Все о здоровье

Самообучение диагностических машин

Одним из важных свойств кибернетических систем является их способность к самообучению. В процессе самообучения возникает новая информация, которая связана с целенаправленным поиском наиболее оптимального режима работы. Самообучающая кибернетическая система при соответствующем выборе критериев оптимизации способна сама изменить свои алгоритмы в направлении более быстрого достижения поставленной цели.

Диагностическая машина также может быть использована для улучшения диагностических алгоритмов. Свойство самообучения позволяет автоматически накапливать опыт машинной обработки и оценки данных, учитывать диагностические ошибки.

При неправильном диагнозе машина вносит в свою память коррективы, которые касаются порогов значений отдельных показателей или их вероятностей, сочетаний отклонений и т. п. Программа самообучения строится таким образом, чтобы свести к минимуму число ошибочных диагнозов. Процесс самообучения может проходить на основе архивного материала и в результате работы по диагностике путем непосредственного ввода данных от человека.

Алгоритм самообучения может быть основан на серии пробных постановок диагноза с различными коэффициентами, придаваемыми каждому признаку.

Коэффициент — это вес признака.

Наиболее удачный набор коэффициентов будет обнаружен по совпадению машинного диагноза с клиническим.

Успешность процесса самообучения зависит от числа проанализированных случаев.

По существу машина с огромной быстротой изменяет свои мнения с каждым из признаков болезни, вводимых в нее, и окончательным мнением признает то, которое совпадает с известным решением.

Быстрота процесса самообучения у машин несравненно выше, чем быстрота обучения человека.

Поэтому целесообразно как можно раньше начать накопление материалов для машинной обработки с последующим самообучением. Удачные алгоритмы для распознавания различных болезней путем самообучения машин уже разработаны многими авторами.