Помощь в написании студенческих работ
Антистрессовый сервис

Построение оперативных диагностических правил с использованием структурного анализа классов инфекционных заболеваний

Диссертация: Построение оперативных диагностических правил с использованием структурного анализа классов инфекционных заболеваний
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время идёт непрерывное совершенствование «старых» диагностических методов, разрабатываются новые, всё более эффективные и надёжные методики. Необходимость дальнейшей разработки методов оперативной диагностики инфекционных заболеваний во многом обусловлена тем, что происходит заметное изменение патоморфоза и клинической картины инфекций. Увеличивается количество стёртых, атипичных… Читать ещё >

Построение оперативных диагностических правил с использованием структурного анализа классов инфекционных заболеваний (реферат, курсовая, диплом, контрольная)

Содержание

  • ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СИМВОЛОВ
  • ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ ПОДХОДОВ К РЕШЕНИЮ ДИАГНОСТИЧЕСКОЙ ЗАДАЧИ
    • 1. 1. Методы постановки диагноза, используемые в медицинских информационных системах
      • 1. 1. 1. Математические методы решения задач медицинской диагностики
      • 1. 1. 2. Классификация при наличии обучающих выборок
      • 1. 1. 3. Классификация на основе байесовской теории принятия решений
    • 1. 2. Многокритериальные задачи принятия решений
    • 1. 3. Методы формирования номенклатуры признаков и оценка их информативности
    • 1. 4. Этапы работы над задачами диагностики и возникающие при этом трудности
    • 1. 5. Постановка задачи исследования 33 Основные результаты первой главы
  • ГЛАВА 2. МЕТОДЫ КЛАССИФИКАЦИИ И ИДЕНТИФИКАЦИИ ОПАСНЫХ ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ
    • 2. 1. Общая постановка задачи классификации опасных инфекционных заболеваний
    • 2. 2. Формирование обобщенного диагностического показателя
    • 2. 3. Алгоритм объективизации экспертных оценок
    • 2. 4. Области значений диагностических признаков
    • 2. 5. Идентификация объекта с опасными инфекционными заболеваниями
  • Основные результаты второй главы
  • ГЛАВА 3. ПОСТРОЕНИЕ И ОБОСНОВАНИЕ МЕТОДИКИ ИССЛЕДОВАНИЯ
    • 3. 1. Структурная организация информации
    • 3. 2. Экспериментальная проверка метода
      • 3. 2. 1. Определение перечня информативных признаков
      • 3. 2. 2. Типизация признаков по характеру проявления
      • 3. 2. 3. Группировка признаков по направлениям осмотра
    • 3. 3. Исследование структуры диагностических признаков
  • Основные результаты третьей главы
  • ГЛАВА 4. РАЗРАБОТКА РЕШАЮЩЕГО АЛГОРИТМА И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ
    • 4. 1. Составление карты обследования
    • 4. 2. Обобщенный диагностический алгоритм
    • 4. 3. Оценка качества решающих правил
    • 4. 4. Реализация алгоритма оперативной диагностики
    • 4. 5. Анализ полученных результатов 84 Основные результаты четвертой главы
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
  • ПРИЛОЖЕНИЕ №
  • ПРИЛОЖЕНИЕ №
  • ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СИМВОЛОВ АГЛ (лф) аргентинская геморрагическая лихорадка (легкая форма)
  • АГЛ (тф) аргентинская геморрагическая лихорадка (тяжелая форма)
  • ВГЛ вирусные геморрагические лихорадки
  • ВП ведущие признаки
  • ДА дискриминантный анализ
  • ДП диагностическое правило
  • ЖЛ (лф) желтая лихорадка (легкая форма)
  • ЖЛ (тф) желтая лихорадка (тяжелая форма)
  • КО карта обследования
  • ЛДФ линейная дискриминантная функция Фишера
  • М (Чауах) малярия трехдневная (возбудитель — р1а$то (Иит у/уох)
  • МИС медицинские информационные системы
  • НЛ нечеткая логика
  • НО натуральная оспа
  • НОЗ неопасные заболевания
  • ОИЗ опасные инфекционные заболевания
  • ОКИ острая кишечная инфекция оп общие признаки
  • СП специфические признаки
  • СППР система поддержки принятия решений ся сибирская язва
  • УСП уровень состояния пациента эг экспертная группа эс экспертная система
  • ЧБ чума бубонная
  • ЧЛ чума легочная
  • А класс ОИЗ
  • В класс НОЗ номер класса общее число классов мк объект классификации к текущий номер объекта
  • К количество объектов в выборке
  • Р, — признак г номер признака (информационный элемент)
    • I. общее число признаков (информационных элементов)
  • Т множество типов признаков
  • Е множество значений признаков
  • F максимальное число значений, принимаемых признаками
    • 8. а степень частоты проявления признака (важность, вес) g порог уверенности принятия решения обобщенный диагностический показатель
    • V. полезность (эффективность) решения

