logo (068) 202 57 83     (095) 710 36 67
help
Заявка
help
Viber
help
Skype
email_icon
E-mail
Joomla Templates and Joomla Extensions by JoomlaVision.Com
Мы профессионально позаботимся о Вашей успешности 24 часа в сутки 7 дней в неделю

Технології прийняття рішень - реферат

Зміст

Вступ. 3

1. Загальна характеристика експертних систем. 4

2.  Експертні системи в практичній медицині 11

Висновки. 18

Список використаних джерел. 19

Вступ

У міру розвитку ринкових відносин в економіці все більшого значення набувають проблеми прийняття ефективних управлінських рішень.

Особливостями економіки в наші дні є її великомасштабної, багатогранність, мінливість і труднощі прогнозування по накопичених даних.Ці фактори значною мірою зумовили проникнення штучного інтелекту, і зокрема експертних систем (ЕС), у вирішення економічних завдань. Інтерес до ЕС викликаний, принаймні, трьома причинами. Вони орієнтовані на вирішення широкого кола неформальних завдань, вирішення яких до недавнього часу вважалося малодоступним для ЕОМ.  2) За допомогою ЕС фахівці, які не знають програмування, можуть самостійно розробляти цікавлять їх застосування.  З ЕС іноді вдається досягти результатів, які не поступаються можливостям експертів.

Експертні системи є одним з найпоширеніших типів систем штучного інтелекту. Вони розроблялися як науково-дослідні інструментальні засоби з 1960-х років і розглядалися як штучний інтелект спеціального типу, призначеного для успішного вирішення складних задач у вузькій предметній галузі, такий як медична діагностика захворювань. Найбільш широке поширення експертних систем в різних областях людської діяльності почалося на початку 80-х років XX століття.

Експертна система – це комп'ютерна програма, яка в деякій галузі виявляє ступінь пізнань рівнозначну ступеню пізнання людини-експерта.

Експертні системи – це складні програмні комплекси, що акумулюють знання фахівців в конкретних предметних галузях і тиражують цей емпіричний досвід для консультацій менш кваліфікованих користувачів.

Автори відзначають: реалізація концепції про те, що ефективність комп'ютерної програми при вирішенні задач залежить від знань, якими вона володіє, а не лише від формалізмів і схем виводу, які вона використовує, привела до розвитку спеціалізованих програмних систем, кожна з яких є "експертом" в деякій вузькій предметній галузі – ці програми отримали назву експертних систем.

Тому, головним завданням роботи є знайомство з можливостями ЕС і оволодіння методологією їх застосування у вирішенні практичних завдань

1. Загальна характеристика експертних систем

Потреба в тому, щоб явно подавати людські знання, є центральним питанням за розроблення експертних систем. Основані на знаннях (інтелектуальні) інформаційні системи або експертні комп’ютерні системи мають здатність показати вражаючу, а інколи приголомшуючу продуктивність щодо розв’язання проблем у порівнянні з людиною, що не є експертом. Вони роблять це за допомогою використання значних баз знань, поєднаних зі спеціалізованим евристичним доведенням. Цей підхід привів до розроблення систем, які мають низку переваг, зокрема:

¾   у деяких типах проблем, як наприклад, у діагностиці дефектів, терапії, селекції, вони можуть розв’язати низку проблем інколи краще, ніж людина;

¾   вони можуть надати організаціям можливість краще управляти важливими ресурсами менеджменту, професійних знань і досвідом, забезпечуючи їх нагромадження та зберігання, централі­зовану підтримку і зручний розподіл;

¾   вони можуть відповідати на прості запитання і пояснювати, те, як вони розв’язують проблеми. Дуже часто пояснення того, як був досягнутий розв’язок, набагато важливіше, ніж сам розв’язок [7, c. 344].

Однак експертні системи нині мають багато обмежень і недоліків. З погляду підтримки створення рішень головний їх недолік полягає в тому, що вони не забезпечують підтримку рішень, оскільки сама експертна система створює рішення, відтворюючи логіку людини-експерта. ОПР може приймати або не приймати дані рішення залежно від поточної ситуації і діючих факторів, не урахованих експертною системою. На відміну від цього, СППР допомагає ОПР створювати рішення. Звідси випливає, що експертна система не є додатком систем підтримки прийняття рішень.

