Моделювання процесу ранжування у нейромережному класифікаторі об’єктів

Abstract

У складі експертних систем різного призначення однією з базових є підсистема підт-римки прийняття рішень, яка, у свою чергу, потребує необхідності у процедурі кла-сифікації об’єктів. Особливо наочно це спостерігається в інтелектуальних системах медичного діагностування, в яких широко застосовуються методи та засоби штуч-ного інтелекту. В цьому контексті на високому рівні ефективно зарекомендував себе підхід із залученням сучасних методів нейротехнології. В даній роботі розглядаєть-ся варіант структурної організації нейромережного класифікатора об’єктів як вдос-коналеної моделі нейромережі Хеммінга. Особливістю наведеного варіанта класифі-катора є розширення його функціональних можливостей за рахунок формування ра-нгів входження класифікованого об’єкта до всіх визначених класів. На прикладі ме-дичного діагностування це означає ранжування всіх можливих діагнозів захворю-вання, тобто визначення не тільки найбільш вірогідного діагнозу, але й найближчих за рангом до нього. Фактично це дозволить уточнювати поставлений діагноз, а от-же, покращити результати медичного дігностування. Відповідно проведено іміта-ційне моделювання процесу класифікації з ранжуванням результатів, який відповідає класифікації з реалізацією конкуренції між нейронами конкурентного шару із залу-ченням від’ємно-зворотних (латеральних) зв’язків. Такий підхід є базовим у теорії нейронних мереж для визначення нейрона-переможця за версією WTA (Winner Takes All). Імітаційне моделювання варіанта класифікації виконувалось із залученням конкретних біомедичних даних (вісьмох симптомів) для діагностування захворювань апендициту (чотирьох діагнозів). Результати моделювання процесів нейромережної класифікації об’єктів з формуванням відповідних рангів наведено у вигляді таблиці. Вони підтвердили правильність алгоритму функціонування для розглянутої моделі класифікації.

As part of expert systems for various purposes, one of the basic ones is the decision support subsystem, which, in turn, requires the need for a procedure for classifying ob-jects. This is especially evident in intelligent medical diagnostic systems, which widely use artificial intelligence methods and tools. In this context, an approach involving mod-ern neurotechnology methods has proven to be effective at a high level. This paper con-siders a variant of the structural organization of a neural network classifier of objects as an improved model of the Hamming neural network. The peculiarity of this variant of the classifier is the expansion of its functionality by forming the ranks of the classified ob-ject in all defined classes. In the case of medical diagnosis, this means ranking all possi-ble diagnoses of a disease, i.e. determining not only the most likely diagnosis, but also the closest in rank to it. In fact, this will allow us to clarify the diagnosis, and thus im-prove the results of medical diagnosis. Accordingly, we simulated the classification pro-cess with the ranking of results, which corresponds to the classification with the realiza-tion of competition between the neurons of the competitive layer using negative-reverse (lateral) connections. This approach is basic in the theory of neural networks for deter-mining the winning neuron according to the WTA (Winner Takes All). Simulation model-ing of the classification variant was performed using specific biomedical data (eight symptoms) for the diagnosis of appendicitis (four diagnoses). The results of modeling the processes of neural network classification of objects with the formation of appropri-ate ranks are presented in the form of a table. They confirmed the correctness of the functioning algorithm for the considered classification model.