Актуальность темы

Несмотря на значительные успехи, достигнутые в области эколого-вирусологических исследований, эпидемическая ситуация по инфекционным и паразитарным заболеваниям в мире продолжает оставаться напряженной [1]. Именно ранняя диагностика опасных инфекционных заболеваний (ОИЗ) играет решающую роль в предотвращении серьезных последствий возможного распространения, позволяет определить тактику лечения больных на догоспитальном этапе, оказать неотложную внебольничную помощь. Таким образом, диагностика опасных инфекционных заболеваний на ранних стадиях является чрезвычайно важной задачей государственного масштаба [2−5].

В настоящее время идёт непрерывное совершенствование «старых» диагностических методов, разрабатываются новые, всё более эффективные и надёжные методики [6]. Необходимость дальнейшей разработки методов оперативной диагностики инфекционных заболеваний во многом обусловлена тем, что происходит заметное изменение патоморфоза и клинической картины инфекций. Увеличивается количество стёртых, атипичных, затяжных форм инфекций, наблюдается нарастание частоты смешанных инфекций бактериальной и вирусной природы. Надо признать, что ни один из современных оперативных методов не обеспечивает 100% выявления возбудителя инфекции [7−9]. Поэтому целесообразным является использование нескольких методов диагностикинередко требуется проведение повторных исследований [10].

Существующие методы диагностики ОИЗ, во-первых, длительны во времени, во-вторых, требуют либо дорогостоящего оборудования (иммуноферментный и радиоиммунный анализ, вирусологический, бактериологический, серологический, паразитологический методы исследования), либо недостаточно чувствительны (клиникоиммунологическая оценка лабораторных данных, основанная на качественной визуальной оценке биохимической реакции) [11]. Проблема диагностики заболевания на ранних стадиях, наблюдение за течением заболевания, прослеживание эффективности применяемого лечения — все это в настоящее время является проблемой, для решения которой необходимо объединение усилий медиков и специалистов смежных областей знаний [12−14].

Обстоятельства выявления очагов инфекций и опасность массового заражения обязывают к оперативности действий при возникновении подозрения на инфекционное заболевание. Доступность персональных компьютеров делает возможным их повсеместное использование в лечебных заведениях для диагностики заболеваний с помощью методов теории распознавания [15,16], однако недостатки соответствующих диагностических систем и методов их разработки не позволяют решить эту задачу в полной мере. Одной из причин такого положения вещей являются значительные теоретические трудности в построении медицинских информационных систем (МИС), основанных на знаниях опытных специалистов-экспертов. Медицинская диагностика относится к так называемым слабоструктурируемым предметным областям, в которых доминирующими факторами при принятии решений являются профессиональный опыт и интуиция [17]. Трудности выявления экспертных знаний во многом обусловлены их подсознательным характером, когда эксперт не может вербализовать полную и непротиворечивую систему правил, которую он использует при принятии решений. В совокупности с повышенными требованиями к точности и полноте, которые предъявляются к экспертным знаниям для построения на их основе МИС, эта проблема делает актуальной разработку методик выявления не только полных и непротиворечивых систем экспертных решающих правил, но и методик повышения достоверности извлеченных знаний, минимизирующих ошибки эксперта [18].

В связи со сказанным, актуальной задачей является разработка методов структурной организации исходной информации и преобразование ее в формализованный вид, применимый для эффективной и оперативной реализации с помощью современных вычислительных средств.

Цель работы и задачи исследования. Целью данной работы является разработка автоматизированной методики процесса оперативной диагностики опасных инфекционных заболеваний на основе первичной информации о состоянии здоровья пациента.

