Please use this identifier to cite or link to this item: https://elib.utmn.ru/jspui/handle/ru-tsu/14872
Title: Интеллектуальный модуль анализа данных в информационных системах с помощью искусственных нейронный сетей
Other Titles: Intelligent module of data analysis for information systems based on artificial neural networks
Authors: Захаров, Александр Анатольевич
Tatyana, I. Payusova
Паюсова, Татьяна Игоревна
Оленников, Евгений Александрович
Evgeniy, A. Olennikov
Alexander, A. Zakharov
Keywords: Искусственные нейронные сети;scientific studies;cloud technologies;medical information systems;genetic algorithm;evolutionary algorithms;neural network model;Artificial neural networks;научные исследования;облачные технологии;медицинские информационные системы;генетический алгоритм;эволюционные алгоритмы;нейросетевые модели
Issue Date: 2015
Citation: Захаров, А. А. Интеллектуальный модуль анализа данных в информационных системах с помощью искусственных нейронных сетей / А. А. Захаров, Е. А. Оленников, Т. И. Паюсова // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. - 2015. - Т. 1, № 4 (4). - С. 102-111.
metadata.dc.relation.ispartof: Вестник ТюмГУ: Физико-математическое моделирование. Нефть, газ, энергетика. 2015. Том 1 №4(4)
Abstract: Целью данного исследования является разработка алгоритма определения оптимальной архитектуры искусственной нейронной сети для анализа медицинских и иных данных на основе эволюционного алгоритма, реализованного в рамках облачного сервиса, доступ к которому организован на базе протоколов Единой государственной информационной системы в сфере здравоохранения Российской Федерации. Нейросетевые методы и эволюционные алгоритмы относятся к эвристическим методам оптимизации. Принципы работы таких моделей и генетических алгоритмов основываются на процессах, происходящих в живой природе. Модели искусственных нейронных сетей позволяют решать задачи классификации, прогнозирования, регрессии. Генетические алгоритмы используются для решения задач оптимизации и моделирования. Авторами предложен алгоритм определения оптимальной нейросетевой архитектуры с помощью генетического алгоритма для анализа медицинских и иных данных, в котором объединение последнего с нейросетевой моделью является равноправным, поэтому оба метода применяются одновременно. Операторы генетического алгоритма используются для рекомбинаций решений-кандидатов, полученных с помощью работы нейросетевой модели. В ходе иследования был разработан облачный сервис, реализующий представленный . The aim of this study is to develop the algorithm for determining optimal architecture of artificial neural network for the analysis of medical data based on an evolutionary algorithm, implemented in the framework of a cloud service, access to which is organized on the basis of the protocols of the Unified State Information System in health care of the Russian Federation.Neural network methods and evolutionary algorithms are heuristic optimization techniques. Operating principles of neural network models and genetic algorithms are based on the processes occurring in nature. Models of artificial neural networks can solve the problem of classification, prediction, regression. Genetic algorithms are used to solve optimization problems and modeling. The algorithm of determining the optimum neural network architecture based on the evolutionary algorithm for the medical data analysis is considered in the paper.The genetic algorithm and artificial neural network are equal in the above algorithm, so both methods are used simultaneously. The operators of the genetic algorithm are used for recombination candidate solutions obtained using the neural network model. The cloud service that implements the presented algorithm is developed in the course of this work.
URI: https://elib.utmn.ru/jspui/handle/ru-tsu/14872
Appears in Collections:Вестник ТюмГУ: Физико-математическое моделирование. Нефть, газ, энергетика

Files in This Item:
File SizeFormat 
Захаров_Оленников_Паюсова.pdf470,39 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.