ДОСЛІДЖЕННЯ ШВИДКОДІЇ РОБОТИ АПРІОРНИХ АЛГОРИТМІВ НА ДАНИХ ВЕЛИКИХ ОБСЯГІВ

Ольга Леонідівна Половинка, Данило Володимирович Нікулін, Ольга Анатоліївна Дмитрієва
2020 Наука та виробництво  
Наука та виробництво 2020 р. Вип. 22 Інформаційні технології 246 Ключові слова: глибоке машинне навчання; сверточное нейронна мережа; методи розпізнавання образів; візуалізація зображень; рентгенограма; алгоритм навчання. Грицай А.С., Левицкая Т.А., Бухлал Н.А. СИСТЕМАТИЗАЦИЯ ПОИСКА АНОМАЛИЙ В РЕНТГЕНОВСКИХ СНИМКАХ Ускорить процесс диагностики аномалий, снизить количество ошибок и повторных опросов пользователей позволяют алгоритмы патолого-структурных структур, использующих нейронные сети. В
more » ... атье рассматриваются способы машинной систематизации и распознавания рентгеновских снимков (CXR), а также проблемы совершенствования искусственных нейронных сетей, которые применяются с целью усиления свойств систематизации рентгенологических синдромов. В виду того, что для выявления заболевания вполне достаточно реализовать определенный алгоритм, нейронные сети являются идеальными для распознавания болезней с применением сканирования. Проанализировав исследований и публикаций по этой теме были сформированные основные задачи для моделирования системы. Также были классифицированы архитектуры нейронных сетей, с указанием их недостатков и преимуществ. Выявлено, что современные методы обнаружения аномалий в CXR имеют некоторые сложности, такие как недостающие число тренировочных сведений, типизацией изображений и предварительной сегментацией тренировочного набора. Детерминированные конкретные способы решения проблем нейронных сетей при анализе данных. Для реализации предложено применить методы глубокого машинного обучения, на основе сверточных нейронных сетей применяя предварительную сегментацию тренировочной выборки с обратным распространением ошибки и градиентного спуска с и применения трансферного обучения для систематизации заболеваний на медицинских изображениях. Для решения поставленных задач выбраны инновационные ІТ-технологии. В результате была реализована определенная архитектура интеллектуальной системы, позволяющая обнаруживать аномалии на рентгенограммах, которые позволяют нам создавать эффективные структуры нейронных сетей и повышать точность распознавания патологических структур на рентгенограммах. Ключевые слова: глубокое машинное обучение; сверточная нейронная сеть; методы распознавания образов; визуализация изображений; рентгенограмма; алгоритм обучения. Рецензент доц., к.т.н. Сорочан О.М. Статья поступила 26.11.2019 УДК 004.032.24 Половинка О.Л., Нікулін Д.В., Дмитрієва О.А. ДОСЛІДЖЕННЯ ШВИДКОДІЇ РОБОТИ АПРІОРНИХ АЛГОРИТМІВ НА ДАНИХ ВЕЛИКИХ ОБСЯГІВ В статті обґрунтовано використання алгоритмів пошуку асоціативних правил для роботи з неструктурованими даними великих обсягів. Зазначено, що найбільш популярним алгоритмом пошуку асоціацій є алгоритм Apriori. Наведено результати аналізу роботи лінійних алгоритмів пошуку асоціацій з неструктурованими даними великих обсягів. Розглянуто найбільш відомі модифікації апріорних алгоритмів пошуку асоціативних правил,
doi:10.31498/2522-9990222020211383 fatcat:g2pmkfm4ajbklgmqob7mnkyedi