Работы автора

Приведено общее описание организации с иерархической структурой управления, используемое в процессе моделирования. Рассмотрен процесс ручного проведения ознакомления сотрудников с локальными регламентирующими документами. Определены основные действия, выполняемые участниками в процессе проведения ознакомления с документом. На основе выделенных действий предложен способ проведения ознакомления сотрудников с применением заданий двух типов: на ознакомление и на пересылку. Описан процесс ручного проведения ознакомления сотрудников с документом с применением способа, основанного на заданиях. Построена схема ручного определения руководителем группы сотрудников и подгрупп, деятельность которых затрагивается в документе. Выделены этапы ручного процесса определения получателей документа, которые могут быть автоматизированы с применением различных методов классификации. Выделены основные шаги, необходимые для определения направлений документа: определение ключевых слов и их сопоставление с существующими направлениями. Выполнено моделирование этапа определения направлений документа с применением методов классификации, использующих ключевые слова. Описаны основные методы, которые могут быть использованы для определения направлений и ключевых слов документа. Проведено моделирование этапа определения групп и сотрудников, деятельность которых затрагивается документом, с применением методов нечеткой классификации. Выделены основные методы, которые могут использоваться для определения получателей, а также описаны возможности для расширения модели. Построена схема процесса автоматизированного определения рекомендуемых подгрупп и сотрудников, которым требуется переслать документ, базирующегося на программной реализации предложенных моделей. Определены перспективы дальнейшего развития предложенной схемы процесса автоматизированного ознакомления сотрудников с документами.

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%.