Для достижения поставленной цели в ходе исследований по теме диссертационной работы ставились и решались следующие основные задачи: разработка метода формализации исходной информации, ее преобразования, унификации и представления для последующего анализаразработка методов классификации и идентификации опасных инфекционных заболеванийразработка методов определения диагностической значимости признаковразработка алгоритмов формального представления диагностических решающих правилэкспериментальная проверка правильности функционирования и оценка качества разработанных методов на контрольных примерахреализация построенных методов и алгоритмов с помощью программно-вычислительных средств.

Методы исследования. При решении поставленных задач использовались: теория распознавания образов, методы математической статистики, методы анализа структуры данных, математический аппарат нечеткой логики, методы теории принятия решений, принципы построения алгоритмов и систем, а также методы вычислительной математики и программирования.

Научная новизна работы. В диссертации получены следующие новые научные результаты:

1) разработан метод анализа структуры ведущих признаков инфекционных заболеваний посредством процедур статистической обработки данных с привлечением экспертной информации, учитывающий специфику слабо структурированных медико-биологических данных;

2) на основе методов теории распознавания образов разработаны методы ранней классификации опасных инфекционных заболеваний;

3) построен и реализован алгоритм оперативной диагностики опасных инфекционных заболеваний, проведена экспериментальная проверка его работы;

4) создана автоматизированная система оперативной диагностики, позволяющая оперативно идентифицировать опасные инфекционные заболевания.

Практическая значимость полученных в диссертационной работе результатов состоит в следующем: построен и реализован алгоритм, позволяющий проводить оперативную диагностику опасных инфекционных заболеваний с максимальной эффективностьюна основе разработанного метода классификации опасных инфекционных заболеваний созданы средства экспресс-диагностикиполученные результаты дают возможность достоверно на ранних этапах диагностировать опасные инфекционные заболевания, что, в случаях их выявления, позволяет избежать возможного массового распространения и принять меры по локализации очага, что особенно актуально для постановки диагноза в «полевых» условиях, когда лабораторные и инструментальные методы недоступны.

Результаты, выносимые на защиту: методы классификации и идентификации опасных инфекционных заболеванийметод структурной организации слабоформализуемой медицинской информации с нечеткими даннымиметоды анализа информативности показателей опасных инфекционных заболеванийметоды формального представления комбинированных диагностических правилалгоритм оперативной диагностики опасных инфекционных заболеваний.

Реализация результатов. Результаты диссертации легли в основу научно-исследовательской работы по теме: «Обоснование системотехнических решений по созданию экспертной системы верификации биотерактов и разработка ее информационного обеспечения», проводимой в Пущинском научном центре РАН.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на Международной конференции «Параллельные вычисления и задачи управления» РАСО (Москва 2006 г.), Международной конференции «Информационно-вычисли-тельные технологии в науке» (Москва 2006 г.), Международной научно-практической конференции «Пилотируемые полеты в космос», научном семинаре в Институте военной медицины МО РФ (Москва 2005 г.), научно-технической конференции МИРЭА (Москва 2005 г.), научных семинарах в Пущинском научном центре РАН (Пущино, 2004;2006 гг.).

Публикации. По материалам диссертации опубликовано 7 работ (в том числе 3 публикации в ведущих рецензируемых научных изданиях, рекомендованных ВАК, 4 публикации в трудах научных конференций).

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения. Работа содержит 107 страниц, включая 18 рисунков, 9 таблиц, 2 приложения и список литературы из 103 наименований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ЧЕТВЕРТОЙ ГЛАВЫ.

1. Разработан диагностический алгоритм, на основе диагностических правил (ДП), с помощью которых можно оперативно оценить состояние пациента на различных стадиях заболевания. Разработанный алгоритм диагностики инфекционных заболеваний включает в себя пошаговую оценку состояния пациента для оперативного анализа выборки признаков заболевания и проведения сравнительных оценок.

2. Оценена эффективность алгоритма при его тестировании «слепым методом». Полученный эффект от работы диагностического алгоритма говорит о высоком качестве разработанного метода и возможности его использования для оперативной диагностики ОИЗ.

3. Разработана система оперативной диагностики, позволяющая оценивать риск выявления опасного инфекционного заболевания.