Перерахуємо деякі інші обмеження та недоліки експертних систем:

¾   експертні системи, зазвичай, працюють тільки у вузько визначених проблемних доменах, їхній рівень розуміння середовища, в якому вони функціонують, є деякою мірою поверхневим;

¾   ці системи до тепер не володіють здатністю «здорового глузду», як інструментальні засоби вони, зазвичай, не здатні обмірковувати обмірковувати проблему багатьма способами або на різних рівнях. Вони не знають, що їм невідомо про що-небудь, котре доречне стосовно проблеми;

¾   експертні системи не можуть самі навчатися;

¾   успішні експертні системи можуть привести до реальних змін у методиці людини щодо виконання своїх завдань. Це може потребувати суттєвих організаційних і технологічних змін, які можуть стати на перешкоді повного успіху системи, навіть якщо вона досконала в технічному відношенні.

Незважаючи на ці обмеження, багато корпорацій розробили додатки експертних систем як експериментальних, так і діючих На рис. 1 наведена схема функціонування експертної системи.

Рис. 1. Схема функціонування експертної системи [7, c. 344]

Інструкції і інформація

Розв’язки і пояснення

Знання

Модель експертної системи, як видно з рисунка, складається з чотирьох головних частин:

¾   інтерфейсу користувача, що дає можливість користувачеві взаємодіяти з експертною системою;

¾   бази знань, яка містить нагромаджені знання щодо роз­в’язування специфічної проблеми;

¾   машини логічного висновку (inference engine), яка забезпечує здатність міркування та інтерпретує зміст баз знань;

¾   механізму (середовища) розроблення (development engine), який використовують експерт та інженер зі знань для створення експертної системи.

Охарактеризуємо стисло ці компоненти експертної системи.

Інтерфейс користувача. Інтерфейс користувача дає змогу менеджеру вводити інструкції (команди) та інформацію (зображені на рис. 9.3 суцільною стрілкою) в експертну систему і отримувати відповідні розв’язки чи пояснення (пунктирна стрілка). Інструкції уточнюють параметри, які уможливлюють експертній системі здійснювати процес міркування. Інформація подається у вигляді значень, які присвоюються конкретним змінним. Інтерфейс користувача надає механізми введення інформації в експертну систему і виведення з неї.

Бази знань.  Бази знань містять як факти, що описують проблемну галузь, так і способи подання знань, які описують те, як підбираються факти для певної логічної послідовності. Термін проблемний домен (problem domain) використовується для описування проблемної галузі.

Поширеною методикою подання знань є використання правил. Пра­вило описує, як діяти у заданій ситуації. Воно складається з двох час­тин: умови (condition), яка може або не може бути істиною і дії (action), яка виконується тоді, коли умова істинна. Прикладом правила є:

ЯКЩО ЕКОНОМІЧНИЙ ІНДЕКС > 1.20 І СЕЗОННИЙ ІНДЕКС > 1.30, ТО ПЕРСПЕКТИВА ЗБУТУ = «ВІДМІННА»

Усі правила, які містяться в експертній системі, називаються набором правил (rule set). Кількість правил може змінюватися від дюжини для простої експертної системи до 500, 1000 або навіть 10 000 для складних ЕС [7, c. 351].

Механізм висновку. Механізм або машина висновку є частиною експертної системи, яка виконує доведення (здійснює міркування) за допомогою використання змісту баз знань у специфічній послідовності (прямій, зворотній, змішаній). Ці послідовності будуть розглянуті окремо.

Механізм розроблення. Четвертою головною частиною експертної системи є механізм (середовище) розроблення, який використовується для створення експертної системи. Коли  механізм висновку складається з правил, то цей процес призначений для побудови множини правил. Використовуються два основні підходи до створення ЕС: мови програмування і оболонки експертної системи (expert system shell).

