Search academic texts

Information × Registration Number 0826U001249, PhD dissertation Status Доктор філософії Date 11-05-2026 popup.evolution o Title Information System for Supporting Semi- Supervised Learning in Large-Scale Medical Data Dimensionality Reduction Tasks Author Nelia S. Miroshnychenko, popup.head Perova Iryna H. popup.opponent Volodymyr Hnatushenko popup.opponent Anatoliy Tryhuba popup.review Alina S. Nechyporenko popup.review Alina Shafronenko Description Мірошниченко Н.С. Інформаційна система підтримки напівконтрольованого навчання для задач зменшення розмірності великих вибірок медичних даних. - Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю F3 Комп’ютерні науки. - Харківський національний університет радіоелектроніки, Міністерство освіти і науки України, Харків, 2026. Актуальність роботи полягає у використанні методів зменшення розмірності, що дозволяють скоротити кількість ознак без втрати ключових характеристик даних. Особливу цінність має напівконтрольоване навчання, яке ефективно працює з великими наборами даних за наявності міток лише для частини зразків — типова ситуація в медицині через високу вартість експертної анотації. Розробка інформаційної системи підтримки напівконтрольованого навчання для зменшення розмірності великих вибірок медичних даних має наукову та практичну значущість, оскільки підвищує якість діагностики, прогнозування та персоналізованого лікування, сприяючи інтеграції інтелектуальних технологій у медичну інформатику. Метою дисертаційної роботи є розробка інформаційної системи підтримки напівконтрольованого навчання для зменшення розмірності великих вибірок медичних даних. Для досягнення мети вирішуються такі завдання: – провести огляд і аналіз існуючих методів зменшення розмірності, класифікації та кластеризації медичних даних, їх переваг, обмежень та придатності для напівконтрольованого навчання; – розробити модифікований метод зменшення розмірності на основі автоенкодера з адаптивною функцією втрат; – розробити та вдосконалити методи адаптивного нейро-фаззі методу з динамічним коефіцієнтом підсилення цільових векторів та методу Adaptive Fuzzy Kohonen з критерієм мінімізації та скалярним параметром належності; – спроектувати архітектуру та розробити математичну модель і алгоритми функціонування інформаційної системи підтримки напівконтрольованого навчання; – провести експериментальне дослідження системи на реальних медичних даних, проаналізувати результати та оцінити ефективність розробленої системи; – сформулювати рекомендації щодо практичного застосування системи для підтримки клінічних рішень, прогнозування розвитку захворювань та вибору терапії у персоналізованій медицині. Registration Date 2026-04-28 popup.nrat_date 2026-04-28 Close