4. Проанализирована возможность применения разработанного метода диагностики для решения задач оперативного выявления инфекционных заболеваний и проведения необходимых мер по предотвращению возможных последствий массового распространения инфекции.

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе получены следующие результаты:

1. Разработаны методы и сформулированы основные критерии классификации и идентификации опасных инфекционных заболеваний.

2. На основе сформированных врачами экспертных оценок определена структура опасных инфекционных заболеваний, включающая в себя типы признаков, классы и подклассы заболеваний. Определена диагностическая значимость каждого из ведущих признаков.

3. Построены методы формального представления диагностических решающих правил, которые могут быть использованы при принятии диагностических решений.

4. На основе диагностических правил разработан диагностический алгоритм для оперативной оценки состояния пациента на различных стадиях заболевания.

5. Проведена экспериментальная проверка правильности функционирования разработанных методов на контрольных примерах и оценена эффективность работы алгоритма.

6. Построенные методы и алгоритмы реализованы с помощью программно-вычислительных средств.

Показать весь текст

Список литературы

  1. JI.C., МартынюкР.А. Необходимость международного сотрудничества для успеха борьбы с инфекционными заболеваниями и биотерроризмом //Химическая и биологическая безопасность. № 1−2 (13−14) 2004.
  2. Биобезопасность главная проблема начала нового века (материалы 11 сессии общего собрания РАМН), http://www.medvestnik.ru/Gazeta/2002/ 10/p08.html.
  3. Федеральный закон от 18 июня 2001 г. N 77-ФЗ «О предупреждении распространения туберкулеза в Российской Федерации».
  4. Федеральный закон от 30 марта 1995 г. N 38-Ф3 «О предупреждении распространения в Российской Федерации заболевания, вызываемого вирусом иммунодефицита человека (ВИЧ-инфекции)» (с изм. от 12 августа 1996 г., 9 января 1997 г., 7 авг. 2000 г.).
  5. Концепция биологической безопасности Российской Федерации (исх. Минпромнауки России № МП-П666а от 14.06.2002 г.
  6. Руководство по клинике, диагностике и лечению опасных инфекционных болезней // Под ред. Покровского В. И. и Иванова К. С. — М.: Медикас, 1994.-220 с.
  7. .Л. Инфекционные и паразитарные болезни человека. М.: Мед. газета, 1994.
  8. Инструкция по экстренной профилактике и этиотропному лечению опасных инфекционных заболеваний в Вооруженных Силах Российской Федерации. М.: Воениздат, 2002.
  9. Руководство по инфекционным заболеваниям. / Под ред. Покровского В. И., Лобана K.M. 2-е изд., перераб. И доп. — М.: Медицина, 1986,-464 с.
  10. Р. Как избежать врачебных ошибок. Книга практикующего врача: Пер. с англ. М.: Практика, 1994.
  11. Международная классификация болезней, травм, и состояний, влияющих на здоровье 10-го пересмотра (МКБ-10). Электронная версия: http://www.mkb 10. ги/.
  12. Е.П. Инфекционные болезни, учебник. М.: «Медицина», 1995,-656 с.
  13. Система стандартизации в здравоохранении Российской Федерации. Отраслевой классификатор 91 500.09.0001−2001 «Простые медицинские услуги» (ОК ПМУ): http://www.jurportal.com/consult/viewnpdoc.php?id=5063.
  14. Справочник медицинской сестры по уходу // под ред. Н. Р. Палеева // -М.: «Медицина», 1981.
  15. .А. Системы искусственного интеллекта в медицине: состояние, проблемы и перспективы // Новости искусственного интеллекта. № 2,1995.
  16. Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1984.
  17. И.М., Розенфельд Б. И., ШифринМ.А. Очерки о совместной работе математиков и врачей / Под ред. С. Г. Гиндикина. Изд. 2-е, испр. и доп. М.: Едиториал УРСС, 2005. — 320 с. (Синергетика: от прошлого к будущему).