Оболонки ЕС забезпечили доступність засобів штучного інтелекту фірмам, які не мають необхідних ресурсів, щоб розробити свої системи, використовуючи мови програмування. У галузі бізнесу вони є найпоширенішим способом створення експертних систем на основі знань.

Технології розробки ЕС, що складається з таких шести послідовних етапів:  ідентифікація; концептуалізація;  формалізація;  виконання (реалізація); тестування;  дослідно-експериментальна експлуатація.

На етапі ідентифікації визначаються задачі, які підлягають розв’язанню, виявляються проміжні цілі розробки, визначаються експерти і типи користувачів.

Етап концептуалізації призначений для змістовного аналізу проблемної області, виявлення наявної інформації та визначення множини альтернативних методів вирішення поставлених задач.

На етапі формалізації обирається інструментарій і визначаються способи зберігання та представлення всіх типів знань; нормалізуються основні поняття, визначаються способи інтерпретації знань, моделюється робота системи, оцінюється адекватність понять, методів розв’язання, засобів подання і маніпулювання знаннями.

На етапі виконання здійснюється наповнення експертом бази знань [3, c. 21].

На даний час розповсюджені такі підходи до розробки ЕС: системи на основі правил, системи з використанням нейтронних мереж, експертні системи на основі  мереж довіри Байєса (МБ) та інші. Сучасним ефективним засобом обробки слабко структурованих даних постають мережі Байєса [7], тому саме даний інструментарій пропонується для створення експертних систем в державному управлінні виходячи з таких міркувань.

Мережі довіри Байєса, або просто байєсівські мережі, складаються з множини вузлів і сукупності спрямованих ребер, що з’єднують ці вузли між собою [7]. Ребра визначають причинно-наслідкові зв’язки у предметній області, що більшою частиною визначені неоднозначно. Вірогідність твердження (чи дії) представляється за допомогою ймовірностей. Концепція байєсових мереж полягає в оновленні ймовірностей подій (станів системи) при надходженні додаткової інформації. Математичним підґрунтям цього процесу є теорема Байєса. На відміну від систем, заснованих на правилах, метод оновлення ймовірностей у байєсових мережах є фундаментальним, і, якщо модель і інформація коректні, то нові ймовірності будуть обчислені коректно (стосовно аксіом класичної теорії ймовірностей) [7].

Інформацію може отримувати кожний вузол (змінна) мережі, оскільки оновлення ймовірностей інваріантне стосовно напряму розповсюдження інформації по ребрах мережі. Таким чином, МБ значно розширює можливості аналізу і прийняття рішень, оскільки дозволяє робити прямий і зворотний логічний висновок. Крім того, одночасне введення інформації про стани декількох вузлів не змінює алгоритму обробки даних мережі, що дає можливість виключити ситуації логічної суперечності, які часто мають місце при застосуванні інших методів.

Побудова МБ вимагає докладних знань стосовно причинно-наслідкових зв’язків між подіями предметної області. Якщо система має надавати можливість використання завчасно отриманих експертних знань, а тим більше таких, що мають інтуїтивну складову, то моделювання краще виконувати за допомогою МБ.

Крім того, МБ може навчатись, тобто адаптивно корегувати ймовірності подій при отриманні нової інформації щодо станів її вузлів. МБ в експертних системах мають такі значні переваги, як можливість чисельного трактування алгоритмів формування логічного висновку, гнучкість процесу розповсюдження інформації і врахування рівня суб’єктивізму експертів [4, c. 20].

Призначення експертних систем полягає у вирішенні досить важких для експертів завдань на основі накопичуваної бази знань, що відбиває досвід роботи експертів в даній проблемної галузі. Гідність застосування експертних систем полягає в можливості прийняття рішень в унікальних ситуаціях, для яких алгоритм заздалегідь не відомий і формується за вихідними даними у вигляді ланцюжка міркувань (правил прийняття рішень) з бази знань.  Рішення завдань передбачається здійснювати в умовах неповноти, недостовірності, багатозначності вихідної інформації і якісних оцінок процесів.

Серцевину експертної системи складає база знань, яка накопичується в процесі її побудови. Знання виражені в явному вигляді і організовані так, щоб спростити прийняття рішень.

