Нейронные сети для построения базовых структур автономных агентов для прогнозирования инсультов
Построение нейронной сети производилось с использованием статистического пакета StatSoft Statistica v.6 путем проведения итераций ее обучения методом обратного распространения ошибки.
На первой итерации в качестве входных параметров использовались все ее параметры. В качестве параметра, характеризующего качество работы нейронной сети, оценивалась доля совпадений результатов прогноза нейронной сетью и фактического наличия риска инсульта, определяемого либо путем экспертного оценивания, либо по сертифицированной системе прогнозирования ССЗ. После каждой итерации проводился анализ важности входных параметров, по результатам которого наименее важный параметр исключался из обучения на следующей итерации. Анализ важности входных параметров производился путем анализа чувствительности, входящего в стандартный набор методов в системе Statistica v.6. Анализ чувствительности осуществлялся автоматически путем поочередного удаления каждого входного параметра и определения качества работы нейросети без него. Если нейронная сеть при удалении параметра улучшала результаты, то удаленному входному параметру присваивалась низкая (< 1) важность (чем лучше нейронная сеть давала результат, тем меньше присваивалась важность). Если нейронная сеть при удалении параметра ухудшала результаты классификации, то удаленному входному параметру присваивалась высокая (> 1) важность (чем хуже нейронная сеть давала результат, тем больше присваивалась важность удаленному информативному признаку). Таким образом, каждая итерация обучения включала в себя обучение нейронной сети, проведение анализа чувствительности и удаление из набора тех входных параметров, которые имели низкую (< 1) важность, а каждая последующая итерация производилась без удаленных на предыдущей итерации параметров. Обучение и удаление входных параметровпроизводилось до момента, когда все входные параметры имели высокую важность (> 1).
Для определения референтных границ вероятности наличия у пациента риска инсульта, получаемой по результатам работы нейронной сети, использовался ROC-анализ с определением показателей чувствительности (Se), специфичности (Sp) [92].
Выбор топологии (структуры) нейронной сети осуществлялся также автоматически стандартными средствами системы Statistica v.6 следующим образом. На каждом этапе обучения нейронной сети производилось построение моделей с различной комбинацией числа нейронов скрытого слоя, функций активации нейронов скрытого и выходного слоя. Число нейронов входного слоя равнялось числу входных параметров, а число выходных нейронов - 2, по числу возможных вариантов прогноза (риск инсульта/нет риска инсульта). Из всех построенных нейронных сетей выбиралась модель с наилучшим качеством прогноза.
2.1.2
Еще по теме Нейронные сети для построения базовых структур автономных агентов для прогнозирования инсультов:
- Нечеткие логические модули для построения базовых структур автономных агентов
- Построение базовой модели мультиагентной интеллектуальной системы для прогноза риска инсультов
- 4.2 Метод синтеза виртуального потока для нейронной сети прямого распространения
- Интеллектуальные агенты для прогнозирования профессиональных заболеваний
- Метод построения гибридных решающих правил для прогнозирования риска артериальной гипертензии
- Выбор базовых структур анализаторов данных интеллектуальных агентов нижнего иерархического уровня
- Интеллектуальные агенты для прогнозирования психологической устойчивости работника экстремальных профессий
- Структурные и архитектурные решения для мультиагентных интеллектуальных систем прогнозирования инсультов
- Разработка метода построения гибридных нечетких моделей для прогнозирования возникновения и осложнений артериальной гипертензии у водителей транспортных средств с учетом энергетических характеристик биоактивных точек
- Метод синтеза аппроксиматоров, формирующих виртуальный поток на основе обучаемой нейронной сети
- Формализованные математические описания поведения систем для их базовых моделей
- Интеллектуальные агенты для исследования адаптационного потенциала человека