  18. А.К., Осипов Г. С. Проблемы создания интегрированной среды поддержки лечебно-диагностического процесса / Информационные технологии, № 10,1997.
  19. А.В. Дифференциальный диагноз внутренних болезней: справочное руководство для врачей. М.: Медицина, 1987.
  20. Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987.
  21. Статические и динамические экспертные системы: Учеб. пособие / Э. В. Попов и др. М.: Финансы и статистика, 1996.
  22. Г. С. Приобретение знаний интеллектуальными системами: основы теории и технологии. М.: Наука, 1997.
  23. С.А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: классификация и снижение размерности. -М.: Финансы и статистика, 1989.
  24. В.В. Графодинамические методы и средства параллельной асинхронной переработки информации в интеллектуальных системах. Мн.: БГУИР, 1996.
  25. В.П., Боровиков И.П. STATISTICA Статистический анализ и обработка данных в среде Windows. — М.: Информационно-издательский дом ФИЛИНЪ, 1997.
  26. С.Я. Обзор средств построения экспертных систем // Ротапринт ВЦ СО РАН, 1993.
  27. В.Н., Герасимов Ю. Ю. Принятие оптимальных решений: Теория и применение в лесном деле. Иоэнсуу: Издательство университета Йоэнсуу, 1999, 200 с.
  28. A.B., Литвак Б. Г. Принцип упорядоченных критериев для многокритериальных альтернатив. Известия АН СССР. Техн. кибернетика.— № 6, 1988, С. 49−54.
  29. Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения.— М.: Радио и связь, 1981.
  30. В.Г., Котельников А. П. Системы поддержки принятия решений: основные понятия и вопросы применения. Белград: Изд-во БелГТАСМ, 1998, 78 с.
  31. О.И., Петровский А. Б. Системы поддержки принятия решений: современное состояние и перспективы развития. Итоги науки и техники. Техн. кибернетика.—1987.—Т. 21.—С. 131—165. 1.
  32. Р., Калаба Р. Динамическое программирование и современная теория управления. М.: Наука, 1969. 120 с.
  33. Е.С. Элементы динамического программирования. М.: Наука, 1964,176 с.
  34. И.Л., Войтенко М. А. Динамическое программирование в примерах и задачах. М.: Высшая школа, 1979, 125 с.
  35. А.В., Холод Н. И., Костевич Л. С. Руководство к решению задач по математическому программированию. М.: Высшая школа, 1978, 256 с.
  36. Davis L.S., Johnson K.N. Forest management. New York: McGraw-Hill Book Company, 1987, 790 c.
  37. H.H., Математические методы системного анализа. М.: Наука, 1981 487 с.
  38. .Я. Оптимизация вокруг нас. -Л.: Машиностроение, 1989,. 144 с.
  39. А.Я., Трошин Л. И. Сборник задач по математическому программированию. М.: МЭСИ, 1968, 168 с.
  40. Жак С. В. Математическое программирование. Нелинейные и стохастические задачи. Ростов-на-Дону: РГУ, 1972, 90 с.
  41. Э.А. Методические указание по математическому программированию для студентов экономических специальностей. Часть 1. -Барнаул: АСХИ, 1980.
  42. А.К. Основы моделирования и оптимизации процессов лесозаготовок. М.: Лесная промышленность, 1988,256 с.
  43. Г., Рейвиндран А., Рэгсдел К. Оптимизация в технике: В 2-х том. Пер. с англ. М.: Мир, 1986. Т. 1. — 279 с. Т. 2. — 320 с.
  44. Д.Б. Задачи и методы стохастического программирования. -М.: Сов. радио, 1979.392 с.
  45. Дюк В., Самойленко A. Data Mining. -СПб.: Питер, 2001.
  46. В.В., Ногин В. Д. Парето оптимальные решения многокритериальных задач. -М.: Наука, 1982, 254 с.
  47. Руа Б. Классификация и выбор при наличии нескольких критериев. //Вопросы анализа и процедуры принятия решений. -М.: Мир, 1976, с. 80 107.
  48. B.C., Подиновский В. В., Шорин В. Г. Выбор решения по многим критериям, упорядоченным по важности. М: ИОНХ, 44 с.
  49. П. Теория полезности для принятия решения. -М.: Наука, 1978.352 с.