Накопичення та організація знань - одна з найважливіших характеристик експертної системи. Наслідки цього факту виходять за межі побудови програми, призначеної для вирішення певного класу задач. Причина в тому, що знання - основа експертних систем - є явними і доступними, що й відрізняє ці системи від більшості традиційних програм.

Найбільш корисною характеристикою експертної системи є те, що вона застосовує для вирішення проблем високоякісний досвід. Цей досвід може представляти рівень мислення найбільш кваліфікованих експертів у даній області, що веде до рішень творчим, точним і ефективним. Саме високоякісний досвід у поєднанні з умінням його застосовувати, робить систему рентабельною, здатної заслужити визнання на ринку. Цьому сприяє також гнучкість системи. Система може наброщуватися поступово відповідно до потреб бізнесу або замовника. Це означає, що можна спочатку вкласти порівняно скромні кошти, а потім нарощувати її можливості в міру необхідності [4, c. 25].

Інший корисною рисою експертних систем є наявність у них прогностичних можливостей. Експертна система може функціонувати в якості системи обробки інформації або моделі рішення задачі в заданій області, даючи очікувані відповіді в конкретній ситуації і показуючи, як зміняться ці відповіді в нових ситуаціях. Експертна система може пояснити детально, яким чином нова ситуація привела до змін. Це дозволяє користувачеві оцінити можливий вплив нових фактів або інформації і зрозуміти, як вони пов'язані з рішенням. Аналогічно, користувач може оцінити вплив нових стратегій або процедур на рішення, додаючи нові правила або змінюючи вже існуючі.

База знань, що визначає компетентність експертної системи, може також забезпечити нову якість: інституційну пам'ять. Якщо база знань розроблена в ході взаємодії з провідними фахівцями установи, відділу або штабу, то вона представляє поточну політику або способи дії цієї групи людей. Цей набір знань стає зводом дуже кваліфікованих думок і постійно оновлюється довідником найкращих стратегій і методів, використовуваних персоналом. Провідні фахівці йдуть, але їх досвід залишається. Це важливо для ділової сфери і особливо цінно для збройних сил і урядових органів з їх частими перетвореннями та персональними переміщеннями.

І останнім важливою властивістю експертних систем є те, що їх можна використовувати для навчання і тренування керівних працівників та провідних фахівців. Експертні системи можуть бути розроблені з розрахунком на подібний процес навчання, так як вони вже містять необхідні знання і здатні пояснити процес свого міркування. Необхідно тільки додати програмне забезпечення, що підтримує відповідний вимогам ергономіки інтерфейс між учнем і експертною системою. Знання про методи навчання і можливе поведінці користувача також повинні бути включені.Як інструмент навчання експертна система забезпечує нових службовців великим багажем досвіду і стратегій, за якими можна вивчати рекомендовану політику і методи. Систему можна також адаптувати для навчання новачків конкретним завданням.

Експертні системи використовуються в багатьох областях, серед яких лідирує сегмент програм в бізнесі [4, c. 27].

