Научный архив: статьи

В представленной статье рассматривается опыт применения метода обобщенного программирования в языках высокого уровня. Рассмотрена постановка задач, использование тех или иных функций для конкретного языка, сделаны выводы по проделанной работе.

В настоящее время искусственные нейронные сети (ИНС) успешно применяются для технического диагностирования стальных канатов. Зачастую при этом используют дорогостоящие программные продукты с адаптированной средой реализации нейронных сетей, такие как STATISTICA, Amygdala, MATLAB Simulink. Наиболее доступным способом построения и обучения ИНС с финансовой точки зрения является написание собственного программного кода с использованием интерактивных библиотек, таких как TensorFlow, PyTorch, Scikit-learn. Однако такие библиотеки не являются полноценными адаптированными средами построения ИНС, и для их использования необходимо владеть первичными навыками программирования. Поэтому качество ИНС зависит не только от архитектуры, объема и состава обучающих выборок, но и от метода (среды) построения ИНС. Целью данного исследования является сравнение качества работы ИНС, построенных и обученных различными методами, по критерию тестовой производительности сети, доверительным уровням оценки технического состояния каната, а также трудоемкости и скорости обучения. В связи с этим создано новое программное обеспечение для решения задачи оценки технического состояния стального каната по комбинации различных браковочных показателей.

Представлено описание разработанной системы интеллектуальной поддержки принятия решений на основе сверточной нейронной сети для диагностики пневмонии. Показано, что разработка системы интеллектуальной поддержки принятия решения для диагностики пневмонии на основе анализа медицинских данных пациентов позволит снизить риски ошибочной диагностики и улучшить эффективность лечения. Представлена информационная модель системы интеллектуальной поддержки принятия решения для диагностики пневмонии. Входная информация для системы являются медицинские снимки легких, полученные при помощи различных методов исследования. Язык программирования Python. Библиотека Keras выбрана в качестве основного фреймворка для разработки сверточной нейронной сети. Библиотека TensorFlow выбрана в качестве
основной библиотеки низкого уровня для работы с нейронными сетями. Библиотека NumPy выбрана в качестве основной библиотеки для работы с многомерными массивами данных. Библиотека Pandas выбрана в качестве основной библиотеки для работы с данными, такими как метаданные пациентов и результаты диагностики.

Среда разработки Jupyter Notebook. Создана модель нейронной сети, в качестве архитектуры выбрана сверточная нейронная сеть. Описан подбор параметров нейронной сети. Показано, что при реализации свёрточной нейронной сети, стоящей в основе системы поддержки принятия решений для диагностики заболеваний пневмонией было получено 1 246 401 параметр, 1 245 313 из которых являются обучаемыми. Результаты тестирования показали точность предсказаний в 92%.