  50. ДюкВ.А. «Компьютерная психодиагностика», -С-Пб.: Питер, 1994.
  51. Л.Г., Кутузов В. А. Экспертные оценки в управлении. -М.: Экономика, 1978, 133 с.
  52. .А. Минимизация описания в задачах автоматического распознавания образов // Техн. Кибернетика, 1964, № 3.— с. 32−44
  53. Н.Г. Методика оценки информационной эффективности независимых параметров речевого сигнала // Тр. ИМ Сиб. отд. АН СССР: Вычислительные системы, 1964, вып. 10.— с. 77−89.
  54. Т., Green D. М. On the effectivness of receptors in recognition systems // IEEE Trans., v. IT — 9, 1963.— p. 11 17.
  55. Kittrer J. Feature set search algorithms // Proc. Conf. om Pattern Recogn. and Signal Processing.— Paris, France, 25 June — 4 July, 1978.— p. 41−60.
  56. Backer E., Young F. W., Takane Y. An asymmetric Euclidean Model (available from F. W. Young).— Psychometric Laboratory, Dave Hall 13a, University of North Carolina, Chapel Hill, NC 27 514, 1977.
  57. Г. С. Выбор эффективной системы зависимых признаков // Труды Сиб. отд. АН СССР: Вычислительные системы.— Новосибирск, 1965, вып. 19 —с. 87−101.
  58. Narendra P.M., Fukunaga К. A. A branch and bound algorithm for feature subset selection // Proc. Cybernetic and Society Inf. Conf.— Washington, D. C., 1976.
  59. И.С. Методы оцифровки неколичественных признаков // Алгоритмическое и программное обеспечение прикладного статистического анализа: Ученые записки по статистики. -М.: Наука, 1980. Т.36. С. 309−316.
  60. В.П. Интеллектуальный анализ данных в проблеме построения решающих правил классификации (на примере задач медицинской диагностики) // Новости искусственного интеллекта. № 2,2006, С.57−75.
  61. .А., Казанцева Л. З., Фельдман А. Е. Автоматизированные системы дифференциальной диагностики наследственных заболеваний // Наследственная патология человека / Под общ. ред. Вельтищева Ю. Е. и Бочкова Н. П. Т.Н. М, 1992. — С.229−239.
  62. Г. Дифференциальная диагностика болезней в детском возрасте: Пер. с нем. М.: Медицина, 1980.
  63. Р. Дифференциальная диагностика внутренних болезней. -М.: Фирма «Миклош», изд-во «Инженер», 1993.
  64. И.П., Сыркин А. Л. Проблема получения и передачи медицинских знаний // Компьютерная хроника. № 8−9, 1994, С.39−43.
  65. В.К. Интеллектуальные системы: проблемы их развития и социальные последствия // Будущее искусственного интеллекта. М.: Наука, 1991, С.157−177.
  66. .А., Фельдман А. Е. Анализ и учет ассоциативных знаний в медицинских экспертных системах // Новости искусственного интеллекта. № 3, 1995, -С.90−96.
  67. Финн В.К. JSM-рассуждение как синтез познавательных процедур // 3-я Междунар. конф. «Информационные ресурсы. Интеграция. Технологии»: Матер, конф. М., 1997. -С.207−208.
  68. Есенин-Вольпин A.C. Об антитрадиционной (ультраинтуиционистской) программе оснований математики и естественнонаучном мышлении // Семиотика и информатика. 1993, Вып. ЗЗ, С. 13−67.
  69. С.К. Введение в метаматематику. М.: Изд-во иностр. лит., 1957.
  70. Е.В. Рассуждения по аналогии // Логика и компьютер. 2: Логические языки, содержательные рассуждения и методы поиска доказательств. М.: Наука, 1995. — С.99−112.
  71. Т.А. Формализация рассуждений на основе аргументации при принятии решений в конфликтных ситуациях // НТИ. Сер. 2. -№ 9, 1998. -С.23−33.
  72. Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. -М.: Радио и связь, 1989.
  73. .А. К вопросу о формальном отражении образного мышления и интуиции специалиста в слабо структурированной предметной области // Новости искусственного интеллекта. 1998. — № 3. — С.64−76.
  74. В.К. Об интеллектуальных системах автоматизированной поддержки научных исследований // НТИ. Сер.2. 1996. — № 5−6. — С. 1−2.