2.  Експертні системи в практичній медицині

Стрімке розгортання науково-технічного прогресу, насичення всіх галузей нашого сучасного життя комп'ютерними технологіями не залишило осторонь і медицину. З часів Гіппократа аж до XX століття ми звикли уявляти лікаря озброєним арсеналом певних знань та вмінь, практичними навиками, за допомогою яких він встановлює діагноз та здійснює лікування. Проте XXI століття з його прогресом в науково-технічній сфері, появою трансгенних технологій, мутацій вірусів, з розвитком життєво небезпечних захворювань, вимагає від лікаря оперативності в постановці діагнозу та виборі оптимального і сучасного виду лікування. Маючи власну історію відкриттів, сектор охорони здоров'я був на диво стійким до впливу інформаційних технологій. Тоді як кожна інша велика галузь стрімко комп'ютеризувалась ще з 1980-х років, лікарі майже у всіх куточках світу працювали зазвичай з папірцем та ручкою. Але нині медицина поступово почала надолужувати згаяне. Медична культура й охорона здоров'я нині на пірозі технічної революції. Незважаючи на порівняно молодий вік медичної інформатики, яка налічує не більше ніж 40 років, інформаційні технології стрімко вторгаються в усі сфери медицини й організації охорони здоров'я (сімейна медицина, перехід до страхової медицини, створення єдиного інформаційного простору, інтеграція в європейський медичний простір). Сьогодні практично жоден етап діагностики не обходиться без комп'ютерних технологій. Поряд з цим, інтелектуальні інформаційні системи доволі обмежено застосовують у практичній медицині. Метою інтелектуальних автоматизованих систем є розширення кола задач, що розв'язуються за допомогою комп'ютерів, підвищення рівня інтелектуальної підтримки сучасного лікаря - фахівця, а ключовою задачею використання цих систем є створення методу, що імітує роботу експерта визначеної сфери. Застосування інтелектуальних систем в медицині, без сумніву, сприяє прогресивному розвитку інформаційного потенціалу, який є універсальним засобом вирішення широкого кола завдань на різних етапах лікування пацієнта [8].

Сьогодні медичні інтелектуальні інформаційні системи (МИС) реалізуються як пошукові медичні бази даних, забезпечені «інтелектуальними мережами», що не лише вдосконалює роботу лікаря, медичної сестри, лікаря-дослідника, лікаря- педагога, організатора охорони здоров'я, менеджера охорони здоров'я, а й сприяє дослідженню широкого спектра фармакологічної продукції. Медичні інформаційні технології з теоретичної й ексклюзивної площини сьогодні впритул наблизилися до медичної практики [12].

Інтелектуальна інформаційна система (ІІС) - це один з видів автоматизованих інформаційних систем, ще ІІС називають системою, основаною на знаннях. ІІС - програмний комплекс лінгвістичних і логіко-математичних засобів, що оперує знаннями в певній предметній області (ПО) для здійснення під­тримки діяльності людини і пошуку інформації у режимі розширеного діалогу природною мовою [9].

У процесі моделювання та побудови ІС використовується поняття моделі ПО, яка на основі системи знань забезпечує автоматичний вибір оптимального алгоритму розв'язку задачі. З погляду моделювання ІС можна охарактеризувати так:

¾   містять систему знань про ПО, що подана у вигляді моделі ПО;

¾   містить механізми міркувань, тобто метапроцедури, що використовують знання для знаходження розв'язку задач;

¾   їй притаманний природно-мовний інтерфейс, який забезпечує інтерактивну взаємодію користувача з інтелектуальною системою.

Ці три компоненти становлять сутність розгляду інтелектуальних систем як об'єкта моделювання.

У загальному випадку всі системи, основані на знаннях, можна розділити на системи, що вирішують завдання аналізу, і на системи, які вирішують завдання синтезу. Основна відмінність завдань аналізу від завдань синтезу полягає в тому, що якщо в завданнях аналізу множини рішень може бути перераховане і включене в систему, то в завданнях синтезу множина рішень потенційно не обмежена і будується з вирішень компонент або проблем. Завданнями аналізу є: інтерпретація даних, діагностика, підтримка прийняття рішення; до завдань синтезу належать проектування, планування, управління. Існують також комбіновані завдання: вивчення, моніторинг, прогнозування [8].

Відомі мови взаємодії і подання знань в інтелектуальних системах, як правило, мають вузькоспеціалізовану спрямованість. Вони основані на відомих логіко-математичних моделях (числення предикатів, системах продукцій, фреймах, семантичних мережах) і не дають змоги враховувати такі особливості досліджуваної предметної галузі, як неповнота і суперечливість знань і даних, динамічність і невизначеність об'єктів предметної галузі. Крім того, відсутність єдиних теоретичних підходів до розроблення всіх компонентів системи взаємодії, різ­номаніття користувачів (експерти, особи, що приймають рішення), яким необхідно надати різно­манітні мовні засоби для розв'язання різних задач, труднощі освоєння формальних мов корис­тувачами, що не програмують, визначають актуальність розв'язання науково-технічної задачі - розробки методів і моделей створення природно-мовного інтерфейсу експертної системи медичної діагностики (ЕСМД) захворювань, що дають змогу підвищити ефективність процесу взаємодії користувачів із системою.

