25.) Линии регрессии

Пусть  и  - две случайные непрерывные величины, находящиеся в корреляционной зависимости. Это значит, что каждому значению x случайной величины  соответствует вполне определенное распределение вероятностей величины . Плотность  распределения величины  при условии, что , называется условной плотностью распределенияслучайной величины .     Вычислим для данного случая так называемое условное математическое ожидание  величины  при условии, что . Согласно определению математического ожидания непрерывной случайной величины, имеем

Каждому возможному значению x случайной величины  соответствует определенное значение условного математического ожидания . Таким образом, мы получаем функцию  переменной x. Эта функция y=f(x) называется функцией регрессии величины  на , а ее график - линией регрессии  на .  Аналогично определяется условное математическое ожидание величины  при условии, что :

где  - условная плотность вероятности случайной величины  при условии, что .     Функция x=g(y) называется функцией регрессии величины  на , а ее график - линией регрессии  на 

Метод наименьших квадратов заключается в нахождении коэффициентов линейной зависимости, при которых функция двух переменных а и b  принимает наименьшее значение. То есть, при данных а и b сумма квадратов отклонений экспериментальных данных от найденной прямой будет наименьшей. В этом вся суть метода наименьших квадратов.

Таким образом, решение примера сводится к нахождению экстремума функции двух переменных.

МЕДИЦИНСКАЯ ИНФОРМАТИКА

26.) предмет и задачи медицинской информатики

28)Признаки - это переменные, которые можно непосредственно наблюдать и регистрировать.

Характеристика:

Вибродиагностика оборудования есть не что иное, как распознавание классов технических состояний агрегата по совокупности его вибрационных характеристик. Эта проблема может быть решена как методами статистической теории распознавания при наличии большого объема информации, так и детерминистскими методами, более кратко описывающими наиболее существенные стороны явления.

Распознавание состояний оборудования — это отнесение предъявленного к опознанию виброакустического образа к одному из возможных классов (диагнозов) с помощью специально построенного решающего правила. Для успешного решения этой задачи должна быть набрана статистика соответствия диагностических признаков классам технических состояний.

Рациональный выбор диагностических признаков, т. е. соответствующим образом представленных характеристик колебательных процессов, чувствительных к изменению технического состояния машин и механизмов, в значительной мере определяет успех диагностирования.

При выборе диагностических признаков необходимо учитывать ряд требований, вытекающих из задачи оптимизации диагностической системы. Прежде всего признаки должны быть однозначно связаны с состоянием объекта и образовывать достаточную систему для обеспечения достоверного диагноза. Предпочтительны признаки, которые позволяют обнаружить дефекты на возможно более ранних стадиях их развития. Признаки должны обеспечивать требуемую глубину диагноза, не усложняя процедуры и не увеличивая стоимости средств диагностирования.

30.) системы поддержки принятия медицинских решений.основные компоненты систем поддержки принятия медицинских решений.объяснить применение методов вероятностной диагностики и статистические методы диагностики в СППР.дать численные примеры.

30)Система поддержки принятия решений позволяет использовать полученные данные, на основе которых помогает менеджеру в принятии решения, а также обеспечивают поддержку принимаемого решения менеджером. Важнейшей целью этих СППР является поиск наиболее рациональных вариантов развития медицинского предприятия с учетом влияния различных факторов, таких как изменения в законодательстве и сезонные вспышки заболеваний, посещаемость, распространенность вида заболевания, количество операций, занятость медицинского персонала и др.

СППР в медицинских информационных системах используются для помощи менеджерам и руководителям в принятии решений на основе анализа большого количества статистической информации. Например, помощь с составлением рабочего графика, выявление перспективных путей развития предприятия или предупреждение о возможной нехватке врача-специалиста, в связи с большой проходимостью пациентов или сезонными вспышками заболеваний.

1.1 Современные системы поддержки принятия решения (СППР)

Современные системы поддержки принятия решения (СППР) возникшие как естественное развитие и продолжение управленческих информационных систем и систем управления базами данных, представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). С помощью СППР могут решаться неструктурированные и слабоструктурированные многокритериальные задачи.

СППР, как правило, являются результатом мультидисциплинарного исследования, включающего теории баз данных, искусственного интеллекта, интерактивных компьютерных систем, методов имитационного моделирования.

СППР - в большинстве случаев - это интерактивная автоматизированная система, которая помогает пользователю (ЛПР) использовать данные и модели для идентификации и решения задач и принятия решений. Система должна обладать возможностью работать с интерактивными запросами с достаточно простым для изучения языком запросов.

Система поддержки принятия решений или СППР (Decision Support Systems, DSS) - это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процесс принятия решений организационного плана в определенной области. Интерактивные системы позволяют руководителям получить полезную информацию из первоисточников, проанализировать ее, а также выявить существующие бизнес-модели для решения определенных задач. С помощью СППР можно проследить за всеми доступными информационными активами, получить сравнительные значения объемов продаж, спрогнозировать доход организации при гипотетическом внедрении новой технологии, а также рассмотреть все возможные альтернативные решения.

Для функционирования ИС необходимо обеспечить как наличие средств генерации данных, так и средства их анализа. Имеющиеся в ИС средства построения запросов и различные механизмы поиска хотя и облегчают извлечение нужной информации, но все же не способны дать достаточно интеллектуальную ее оценку, т.е. сделать обобщение, группирование, удаление избыточных данных и повысить достоверность за счет исключения ошибок и обработки нескольких независимых источников информации (не только корпоративных БД, но и внешних). Проблема эта становится чрезвычайно важной в связи с лавинообразным возрастанием объема информации и увеличением требований к инфосистемам по производительности - сегодня успех в управлении предприятием во многом определяется оперативностью принятия решений, данные для которых и предоставляет ИС.

СППР представляют собой системы, разработанные для поддержки процессов принятия решений в сложных мало структурированных ситуациях, связанных с разработкой и принятием решений. Главной особенностью информационной технологии поддержки принятия решений является качественно новый метод организации взаимодействия человека и компьютера.

Окончание итерационного процесса происходит по воле человека. В этом случае можно говорить о способности информационной системы совместно с пользователем создавать новую информацию для принятия решений.

СППР могут включать в себя ситуационные центры, средства многомерного анализа данных и прочие инструменты аналитической, позволяют моделировать правила и стратегии бизнеса и иметь интеллектуальный доступ к неструктурированной информации. Используемые на этом уровне специальные математические методы позволяют прогнозировать динамику различных показателей, анализировать затраты по разным видам деятельности, уяснять их детальную структуру, формировать подробные бюджеты по разным схемам.

До сих пор нет единого определения СППР, в качестве примера можно привести следующие:

- это наиболее мощный представитель класса аналитических систем ориентированный на: анализ больших массивов данных, на выполнение более сложных запросов, моделирование процессов предметной области, прогнозирование, нахождение зависимостей между данными для проведения анализа «что если»;

- это интерактивная прикладная система, которая обеспечивает конечным пользователям, принимающим решение, легкий и удобный доступ к данным и моделям с целью принятия решений в слабоструктурированных и неструктурированных ситуациях в разных областях человеческой деятельности;

- это такие системы, которые основываются на использовании моделей и процедур обработки данных и мыслей, которые помогают принимать решение;

DSS(СППР) - это человеко-машинный вычислительный комплекс, ориентированный на анализ данных и обеспечивающий получение информации, необходимой для принятия решений в сфере управления. Такое разнообразие определений отображает широкий диапазон разных типов СППР. Но практически все виды этих компьютерных систем характеризуются четкой структурой, которая содержит три главных компонента, которые составляют основу классической структуры СППР, отличающей ее от других типов ИС:

31.) системы поддержки принятия медицинских решений.основные компоненты систем поддержки принятия медицинских решений.объяснить применение метода математического моделирования на примере фармако-кинетической модели.

Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР или ИСППР.

Система поддержки принятия решений (СППР) — компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях, для полного и объективного анализа предметной деятельности.

Нейронные сети и системы с нечёткой логикой

Нейронные сети привлекательны с интуитивной точки зрения, так как они основаны на примитивной биологической модели нервных систем.

Основные понятия, алгоритмы обучения и использования нейронных сетей изложены в [2].

Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления.

Это обусловлено тем, что во-первых, нейронные сети позволяют воспроизводить чрезвычайно сложные зависимости. Кроме того, нейронные сети справляются с большим числом переменных.

Во-вторых, простотой использования. Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем при использовании традиционных методов.

Нейронные сети хороши для задач распознавания образов, но весьма неудобны для объяснения, как они такое распознавание осуществляют. Они могут автоматически приобретать знания, но процесс их обучения зачастую происходит достаточно медленно, а анализ обученной сети весьма сложен (обученная сеть представляет обычно черный ящик для пользователя). При этом какую-либо априорную информацию (знания эксперта) для ускорения процесса ее обучения в нейронную сеть ввести невозможно.

Системы с нечеткой логикой, напротив, хороши для объяснения получаемых с их помощью выводов, но они не могут автоматически приобретать знания для использования их в механизмах выводов. Необходимость разбиения универсальных множеств на отдельные области, как правило, ограничивает количество входных переменных в таких системах небольшим значением.

Системы с нечеткой логикой целесообразно применять в следующих случаях:

1. для сложных процессов, когда нет простой математической модели;

2. если экспертные знания об объекте или о процессе можно сформулировать только в лингвистической форме.

Системы, базирующиеся на нечеткой логике, применять нецелесообразно:

1. если требуемый результат может быть получен каким-либо другим (стандартным) путем;

2. когда для объекта или процесса уже найдена адекватная и легко исследуемая математическая модель.

Отметим, что основными недостатками систем с нечеткой логикой являются следующие:

1. исходный набор постулируемых нечетких правил формулируется экспертом-человеком и может оказаться неполным или противоречивым;

2. вид и параметры функций принадлежности, описывающих входные и выходные переменные системы, выбираются субъективно и могут оказаться не вполне отражающими реальную действительность.

Перспективно применение в СППР комбинированных методов принятия решений в сочетании с методами искусственного интеллекта и компьютерным моделированием.

32.) системы поддержки принятия медицинских решений.основные компоненты систем поддержки принятия медицинских решений.объяснить применение нейронных сетей и экспертные систем в СППР.структура и свойства нейронных сетей.«Нейрон», компоненты «нейрона», «синапс», обучение нейросетей.структурна экспертных систем, типичные задачи, решаемые с помощью нейросетей и экспертных систем.

Систе́ма подде́ржки приня́тия реше́ний (СППР) (англ. Decision Support System, DSS) — компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР или ИСППР.

Близкие к СППР классы систем — это экспертные системы и автоматизированные системы управления.

Система поддержки принятия решений или СППР (Decision Support Systems, DSS) - это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процесс принятия решений организационного плана в определенной области. Интерактивные системы позволяют руководителям получить полезную информацию из первоисточников, проанализировать ее, а также выявить существующие бизнес-модели для решения определенных задач. С помощью СППР можно проследить за всеми доступными информационными активами, получить сравнительные значения объемов продаж, спрогнозировать доход организации при гипотетическом внедрении новой технологии, а также рассмотреть все возможные альтернативные решения.

Структура СППР

- В состав системы поддержки принятия решений входят три главных компонента: база данных, база моделей и программная подсистема, которая состоит из трех подсистем: системы управления базой данных (СУБД), системы управления базой моделей (СУБМ) и системы управления интерфейсом между пользователем и компьютером. Структура СППР, а также функции составляющих ее блоков, определяющих основные технологические операции, представлены на рисунке.

- Любая система поддержки принятия решений содержит подсистему данных, которая состоит из двух основных частей: БД и системы управления базой данных (СУБД) (Рисунок 2). БД играет в информационной технологии поддержки принятия решений важную роль. Данные могут использоваться непосредственно пользователем для расчетов при помощи математических моделей. СППР получают информацию из управленческих и операционных ИС.

33.) назовите этапы процесса математического моделированияи охарактеризуйте их.что даёт результат анализа модели? для чего проводится модернизация построенной модели?