Алгоритм настройки нечеткого логического вывода в медицинских информационных системах, основанных на знаниях

Цель исследования - совершенствование настройки нечеткого логического вывода в медицинских информационных системах, основанных на знаниях.

Методы. Ведущим подходом к исследованию обозначенной проблемы является подстройка правил систем нечеткого логического вывода на основе принципов работы пропорционально-интегрального регулятора.

Результаты. Актуальность исследования обусловлена необходимостью совершенствования медицинских информационных систем путем внедрения технологий искусственного интеллекта. Ключевым элементом таких систем является механизм вывода решений, реализующий логический вывод из предварительно построенной базы фактов и правил в соответствии с законами формальной логики. Эффективность механизма вывода решений существенно зависит от качества его настройки. В статье представлены алгоритм настройки систем нечеткого логического вывода типа Сугено, позволяющий осуществить подстройку правил систем нечеткого логического вывода с минимизацией времени подстройки и времени перерегулирования, а также результаты исследования зависимости величины ошибки и перерегулирования от величин интегральной и пропорциональной составляющих.

Заключение. Разработан алгоритм настройки нечеткого логического вывода в медицинских информационных системах, основанных на знаниях, минимизирующий время подстройки решающих правил и время их перерегулирования. Материалы статьи представляют практическую ценность для совершенствования информационных систем, основанных на знаниях. Приоритетами дальнейших исследований являются исследования зависимости скорости подстройки решающих правил от формы функций принадлежности входных переменных и величины коэффициента ограничения интегральной составляющей.

1. Максимов И. Б., Столяр В. П., Богомолов А. В. Прикладная теория информационного обеспечения медико-биологических исследований. М.: Бином, 2013. 312 с.

2. Нечеткое моделирование медицинских экспертных систем / Т. М. Леденева, С. Л. Подвальный, Р. К. Стрюков, С. В. Дегтярев // Биомедицинская радиоэлектроника. 2016. № 9. С. 16-24.

3. Интеллектуальная поддержка выбора схем лечебной стабилизации при смешанном ишемическом поражении / А. В. Быков, Н. А. Кореневский, С. Н. Родионова, М. В. Артеменко // Медицинская техника. 2020. № 4 (322). С. 49-52.

4. Пегат А. Нечеткое моделирование и управление. M.: Бином. Лаборатория знаний, 2013. 798 с.

5. Fuzzy adaptive control system of a non-stationary plant with closed-loop passive identifier / F. Manentia, F. Rossia, A. Goryunov, A. Dyadik, K. Kozin, I. Nadezhdin, S. Mikhale- vich // Resource-Efficient Technologies. 2015. Vol. 1, N 1. P. 10-18.

6. Прогностические аспекты оценивания риска здоровью персонала химически опасных объектов / И. Б. Ушаков, И. В. Бухтияров, С. К. Солдатов, Ю. А. Кукушкин, А. В. Богомолов, А. С. Сипаков // Безопасность жизнедеятельности. 2009. № 12 (108). С. 2-7.

7. Fuzzy prediction and early detection of stomach diseases by means of combined iteration fuzzy models / R. T. Al-Kasasbeh, N. Korenevskiy, E. Boiteova, M. S. Alshamasin, F. Ionescu, E. Al-Kasasbeh // International Journal of Biomedical Engineering and Technology. 2019. Vol. 30, N 3. P. 228-254.

8. Леденева Т. М. О решении задачи диагностики на основе нечеткого моделирования // Обозрение прикладной и промышленной математики. 2011. Т. 18, № 2. С. 298299.

9. Maistrou A. I., Bogomolov A. V. Technology of automated medical diagnostics using fuzzy linguistic variables and consensus ranking methods // World Congress on Medical Physics and Biomedical Engineering: Diagnostic and Therapeutic Instrumentation, Clinical Engineering. IFMBE Proceedings. Munich, 2009. P. 38-41.

10. Risk-metriyc staff health facilities for the disposal of chemical weapons / Yu. Kukushkin, A. Vorona, A. Bogomolov, S. Chistov // Health Risk Analysis. 2014. N 3. P. 26-34.

11. Korenevskiy N. A., Krupchatnikov R. A., Gorbatenko S. A. Generation of fuzzy network models taught on basic of data structure for medical expert systems // Open Biomedical Engineering Journal. 2015. Vol. 42, N 2. P. 67.

12. Леденева Т. М., Моисеев С. А. Формализация свойств интерпретируемых лингвистических шкал и термов нечетких моделей // Прикладная информатика. 2012. № 4 (40). С. 126-132.

13. Kosko B. Fuzzy systems as universal aproximators // IEEE Transactions on Computers. 1994. Vol. 43, N 11. P. 1329-1333.

14. Kosko B. Global stability of generalized additive fuzzy systems // IEEE Transactions on Systems, Man, and Cybernetics. Part C: Applications and Reviews. 1998. Vol. 28, N 3. P. 441-452.

15. Голосовский М. С. Алгоритм локальной настройки систем нечеткого логического вывода типа Мамдани с сохранением интерпретабельности продукционных правил // Управление большими системами: сборник трудов / Институт проблем управления имени В. А. Трапезникова РАН. М., 2018. Вып. 74. С. 6-22.

16. Алгоритм настройки системы нечеткого логического вывода типа Мамдани / М. С. Голосовский, А. В. Богомолов, Д. С. Теребов, Е. В. Евтушенко // Вестник Южно-Уральского государственного университета. Серия: Математика. Механика. Физика. 2018. Т. 10, № 3. С. 19-29.

17. Кудинов Ю. И., Келина А. Ю. Методы синтеза и настройки нечетких ПИД регуляторов Мамдани // Информационные технологии. 2012. № 6. 32 с.

18. Кочергин Е. В., Леденева Т. М., Алтухов А. В. Об одном подходе к аппроксимации функции с помощью систем Takagi-Sugeno // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2008. № 2. С. 72-79.

19. Голосовский М. С., Богомолов А. В., Евтушенко Е. В. Алгоритм настройки систем нечеткого логического вывода типа Сугено // Научно-техническая информация. Серия. 2: Информационные процессы и системы. 2021. № 5. С. 1-11.

20. Dagaeva M., Katasev A. Fuzzy rules reduction in knowledge bases of decision support systems by objects state evaluation // Studies in Systems, Decision and Control. 2021. Vol. 338. P. 113-123.

21. Катасев А. С. Нейронечеткая модель и программный комплекс автоматизации формирования нечетких правил для оценки состояния объектов // Автоматизация процессов управления. 2019. № 1 (55). С. 21-29.

22. Диагностика состояния человека: математические подходы / А. В. Богомолов, Л. А. Гридин, Ю. А. Кукушкин, И. Б. Ушаков. М.: Медицина, 2003. 464 с.

23. Катасев А. С. Методы формирования нечетких моделей оценки состояния объектов в условиях неопределенности // Математические методы в технике и технологиях. 2019. Т. 2. С. 111-118.

24. Голосовский М. С., Богомолов А. В., Баландов М. Е. Алгоритм настройки систем нечёткого логического вывода типа Сугено на основе метода ближайших соседей // Математические методы в технологиях и технике. 2021. № 6. С. 108-112.

25. Тобин Д. С., Голосовский М. С., Богомолов А. В. Технология обеспечения достоверности информации при проведении сетевых экспертиз // Современные информационные технологии и ИТ-образование. 2020. Т. 16, № 3. С. 623-632.

26. Катасев А. С. Технология формирования нечетких моделей оценки состояния объектов в условиях неопределенности // Математические методы в технике и технологиях. 2020. Т. 4. С. 118-121.