Як відомо, особливістю таких систем є автоматизація вибору і прийняття оптимальних рішень на основі отриманого людиною досвіду та раціонального аналізу зовнішніх дій, описаних у термінах моделі ПО. Автоматизація процесів медичної діагностики, як один з найважливіших нап­рямів медицини, відіграє значну роль у підвищенні надійності і точності діагностики захворювань [17]. Аналіз наявних автоматизованих систем медичної діагностики (МД) показав, що вони не повною мірою задовольняють вимоги до розв'язання задач, які вимагають складних логічних висновків в умовах високого ступеня невизначеності, неповноти і суперечливості вихідних даних. Вихід з цього становища вбачається в інтелектуалізації цих систем на основі нових інформаційних технологій і, зокрема, у застосуванні концепції експертних систем (ЕС), що допомагають людині під час розв'язання задач, які важко формалізувати. Одним з елементів ЕС є підсистема взаємодії з користувачем. Основу взаємодії становлять мовні засоби, оскільки тільки за допомогою мови (формальної або природної) можна досягти визначеної мети у процесі спілкування комунікантів [8].

Експертні системи відрізняються від інших систем штучного інтелекту наступними основними ознаками:

1) орієнтованість на вузькоспеціалізовану предметну галузь;

2) вони розробляються для вирішення задач, які підходять для людини-експерта;

3) здатність пояснювати свої рішення зрозумілим користувачеві образом.

Ці ознаки в тій чи іншій мірі простежуються в медичних експертних системах, перші суттєві розробки яких відносяться до початку 1970-х років. Застосування експертних систем в медицині найефективніше при вирішенні задач діагностики, інтерпретації даних, прогнозуванні перебігу захворювань і ускладнень, моніторингу перебігу захворювання і планування лікувально-діагностичного процесу.

В наш час побудова ефективних експертних систем різного призначення, у тому числі, медичних систем, залишається завданням актуальним і перспективним. Пройдений лише перший відрізок довгого шляху, труднощі подолання якого обумовлені, з одного боку, надзвичайною складністю об'єкту, що моделюється з використанням експертних систем – мозку людини, а з іншого боку високою складністю завдань, вирішення яких покладається на медичні експертні системи [6, 8].

Одна з перших діагностичних експертних систем MYCIN призначена для роботи в галузі діагностики і лікування зараження крові і медичних інфекцій. На підставі симптомів система видає декілька діагнозів із зазначенням відповідних коефіцієнтів визначеності і пропонує курс лікування виявленої інфекції. База знань MYCIN містить близько 500 правил, розроблених за допомогою групи з інфек-ційних захворювань Станфордського університету.

На основі обчислених коефіцієнтів визначеності для кожного діагнозу користувачеві пред'являється список можливих результатів.

Успіх MYCIN спричинив створення на її основі оболонки EMYCIN і цілого ряду нових експертних систем. Наприклад, NEOMYCIN, в якій була спроба використовувати більш абстрактний підхід до вирішення медичних проблем, ніж у прототипі, допомагає лікарям діагностувати і лікувати менінгіт і схожі з ним захворювання. При розробці системи було надано значної уваги моделюванню того методу вирішення проблеми, якій властивий лікареві (когнітивне моделювання). Тому в даному програмному продукті знання представлені в такий спосіб, який полегшує пояснення і навчання. Ключова відмінність між MYCIN і NEOMYCIN – це явне відокремлення діагностичної процедури від знань про хвороби.

Експертна система INTERNIST, яка розроблена в Піттсбургськом університеті, діагностує декілька сотень різноманітних хвороб на рівні кваліфікованого лікаря. Складні діагнози внутрішніх захворювань, що виводяться системою, визначаються на підставі історії хвороби, симптомів і результатів лабораторних досліджень. Система спирається в своїх рішеннях на набір профілів захворювань (більше 500), що описуються більш, ніж 3500 проявами хвороби і які містять факти, що зустрічаються у зв'язку з кожним із захворювань. Перший варіант системи називається INTERNIST-I, другий – CADUCEUS.

