Search academic texts

Information × Registration Number 2121U008716, Article popup.category Стаття, Опубліковано, Рецензована стаття Title COVID-19 CORONAVIRUS SCREENING ANALYSIS NEURAL NETWORK TECHNOLOGY popup.author Aloshyn S.Khomenko I.Fursova N.Aloshyn S.Khomenko I.Fursova N. popup.publication 31-05-2021 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/2306 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description Низькозатратна, надійна і оперативна скринінг-діагностика коронавіруса може бути реалізована на основі інтелектуальних технологій аналізу сукупності ознак симптомів з рішенням задачі розпізнавання образів в базисі штучних нейронних мереж. Високий ступінь апріорної невизначеності діагностичної процедури коронавірусної небезпеки, розмірність вектору вхідних факторів-симптомів, нечітка обумовленість і слабка формалізованість взаємозв'язків станів суб'єкта з цими симптомами вимагають відповідного аналітичного інструментарію. Аналіз проблеми і можливих рішень дозволяє обґрунтувати доцільність реалізації скринінг-діагностування як рішення задачі нелінійної оптимізації в багатовимірному просторі факторів і станів високої розмірності. Як інструмент реалізації проекту обрано штучні нейронні мережі з примусовим навчанням на репрезентативній вибірці прикладів. Проведені дослідження ознакових просторів процесу розпізнавання (діагностування), можливостей коректного застосування статистичних вирішальних правил, алгоритмів примусового навчання ансамблю синтезованих нейромережних моделей в базисі існуючих пакетів технічних даних, дозволяють підвищити продуктивність технічних засобів діагностики шляхом автоматизації процесу аналізу, зниження впливу суб'єктивних рішень, скорочення часу реакції. Запропонована технологія наближає діагностику коронавірусної небезпеки до повної автоматизації, роботизації і інтелектуалізації складних моніторингових (діагностичних) систем як найбільш перспективної технології розпізнавання образів в системах з високим ступенем ентропії і дозволяє вирішувати вартісну задачу при мінімальних витратах і необхідних показниках ефективності. При цьому сучасний програмний інструментарій дозволяє оперативно конструювати нейромережному середу і реалізувати широкий клас архітектур нейромереж різної складності і правил модифікації вагових коефіцієнтів в процесі примусового навчання з можливістю адаптації набору стандартних опцій (попередня обробка, факторний аналіз, організація однорідних підмножин, чутливість входів, класифікація та ін.). popup.nrat_date 2026-04-19 Close