  75. Искусственный интеллект: В 3-х кн. Справочник./ Под ред. Захарова В. Н., Хорошевского В.Ф.-М.: Радио и связь, 1990. Кн. 1 426 е., кн. 2 — 304 е., кн. 3 — 368 с.
  76. .А. Основные принципы философии здравого смысла (познавательный аспект) // Новости искусственного интеллекта. 1996. — № 3.- С.7−91.
  77. Н.В. Умозаключения по аналогии. М., 1963.
  78. Есенин-Вольпин А.С. О теории модальностей // Философия. Логика. Поэзия. Защита прав человека: Избранное. М.: Рос. гос. гуманит. ун-т, 1999.- С.165−177.
  79. . Философия логического атомизма (1918) // Философия логического атомизма. Томск: Изд-во «Водолей», 1999. — С.3−108.
  80. В.К. Об одном варианте логики аргументации // НТИ. Сер.2. -1996.-№ 5−6.-С.3−19.
  81. Есенин-Вольпин А.С. О теории диспутов и логике доверия // Философия. Логика. Поэзия. Защита прав человека: Избранное. М.: Рос. гос. гуманит. ун-т, 1999. — С.178−192.
  82. Zadeh L.A. Discussion: Probability theory and fuzzy logic are complementary rather than competitive // Technometrics. 1995. — Vol.37, № 3. -P.271−276.
  83. Ларьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. -М.: Мир, 1991.- 568 с.
  84. Построение экспертных систем // под ред. Хейеса-Рота Ф., Уотермана Д., Лената Д. -М.: Мир, 1987.
  85. .А. Нечеткая логика в анализе образных представлений в медицинских системах искусственного интеллекта // Междунар. конф. по мягким вычислениям и измерениям: Сб. докл. Т.1. СПб. — 1998. — С.233−235.
  86. А. Введение в теорию нечетких множеств: Пер. с франц. -М.: Радио и связь, 1982.- 432 с.
  87. М. Многомерное шкалирование: Методы наглядного представления данных / Пер. с англ. -М.: Финансы и статистика, 1988. 254 с.
  88. Л. Понятие лингвистической переменной и его применение для принятия приближенных решений. -М.: Мир, 1976.
  89. Проблемы представления и обработки не полностью определенных знаний // под ред. Швецова И. Е. Москва-Новосибирск, 1996.
  90. Я., КнутЕ., Радо П. Автоматизированные методы спецификации. Пер. с англ. М.: Мир 1989. 115 е., ил.
  91. О.В., Габусу П. А., Чикова С. С. Интеллектуальные технологии в медикобиологических исследованиях. // Сборник материалов конференций ИВТН-2006. М., 2006 г., с.37
  92. Базы знаний интеллектуальных систем. / Гаврилова Т. А., Хорошевский В. Ф. СПб.: Питер, 2000, — 384 е., ил.
  93. О.В., Шевченко М. В., Габусу П. А. Тренажеры с открытыми связями // Сборник тезисов шестой международной научно-практической конференции «Пилотируемые полеты в космос». 2006 г., С. 177−179.
  94. Гурский Д.А., Flesh MX 2004 и ActionScript 2.0: обучение на примерах. Минск: Новое знание, 2004., 446 с.
  95. В.В., Дмитриев В. Е. Технология программирования на основе недоопределенных моделей // Новосибирск, 1995.
  96. П.А., Михеев О. В., Самохина A.C. Анализ схем обработки первичных данных в системе предотвращения биологической чрезвычайной ситуации. // Проблемы безопасности при чрезвычайных ситуациях. М.: 2006 г., № 4. С. 64−71.
  97. П.А., Михеев О. В., Самохина A.C. Идентификация сценариев эпидемического заболевания. // Проблемы безопасности при чрезвычайных ситуациях. М.: 2006 г., № 2. С. 92−106.
  98. П.А., Михеев О. В., Самохина A.C. Взаимодействие V-модели и имитационной математической модели распространения опасного эпидемического заболевания. // Проблемы безопасности и чрезвычайных ситуаций. М.: 2006 г., № 3. С. 96−105.
  99. П.А., Михеев О. В., Самохина A.C. Экспериментальные исследования имитационной математической модели распространения опасного эпидемического заболевания // Труды международной конференции «Параллельные вычисления и задачи управления» РАСО 2006 г.
Заполнить форму текущей работой

Сессия? Спокойно!