На окрему увагу заслуговує експертна діагностична система по невідкладних станах у дітей ДИН, яка розроблена в Московському НДІ педіатрії і дитячої хірургії.

Як відмічено в [8], база знань ДИН містить описи 34 синдромів, які включають 84 стани. Для системи це список діагностичних припущень-гіпотез. База експертних знань лікаря-реаніматолога налічує більше 1000 діагностичних критеріїв і висновків про динаміку розвитку невідкладного стану. База знань про синдроми в системі містить декларативну і процедурну інформацію. Декларативні знання описують синдроми (клінічна картина, додаткові синдроми), а процедурні вказують на те, як використовувати знання в процесі діагностики. Механізм логічного виводу ДИН формує висновок на основі запрограмованої логіки лікаря-реаніматолога. Основою його роботи є змішана стратегія: використовується і прямий, і зворотний ланцюжок міркувань. Відзначимо, що переважна більшість медичних експертних систем орієнтована на роботу з окремими органами або системами органів. Прокласифікуємо найбільш відомі діагностуючі експертні системи за цим критерієм:

1) порушення кислотно-лужної і водно-сольової рівноваги у пацієнтів, що визначаються на основі застосування знань про захворювання і симптоми, які викликаються ними (ABEL);

2) захворювання крові (MYCIN, HEME, порушення здатності згущуватися крові: AI/COAG, CLOT);

3) захворювання нирок (AI/MM, DIALYSIS THERAPY ADVISOR, EEG ANALYSIS SYSTEM);

4) ревматичні захворювання (AI/RHEUM, ARAMIS);

5) захворювання серцево-судинної системи (ANGY, ANNA, DIAGNOSER, DIGITALIS ADVISOR, GALEN, HEART IMAGE IN-TERPRETER, HT-ATTENDING, MECS-AI, MI, МОДИС);

6) захворювання щитовидної залози (MECS-AI, THYROID MODEL);

7) порушення в роботі нервової системи (BLUE BOX, HEADMED, NEUREX);

8) захворювання очей (CAS-NET/GLAUCOMA, MEDICO, OCULAR HERPES MODEL, PEC);

9) порушення функцій легенів (CENTAUR, PUFF, WHEEZE, ТАРТА);

10) захворювання, пов'язані з болем в грудях (EMERGE, MED1);

11) захворювання печінки (MDX, PATREC, RADEX).

Таблиця 1

сегменти

значення

інтерпретація

1, 2

0-20

4 стадія функц. нед.

21-30

3 стадія функц. нед.

31-40

2 стадія функц. нед.

41-49

1 стадія функц. нед.

50-65

норма

66-90

функц. напр.

91-100

істинна гіперфункція

3-30

0-20

4 стадія функц. нед.

21-30

3 стадія функц. нед.

31-50

2 стадія функц. нед.

51-77

1 стадія функц. нед.

78-86

норма

87-90

функц. напр.

91-100

істинна гіперфункція

Для традиційної оцінки цих показників і подальших досліджень по постановці діагнозу пацієнта необхідний висококваліфікований лікар. Проте, для успішної постановки діагнозу необхідні значні витрати часу і т.д. Тому актуальним є задача розробки експертної системи, яка б в автоматичному режимі проводила оцінку отриманих даних за наступними основними критеріями:

¾   наявність феномену падіння стрілки, які свідчить про скупчення в тканинах вільних радикалів, що виникають при хронічних процесах, локальних метаболічних порушеннях;

¾   наявність феномену падіння стрілки, які свідчить про скупчення в тканинах вільних радикалів, що виникають при хронічних процесах, локальних метаболічних порушеннях

¾   рівень діаграм, який порівнюється з отриманими даними відносно рівня нормальної функції;

¾   наявність бокової диференціальної різниці в симетричних відведення, що свідчить про однобічний процес;

¾   лабільність функціонального стану.

Експертна система, що розробляється, дозволяє провести як нозологічну, так і донозологічну діагностику стану здоров'я людини.

