биологических тканей. Ю. В. Торнуев, Р. Г. Хачатрян, А. П. Хачатрян. М.: ВЗПИ., 1990. — 153 с.
  18. В.М., Павлова JI.M. Химическая термодинамика и фазовые равновесия. М: Металлургия, 1988. — 560 с
  19. П. Электронные приборы в биологии и медицине.
  20. Ю. И. Электрические измерения параметров биообъектов и биопроб: уч. Пособие по курсу «Биомедицинские измерения». М.: МГТУ, 1989.-37 с.
  21. Биофизические характеристики тканей человека. Справочник. / В. А. Березовский, Н. Н. Колотилов. Киев: Наук. Думка, 1990. — 224 с.
  22. Медицинские приборы: Разработка и применение. — М. -Медицинская книга, 2004. 720 с.
  23. Рентгенология. / Под. Ред. В. И. Милько. Киев: Высшая школа, 1983.
  24. Е.Н. Структурно-функциональное состояние костной системы у больных с переломами мыщелкового отростка нижней челюсти. // Ортопедия, травматология и протезирование, № 2000, № 2. С.134−135.
  25. Н.И. Дедов. Костная денситометрия в диагностике и мониторинге остеопатий. (материалы Всемирного конгресса по остеопорозу, 15−18 июня 2000 г., г. Чикаго, США) / Н. И. Дедов, Т. О. Чернова, О. Л. Григорян //Остеопороз и остеопатии, 2000, № 3. Стр. 16−19.
  26. Марченкова J1.A. Остеопороз: достижения и перспективы (материалы Всемирного конгресса по остеопорозу, 15−18 июня 2000 г., г. Чикаго, США). //Остеопороз и остеопатии, 2000, № 3. С.2−5.
  27. С. В. Сергеев, С. И. Геращенко. Комплексная сравнительная диагностика синуитов // Труды международного юбилейного симпозиума «актуальные проблемы науки и образования» (АНПО 2003). -Пенза, 2003, Т1. С. 112−113.
  28. Электроимпедансный компьютерный томограф для медицинских приложений. / А. В. Корженевский, В. Н. Корниенко, М. Ю. Культиасов, Ю. С. Культиасов, В. А. Черепенин // Приборы и техника эксперимента, 1997, № 3. С. 133−140.
  29. Объективизация процесса регенерации костной ткани. / А. И. Кислов, И. Р. Добровинский, А. С. Кибиткин, К. В. Громиков // Известия высших учебных заведений. Поволжский регион, 2004, № 3. С. 54 57.
  30. С.И. Объективизация типапериферической реограммы в задачах оценки эффективности электромагнитных воздействий // Биомедицинские технологии и радиоэлектроника, 2003, № 9. С. 36 43.
  31. В.И., Гороховский В. М. Практикум по электрохимическим методам анализа: Учеб. Пособие для студентов вузов. -М.: Высш. школа, 1983. 191 с.
  32. Электрохимический импеданс / З. Б. Стойнов, Б. М. Графов, Б.Н. Савова-Стойнова, В. В. Елкин М.: Наука, 1991. — 336 с.
  33. А.В. Использование электроимпедансометрии в диагностике острого синусита. //Бюллетень сибирской медицины, 2002, № 1. С.101−107.
  34. С.С., Руцкий В. В. Электростимуляция остеорепарации. Д.: Медицина, 1989. — 208 с.
  35. .А. Теоретические основы электрохимических методов анализа. Учеб. Пособие для ун-тов. М.: «Высшая школа», 1975. — 296 с.
  36. М.С., Баканов В. И., Пнев В. В. Хронопотенциометрия. -М.: Химия, 1978. 200 с.
  37. Галюс 3. Теоретические основы электрохимического анализа. Пер. с польского. -М.: «Мир», 1974. 552 с.
  38. .Б. Принципы современных методов изучения электрохимических реакций. М.: Изд.-во моссковского университета, 1965. -104 с.
  39. С.И. Джоульметрия и джоульметрические системы: теория и приложение: монография. Пенза: Изд-во Пенз. Гос. Ун-та, 2000. -192 с.
  40. B.C., Попечителев Е. П. Лабораторные приборы для исследования жидких сред. Л. Машиностроение, Ленингр. Отд-ние, 1981. -312 с.
  41. Каттрал Роберт В. Химические сенсоры. М.: Научный мир, 2000.-144 с.
  42. Ионоселективные электроды. И. Корыта, К. Штулик.— М.: Мир, 1989. —272 с.
  43. Пат. RU № 2 217 049 С2, 7А61В5/053. Способ прогнозирования динамики воспалительного процесса и устройство для его осуществления /
  44. B.И. Волчихин, Ф. Ш. Енгалычев, С. М. Геращенко, С. В. Сергеев, Н. Н. Янкина, Н. О. Голотенков. № 2 002 102 164/14, дата начала действия патента: 23. 01. 2002, дата утверждения: 27. 11. 2003, Бюл. № 33.
  45. Н.Н. Описание биологических объектов эквивалентными схемами замещения //5-я Международная конференция «Радиоэлектроника в медицине». Доклады. М.: Издательское предприятие редакции журнала «Радиотехника», 2003. — С. 58−61.
  46. JI. Идентификация систем. Теория для пользователя: Пер. с англ. / Под ред. Я. З. Цыпкина. М.: Наука, Гл. Ред. физ.-мат. лит., 1991.-432 с.
  47. Н.Н. Типы регрессионных моделей используемых при идентификации биологических объектов / Н. Н. Янкина, С. И. Геращенко,
  48. C.М. Геращенко // Тринадцатые научные чтения памяти Академика Н. Н. Бурденко: Материалы научно-практической конференции. Пенза: ИИЦ ЛГУ, 2002.-С. 57−58.
  49. Н.Н. Оптимизация структуры линейных динамических моделей для описания биометрических объектов / Н. Н. Янкина, С. М. Геращенко, А. В. Иванов // Безопасность информационных технологий:
  50. Труды научно технической конференции. — Т. 2 / Под редакцией В. И. Волчихина, С. Л. Зефирова, А. В. Иванова. — Пенза: Издательство Пензенского научно — исследовательского электротехнического института, 2001. С. 48−50.
  51. П., Мармарелис В. Анализ физиологических систем (метод белого шума): Пер. с англ. М.: Мир, 1981. — 480 с.
  52. R. Babuska, Н.В. Verbruggen. Fuzzy identification of Hammerstein systems // In Proceedings Seventh IFSA World Congress. Prague, Czech Republic, 1997. V. 2. P. 348−353
  53. Marmarelis Vasilis Z. Advanced methods of physiological system modeling. V. 3. New York: «Plenum Press», 1994. P.29−53.
  54. P.Z. Marmarelis, V.Z. Marmarelis. Analysis of Physiological Systems // Computers in Biology and Medecine. New York: «Plenum Press», 1978.
  55. D.T. Westwick. Methods for the Identification of Multiple-Input Nonlinear Systems. Montreal: McGill University, 1995. — 241 p.
  56. H. Yuan, D.T. Westwick. Identification of Nonlinear Systems with Long Memory. // Applications to Lung Tissue Mechanics. Ann. Biomed. Eng. V.27, 1999. P. 548−562.
  57. Современные методы идентификации систем / Под ред. Эйкхоффа П. М.: Мир, 1983. — 400 с.
  58. И.Н. Методы и средства дифференциального оценивания и идентификации моделей / Ин-т проблем моделирования в энергетике. Киев: Наук, думка, 1989. — 288 с.
  59. A.M. Методы идентификации динамических объектов. М.: Энергия, 1979. 240 с.
  60. П. Основы идентификации систем управления (оценка параметров и состояния) М.: Мир, 1975. 683 с.
  61. Ш. Е. Идентификация в системах управления. М.: Энергоатомиздат, 1987. — 80 с.
  62. Я.З. Основы теории автоматических систем.- М.: Наука, 1977.-560 с.
  63. Справочник по теории автоматического управления /Под ред. А. А. Красовского. М.: Физматлит, 1987. 712 с.
  64. Ljung L. System Identification Theory for the User. Prentice Hall, Upper Saddle River, N.J. 2nd edition, 1999.
  65. Ljung L. System Identification Toolbox User’s Guide. Computation. Visualization. Programming. Version 5. The Math Works, Inc., 2000.
  66. Методы робастного, нейро-нечеткого и аддитивного управления. / Под ред. Н. Д. Егупова. (Методы теории автоматического управления).- М.: МГТУ им. Н. Э. Баумана, 2001. 744 с.
  67. Ljung L. and L. Guo. The role of model validation for assessing the size of the unmodeled dynamics // IEEE Trans. Automat. Contr. 1997. N. 42. P. 1230−1239.
  68. Soderstorm Т., Ljung L. Theoretical Analysis of Recursive Identification Methods // Automatica.- 1978.-Vol. 14.- P. 231−244.
  69. Soderstorm T. On a method for model structure selection in system identification// Automatica. 1981.- Vol. 17. — P.387−388.
  70. Н.Н. Применение рекуррентных методов идентификации в джоульметрических информационно-измерительных системах / Н.Н.
  71. С.А. Прикладная статистика и основы эконометрики: Учебник для вузов / С. А. Айвазян, B.C. Мхитарян. М.: ЮНИТИ, 1998. -1022 с.
  72. Н. Г. Методы распознавания и их применение. М.: Изд-во «Советское радио», 1972.-208 с.
  73. A. JI. Современное состояние проблемы распознавания. Некоторые аспкты. / A. JI. Горелик, И. Б. Гуревич, В. А. Скрипкин. М.: Радио и связь, 1985. — 160 с.
  74. A. JI. Методы распознавания. / A.JI. Горелик, В. А. Скрипкин. М.: Высш. шк., 1989. — 232 с.
  75. А.Г., Юрачковский Ю. П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. — 120 с.
  76. А.В. Диагностика состояния человека: математические подходы / А. В. Богомолов, JI.A. Гридин, Ю. А. Кукушкин. -М.: Медицина, 2003. 464с.
  77. Н.Н. Применение радиально-базисных нейронных сетей для контроля состояния костной ткани при удлинении конечности // Нейрокомпьютеры: разработка и применение, 2005, № 7. С. 36−42.
  78. В. С., Потемкин В. Г. Нейронные сети. Матлаб 6. М.: Диалог МИФИ, 2002. — 496 с.
  79. А.И. Теория нейронных сетей. Серия книг «Нейрокомпьютеры и их применение». Книга 1. Москва, ИПРЖР-2000г. -416 с.
  80. Ф. Нейрокомпьютерная техника. М.: Мир, 1992. 240с.
  81. В.И., Субботин С. А. Построение адаптивных систем диагностики на основе нейронных сетей с латеральным торможением // Радюелектрошка. 1нформатика. Управлшня, 1999, № 2, С. 110−114.
  82. Л.Г. Нейрокомпьютеры: Учеб. пособие для вузов / JI. Г. Комарцова, А. В. Максимов. М: Изд-во МГТУ им. Н. Э. Баумана, 2002. -320 с.
  83. А. Н. Нейронные сети на персональном компьютере / А. Н. Горбань, Д. А. Россиев. Новосибирск: Наука. Сибирская издательская фирма РАН, 1996−276с.
  84. Р. Основные концепции нейронных сетей. М: Издательский дом «Вильяме», 2001. — 288 с.
  85. В. А. Нейронные сети: обучение, организация и применение. Кн. 4: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. — М.-ИПРЖР, 2001.-256с.
  86. Elman, J. L. Finding structure in time // Cognitive Science, 1990. V. 14. P. 179−211.
  87. A. H. Обучение нейронных сетей. M.: ПараГраф, 1990. -160 с.
  88. B.C. Математические методы обработки результатов измерений: учеб. для студ. вузов по прикладной математике. СПб.: Политехника, 2001. — 240 с.
  89. Charalambous С. Conjugate gradient algorithm for efficient training of artificial neural networks // IEEE Proceedings, 1992. V. 139. P. 301−310.
  90. Chen S. Orthogonal least squares learning algorithm for radial basis function networks // IEEE Transactions on Neural Networks, 1991. V. 2. P. 302 309.
  91. Нейроинформатика /А. H. Горбань, В. JI. Дунин-Барковский, А. Н. Кирдин, Е. М. Миркес, А. Ю. Новоходько, Д. А. Россиев, С. А. Терехов, М. Ю. Сенашева, В. Г. Царегородцев. Новосибирск: Наука, 1998. — 296 с.
  92. Moller М. F. A scaled conjugate gradient algorithm for fast supervised learning. //Neural Networks, 1993. V. 6. P. 525−533.
  93. Fletcher R. Function minimization by conjugate gradients // Computer Journal, 1964.V. 7. P. 149−154.
  94. . Методы оптимизации. Вводный курс: Пер. с англ. М.: Радио и связь, 1998. — 122 с.
  95. Hagan, М.Т., and М. Menhaj. Training feedforward networks with the Marquardt algorithm // IEEE Transactions on Neural Networks, 1994. V. 5. N. 6. P. 989−993.
  96. Медицинские приборы и системы. // В. Т. Елистратов, С. И. Геращенко, Л. Г. Комарова, В. А. Спиридонов // Новые промышленные технологии, 2004, № 5. С. 53−56.
  97. Н.Н. Джоульметрический медицинский аппаратно-програмный комплекс: обеспечение электробезопасности / Н. Н. Янкина, С. М. Геращенко, А. В. Иванов // Безопасность информационных технологий:
  98. Труды научно технической конференции. — Т. 3 / Под редакцией В. И. Волчихина, C. J1. Зефирова. — Пенза: Издательство Пензенского научно -исследовательского электротехнического института, 2002. С. 10−12.
  99. В. Дьяконов. MATLAB 6/6.1/6.5 + Simulink 4/5. Основы применения. Полное руководство пользователя. М.: Солон-Пресс, 2002. -768 с.
  100. В. Потемкин. MATLAB 6: Среда проектирования инженерных приложений. М.: Диалог-МИФИ, 2003. — 448 с.
  101. Н. Мартынов. Введение в MATLAB 6. М.: Кудиц-образ, 2002.352 с. 4. ос прнфмсш1. HCLKO’Ю"НЧСскос с rpoilc ГКО17
Заполнить форму текущей работой

Сессия? Спокойно!