Досвід використання в медицині систем, побудованих на знаннях, дає змогу зробити висновок про безперечну перспективність інтелектуального забезпечення для розвитку медицини. Безліч чинників і складність взаємодії в ході прийняття рішень роблять медицину, в якій часто саме статистика «знає все», однією з галузей, де застосування автоматизованої техніки є важким. Ситуацію погіршує відсутність стандартизації у термінології, форматі, шкалах вимірювання. Системи діагностичного кодування стають в наш час універсальнішими, але детальний перелік ознак і симптомів, формати для реєстрації даних, а також організація записів визначаються індивідуально. Ще немає гнучких і легко використовуваних комп'ютерних методів машинного представлення медичних знань, а також формалізації прийняття рішень. До того ж до параметрів комп'ютерів за швидкодією доступу, об'ємом пам'яті, представлення графіків необхідні високі вимоги. Проте інтелектуальні програми підтримки прийняття рішень, що допомагають лікарям в задачах вибору найоптимальнішого варіанта призначення лікування, сьогодні є найменш висвітленою галуззю штучного інтелекту і створює підґрунтя для подальшого опрацювання та вирішення цієї проблеми [8].

Висновки

Експертні системи (ЕС) - це комп'ютерні програми, створені для виконання тих видів діяльності, які під силу людині-експертові. Вони працюють таким чином, що імітують спосіб дій людини-експерта, і істотно відрізняються від точних, добре аргументованих алгоритмів і не схожі на математичні процедури більшості традиційних розробок.

Якщо при традиційному процедурному програмуванні комп'ютеру необхідно повідомити що і як він повинен робити, то спільним для експертних систем є те, що вони мають справу зі складними проблемами:

¾   які недостатньо добре розуміються або вивчені;

¾   для яких немає чітко заданих алгоритмічних рішень;

¾   які можуть бути досліджені за допомогою механізму символічних міркувань.

Специфіка ЕС полягає в тому, що вони використають:

¾   механізм автоматичного міркування (висновку);

¾   «слабкі методи», такі як пошук або евристики.

Основними вимогами до ЕС є:

¾   використання знань пов'язано з конкретною предметною галуззю;

¾   придбання знань від експерта;

¾   визначення реальної й досить складного завдання;

¾   наділення системи здібностями експерта.

Експерти - це кваліфіковані фахівці у своїх областях діяльності – фінансисти, економісти, лікарі, адвокати й т.д., які мають загальні якості:

¾   мають величезний багаж знань про конкретну предметну область;

¾   мають великий досвід роботи в цій області;

¾   уміють точно сформулювати й правильно вирішити завдання.

ЕС покликані замінити фахівців у конкретній предметній області, тобто дозволити вирішити завдання без експерта.

 

Список використаних джерел

  1. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский – СПб: Питер, 2000. – 384 с.
  1. Бидюк П.И. Построение и методы обучения байесовских сетей / Бидюк П.И., Терентьев А.Н.  – Таврический вестник информатики и математики, 2004, № 2, с. 139-153.
  1. Джарратано Д., Райли Г. Экспертные системы: принципы разработки и программирование, 4-е издание.: Пер. с англ. – М.: ООО "И.Д. Вильямс", 2007. – 1152 с.
  1. Джексон П. Введение в экспертные системы.: Пер. с англ.: Уч. пос.  – М.: Издательский дом "Вильямс", 2001. – 624 с.
  1. Дик В.В. Методология формирования решений в экономических системах и  среды их поддержки / Дик В.В. – М.: Финансы и статистика, 2001. – 300 с.
  1. Олексюк О.С. Системи підтримки прийняття фінансових рішень / Олексюк О.С. – Київ: Наукова думка, 1998. – 508 с.
  1. Ситник В. Ф. Системи підтримки прийняття рішень: Навч. посіб. — К.: КНЕУ, 2004. — 614 с.
  1. Таперова Л. Н. Дин – экспертная диагностическая система по неотложным состояниям / Л. Н. Таперова, В. Веприцкая, Б. А. Кобринский // Программные продукты и системы. – 1995. – № 1. – С. 30-32

База готовых работ: