Tibbiy soha ekspert tizimlari bilimlar bazasini yaratishda sust strukturali ma’lumotlarni qayta ishlash
![1. Nazariy va loyihalash bosqichi o‘rganilayotgan masala bo‘yicha
adabiyotlarni tahlil qilish, zamonaviy yondashuvni tizimlashtirish va
umumlashtirishni o‘z ichiga oladi. Bu davrda tadqiqotning asosiy uslubiy
xarakteristikalari aniqlanadi, ish reja va model ishlab chiqiladi.
2. Eksperimental bosqich o'rganilayotgan jarayonni diagnoz qilishni
ishlab chiqish, tadqiqotning dasturiy qismini amalga oshirish va tadqiqot
natijalarini tibbiyot muassasalari amaliyotiga joriy etish.
3. Yakuniy bosqich ekspert tizimining natijalarini tekshirish va
aniqlashtirishni o'z ichiga oladi.
Adabiyotlar sharhi va tahlili. Ilmiy tadqiqotni olib borish jarayoni va
dissertatsiya ishini yozishda foydalanilgan adabiyotlarning tahlilini keltiramiz.
[1]–[14] adabiyotlardan mavzuning dolzarbligi uchun foydalanildi va [1]–[22]
adabiyotlardan esa ekspert tizimlarini amaliy tatbiqlari haqidagi asosiy
tushunchalar olindi. [22] – [32] adabiyotlardan I bobda keltirilgan ma'lumotlarni
bayon qilishda foydalanildi. [4] – [19] adabiyotlardan ishda tadqiq qilingan
masalalarning algoritmlarini tuzishda foydalanildi. Dissertasiyada olingan
natijalar [55] – [56] adabiyotlarda e'lon qilingan. [47] – [54] adabiyotlardan esa
dasturiy modulni yaratishda foydalanildi.
Tatqiqot usullari. Ushbu magistrlik dissertatsiyasida konstruktiv
mantiqning algebraik modeli algoritmidan foydalanib ekspert tizimlarining
bilimlar bazasini yaratish masalasini yechish da foydalanildi .
Tatqiqotnig nazariy va amaliy ahamiyati. Ishda erishilgan natijalar
amaliy ahamiyatga ega bo lib, nazariy ma’lumotlar bilan mos keladi va undaʻ
qo llanilgan usullar va yaratilgan dasturiy moduldan
ʻ turli tibbiyot muassasalari
mutahasislarini ishlarini yengillashtirishda foydalanish mumkin.
Dissertatsiyaning tuzilishi. Ushbu ish kirish, uch bob, xulosa,
foydalanilgan adabiyotlar ro yxatidan iborat.
ʻ
I bob 4 ta paragrafdan iborat bo lib, unda olingan natijalarni bayon
ʻ
qilishda zarur bo lgan asosiy tushunchalar:
ʻ biologiya va tibbiyotda ekspert
tizimining bilimlar bazasini yaratish uchun turli usullardan foydalanishning
4](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_4.png?v=1)
![I-BOB BIOLOGIYA VA TIBBIYOTDA EKSPERT TIZIMINING
BILIMLAR BAZASINI YARATISH UCHUN TURLI
METODOLOGIYALARDAN FOYDALANISHNING ANALITIK
SHARHI
1.1 Intellektual tibbiy tizimlar
Tibbiy va biologik ma'lumotlarga ishlov berish, qayta ishlash, tahlil qilish
va tuzish uchun turli xil axborot texnologiyalari qo'llaniladi, bu to'plangan
bilimni tizimlashtirish va zamonaviy mutaxassis tomonidan formallashgan holda
qaror qabul qilishda kompyuter tomonidan qo'llab-quvvatlash uchun
mo'ljallangan.
Biologiya va tibbiyot sohasidagi mutaxassislar, doimiy ravishda ko'payib
boradigan katta hajmdagi ma'lumotlar bilan ishlashlariga to’g’ri keladi. Tibbiy
va biologik ma'lumotlarning xususiyatlari ham muhim rol o'ynaydi. Ko'pgina
tibbiy ma'lumotlar tavsiflovchi, o'zgaruvchan xususiyatlarga ega bo'lib,
formallashtirish orqali ifodalanadi [11].
An'anaviy yondashuvlar yordamida olib borilgan ko'p yillik tadqiqotlar
[14, 15, 19], tibbiy muammolar aniq usullar bilan yetarlicha samarali hal
qilinmasligini va aniq diagnostika, prognozlash va qaror qabul qilish
vazifalarida keng amaliy foydalanish uchun qo'llanilmasligini ko'rsatdi. [11 -15].
So’ngi paytlarda turli tibbiy va biologik muammolarni hal qilishda
intellektual axborot tizimlaridan foydalanishning ahamiyati ortib bormoqda [6,
4, 15]. Bunday intellektual axborot tizimlarini ishlab chiqish va amaliyotga
tatbiq etish deyarli ko‘plab bilim sohalarini rivojlantirishning asosiy omiliga
aylanib bormoqda va hozirgi vaqtda dolzarb vazifalardan biri hisoblanadi [1, 15,
17, 19].
Tibbiy axborot tizimlarini intellektuallashtirish quyidagilarni o'z ichiga
oladi [15]:
1) dastlabki ma'lumotlarning to'plangan massivlaridan bilimlarni
avtomatik ravishda olish usullaridan foydalanish;
6](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_6.png?v=1)
![2) foydalanuvchi tomonidan ko'rsatilgan to'liq bo'lmagan yoki noto'g'ri
ma'lumotlar asosida muammoni o'rganish asosida qabul qilingan qarorlarni
tushuntirish bilan qaror qabul qilish algoritmlaridan foydalanish;
3) ko'p sonli variantlarni qidirish, ko'rish bilan bog'liq ro'yxatga olish
muammolarini hal qilish uchun qidiruv protseduralari va usullaridan
foydalanish;
4) bilimlarni manipulyatsiya qilish imkoniyati;
5) oxirgi foydalanuvchining tizim bilan formallashtirilgan konstruktiv
mantiqning algebraik model tilida muloqot qilish qobiliyati.
Intellektual tizimlarning imkoniyatlarini amalga oshirish sun'iy intellekt
usullari yordamida amalga oshirilishi mumkin.
1.2 Biotibbiy tadqiqotlarda ekspert tizimlarini qo'llash
Sun’iy intellektdan foydalanadigan avtomatlashtirilgan tizimlar odatda
intellektual axborot tizimlari deb ataladi. Bizning tadqiqotimizda biz intellektual
tizimni shaxs (bir guruh shaxslar) bilan birgalikda yoki avtonom tarzda
ishlaydigan, maqsadni sintez qilishni bajarish to'g'risida qaror ishlab chiqishga
qodir bo'lgan axborot jarayoni bilan birlashtiril- gan texnik vositalar va dasturiy
ta'minot to'plami mavjud bo'lganda, ma'lumot va bilimga asoslangan oqilona
yo'llarni toppish maqsadiga erishishni tushunamiz. [16].
Muammolarni hal qilish algoritmlarini yaratishga qaratilgan intellektual
axborot tizimi uchun quyidagi xususiyatlar xarakterlidir [15,23, 25,]:
• oxirgi foydalanuvchining tizim bilan o'zaro aloqasi (interfeys) usulini
tavsiflovchi rivojlangan aloqa ko'nikmalari;
• murakkab, sust fomallashtiriladigan muammolarni hal qilish qobiliyati-
bu dastlabki ma'lumotlar va bilimlarning noaniqligi va dinamikasi bilan
tavsiflanishi mumkin bo'lgan muayyan vaziyatga qarab asl echim algoritmini
tuzishni talab qiladigan vazifalar;
• o'z-o'zini o'rganish qobiliyati - muayyan vaziyatlarning to'plangan
tajribasidan muammolarni hal qilish uchun bilimlarni avtomatik ravishda ajratib
olish qobiliyati;
7](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_7.png?v=1)
![• moslashuvchanlik - muammoli soha modelidagi ob'ektiv o'zgarishlarga
muvofiq tizimni ishlab chiqish qobiliyati.
Turli xil intellektual axborot tizimida sanab o'tilgan bir xil darajada
rivojlanmagan va kamdan-kam hollarda to'rtta belgi bir vaqtning o'zida amalga
oshiriladi.
Intellektual axborot tizimining asosiy sinflaridan biri ekspert tizimlari
yoki bilimga asoslangan tizimlar. Tibbiyot ekspert tizimlaridan foydalanish
sezilarli ta'sir ko'rsatishi mumkin bo'lgan faoliyat sohalaridan biridir. ekspert
tizimlarining katta diagnostik va terapevtik imkoniyatlari ularning bilim bazalari
ma'lum bir kasallikning mumkin bo'lgan diagnostik belgilari, uning namoyon
bo'lish turlari, uning kursi to'g'risidagi ko'plab mutaxassislarning bilimlarini o'z
ichiga olishi bilan bog'liq. kursi va tegishli sohalardagi omillar bilan aloqasi;
muayyan bemorlarning xususiyatlarini hisobga olish, davolash jarayonining
muhim nuqtalarida qaror qabul qilishni qo'llab-quvvatlash va h.k. va buning
natijasida kasalliklar va ularning shakllari haqida ko'p miqdordagi ma'lumotlarni
to'plash, bir kishining (yoki bitta) bilimidan oshib ketishi [15, 20].
Murakkab tibbiy muammolarni hal qilishda javob bog'liq bo'lgan barcha
real sharoitlarni hisobga olish mumkin emas, lekin faqat eng muhim shartlarning
taxminiy to'plamini ajratib ko'rsatish mumkin. Binobarin, ba'zi shartlar hisobga
olinmaydi, ya'ni olingan javob noto'g'ri, taxminiy va javobni topish algoritmini
aniq yozib bo'lmaydi. Tibbiy muammolar deyarli har doim bir nechta
echimlarga ega [16].
Deyarli barcha tibbiyot va biologiya fanlari noto'g'ri tuzilgan va
rasmiylashtirish qiyin bo'lgan vazifalardan iborat. Bularga diagnostika, prognoz,
davolash strategiyasi va taktikasini tanlash va hokazo vazifalar kiradi [18].
Ekspert tizim foydalanuvchilarning o'ziga xos ma'lumotlarga bo'lgan
ehtiyojlaridan kelib chiqqan holda turli sinflarning amaliy masalalarini echish
algoritmlarini yaratish uchun bilimlar bazasidan foydalanish kontseptsiyasiga
asoslanadi [7, 19].
8](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_8.png?v=1)
![Bilim ekspert tizimlarida asosiy element hisoblanadi. Bilim - bu
Konstruktiv mantiqning algebraik model ning asosiy qonuniyatlari bo'lib,
insonga muayyan ishlab chiqarish, ilmiy va boshqa vazifalarni hal qilish
imkonini beradi, ya'ni. faktlar, tushunchalar, munosabatlar, taxminlar, qoidalar,
evristika (faktik bilim), shuningdek, ushbu sohada qaror qabul qilish
strategiyalari (strategik bilimlar) [22].
Ekspert tizimlaridan foydalanishning afzalligi algoritmi oldindan ma'lum
bo'lmagan va dastlabki ma'lumotlarga ko'ra bilimlar bazasidan fikrlash zanjiri
(qaror qabul qilish qoidalari) ko'rinishida shakllanadigan noyob vaziyatlarda
qaror qabul qilish imkoniyatidir. [4, 16]. Bundan tashqari, muammolarni hal
qilish jarayonlarning to'liq emasligi, ishonchsizligi, dastlabki ma'lumotlarning
noaniqligi va jarayonlarni sifatli baholash sharoitida amalga oshirilishi kerak.
Formallashtirilmagan sohalarda muammolarni hal qilish uchun ekspert
tizimlaridan foydalanish ularning xususiyatlari bilan belgilanadi: Ma’lumotlarni
to'plash va tartibga solish imkoniyati, muammoli vaziyatlarni hal qilish uchun
yuqori sifatli tajribadan foydalanish, bashorat qilish va tushuntirish
imkoniyatlarining mavjudligi, shuningdek institutsional. xotira.
Shunday qilib, biz ekspert tizim texnologiyasi zaif tuzilgan va bilim
sohalarini aniqlash qiyin bo'lgan murakkab tibbiy muammolarni hal qilish uchun
mukammal hisoblanadi, degan xulosaga kelishimiz mumkin. Ekspert tizim
tomonidan olingan echimlar yuqori malakali mutaxassislarning echimlaridan
sifat va samaradorlikdan kam emas, ular "shaffoflik" ga ega, ya'ni.
foydalanuvchiga sifat darajasida tushuntirilishi mumkin va ular mutaxassis
tomonidan qaror qabul qilish jarayonini modellashtirish imkonini beradi [14].
Bundan tashqari, ekspert tizim konstruktiv mantiqning algebraik model da
mavjud bo'lgan echimlarni izlash va qiyin muammolarni hal qilish, o'z
mulohazalarini o'rganish, ya'ni ularning to'g'riligini tekshirish uchun dizayndagi
murakkab qoidalardan foydalanishga imkon beradi. Eskpert tizimning barcha bu
xususiyatlari ularni muammoni hal qilish algoritmlari odatda qat'iy belgilangan
an'anaviy dasturlardan yaxshi ajratib turadi.
9](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_9.png?v=1)
![Eskpert tizim dan foydalanishning xususiyatlari va imkoniyatlarini
yaxshiroq tushunish uchun ushbu muammoni hal qilish uchun uning ishlash
printsipini va ular tashkil topgan asosiy elementlarni ko'rib chiqamiz. Eskpert
tizim ikkita asosiy komponentni o'z ichiga oladi (1-rasm): ma’lumotlar bazasi
(bilim birliklari ombori) va aqlli interfeysdan iborat bilimlarga kirish va qayta
ishlash uchun dasturiy vosita, xulosalar (yechimlar) olish mexanizmi, natijalarni
tushuntirish. bilim olish mexanizmi va ishchi xotira. Bundan tashqari, Eskpert
tizimning markaziy komponenti bilimlar bazasi, boshqa komponentlarga
nisbatan asosiy tashkil etuvchi tizim bo’lib ishlaydi. [16].
1.1-rasm. Eskpert tizim arxitekturasi
Ma’lumotlarlar bazasi - bilimlarni ifodalashning qandaydir usullari
yordamida formallashtirilgan bilim birliklari yig'indisidir [15, 22]. U konstruktiv
mantiqning algebraik model ob'ektlari va ularning o'zaro bog'liqliklarini, ular
bo'yicha harakatlarni va bu harakatlar amalga oshiriladigan noaniqliklarni aks
10Foydalanuvchi
Mutaxassis
Bilim muhandisi
Operativ xotira (OX)T ushuntirish
komponent Dialog komponentining aqlli interfeysi
Bilimlarni egallash
mexanizmi
Chiqish mexanizmi
(tarjimon, hal
qiluvchi) Bilimlar bazasi
Qoidalar
Umumiy faktlar](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_10.png?v=1)
![ettiradi. Bilimlar bazasi ko'rib chiqilayotgan Konstruktiv mantiqning algebraik
model ni tavsiflovchi qoidalarni saqlash uchun mo'ljallangan [4, 21, 22].
Eskpert tizimni loyihalashning an'anaviy bosqichlari asosida Eskpert tizim
modelini yaratish jarayonini ko'rib chiqildi: identifikatsiya, kontseptualizatsiya,
aniqlashtirish, bajarish, sinovdan o'tkazish. [4, 28]. Eskpert tizimni loyihalash
bosqichlari rasmda ko'rsatilgan.
1.2-rasm. Eskpert tizimni yaratish bosqichlari
Murakkab sohani aniqlash bosqichi Eskpert tizimning maqsadi va hajmini
aniqlash, ekspertlar va bilim muhandisi guruhini tanlash, resurslarni taqsimlash,
11 Identifikatsiya
Kontseptualizatsiya
Tajribali ekspluatatsiya SinovAmalga oshirish FormallashtirishQayta shakllantirish
Talablar
Struktura
KodlarQayta shakllantirish
Qayta loyihalash
Tushuntirish ModelMantiqiy bosqich
Jismoniy bosqich](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_11.png?v=1)
![hal qilinishi kerak bo'lgan vazifalarni belgilash va parametrlarini belgilashni o'z
ichiga oladi [4, 7].
Kontseptual modelni qurish bosqichida foydalanilgan bilimlarning yaxlit
va tizimli tavsifi yaratiladi, bu muammo sohasi faoliyatining mohiyatini aks
ettiradi, ya'ni. predmet sohasining mazmunli tahlili amalga oshiriladi,
qo‘llaniladigan tushunchalar va ularning o‘zaro bog‘liqliklari aniqlanadi,
muammoni hal qilish usullari aniqlanadi [4, 15,23].
Bilimlar bazasini aniqlashtirish bosqichida ma'lumotlarni ifodalash usulini
tanlash (ma'lumot birliklarini tuzilish va qayta ishlash vositalari to'plami)
amalga oshiriladi, asosiy tushunchalar aniqlashtiriladi, ma'lumotlarni izohlash
usullari aniqlanadi va tizimning ishlashi modellashtiriladi [19]. ]. Tanlangan
formalizm doirasida ma'lumotlar bazasining mantiqiy tuzilishi loyihalashtiriladi.
Eskpert tizimni amalga oshirish bosqichida ma'lumotlar bazasi jismonan
to'ldiriladi va tanlangan vosita (TV) doirasida barcha dasturiy mexanizmlar
sozlanadi va kerak bo'lganda dasturiy vositaning maxsus modullari
dasturlashtiriladi.
Sinov bosqichida Eskpert tizimning ishlashi uning xulosalarining
to'g'riligi va ularning foydaliligi nuqtai nazaridan baholanadi [4, 17]. Ishning
to'g'riligi xulosalarning to'g'riligi, muammoli soha bo'yicha ma’lumotlar
bazasining yetarliligi, muammoni hal qilishning qo'llaniladigan usullarining
ekspert usullariga mos kelishi kabi xususiyatlar bilan bog'liq.
Eskpert tizim hayotiy siklining navbatdagi bosqichi ishlab chiquvchilar
tomonidan to'g'ridan-to'g'ri nazoratsiz ommaviy ravishda amalga oshirish va
eksperimental foydalanish va sinov misollaridan haqiqiy muammolarni hal
qilishga o'tish[ 19].
1.3 Ekspert tizimini yaratish uchun bilim olish usullari
Yuqorida ko'rib chiqilgan Eskpert tizimni rivojlantirish bosqichi eng
mas'uliyatli va ko'p vaqt talab qiladigan bosqich bu mavzu sohasining
modellarini qurishdir. Bu yerda muammoli sohaning mohiyatini aks ettiruvchi
bilimlar strukturasini aniqlash kerak. [1, 21-23, 24].
12](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_12.png?v=1)
![Intellektual tizimlar tomonidan qabul qilingan qarorlarning samaradorligi
sezilarli darajada bilimning sifati va miqdoriga, o'rganilayotgan fan sohasi
mutaxassislarining bilimlarini kompyuter xotirasida tayyorlash va
moslashtirishga bog'liq. Shu sababli, bilimlarni olish, taqdim etish va
rasmiylashtirish usullarini ishlab chiqish, suniy intillekt tizimlarini rivojlantirish
uchun mavzu sohasi masalasi hali ham dolzarb bo'lib qolmoqda.
Bugungi kunga kelib, Eskpert tizimni ishlab chiqish uchun bilim olishning
ko'plab usullari mavjud [16, 19, 27]. 1.3-rasmda bilim olish usullari uchun
tasniflash sxemasi ko'rsatilgan.
Ma’lumot olish usullarini shartli ravishda 4 toifaga bo'lish mumkin:
1) mutaxassis bilan barcha turdagi aloqalarni qamrab oluvchi aloqa
usullari [10, 21, 22];
2) maxsus adabiyotlardan bilimlarni olish usullari [22];
3) an'anaviy usullar - bularga so'rovlar vositalari, statistik usullar,
vizualizatsiya, interaktiv analitik ishlov berish vaziyatga asoslangan o'rganish
(k-eng yaqin qo'shni) [3, 16];
13Bilim olish usullari
Kommunikativ
Passiv Aktiv
Kuzatuv
‘ baland
ovozda
o'ylash’
pratokoli
Maruza Shaxsiy
So'rovnoma
Ekspert
o’yinlarIntervyu
Muloqat Guruh
Aqliy hujum
Qiziqarli
o’yinlarDavra suxbati Hujjatlar
tahlili Аdabiyot tahlili Darslarni tahlil
qilishMatnshunoslik
usullari
Interaktiv
ishlov berish
vositalariVizuallashtir
-ish usullariSQL exnikasiga
asoslangan MTQStatistik
usullarАn'anaviy Intelektual
Qaror daraxti
MLАssotsiativ
qoidalar
Neyron
Taroq
Genetik
algoritmlar](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_13.png?v=1)
![1.3-rasm. Bilim olish usullari
Kommunikativ usullar ekspert bilimlarini aniqlashga qaratilgan. Bu
yondashuv ekspert ma’lumotlar bazasini tashkil etuvchi mantiqiy mulohazalar
va xulosalarni aniq shakllantirishini nazarda tutadi. Ularni faol va passivga
bo'lish mumkin. Passiv usullar shuni anglatadiki, ekstraksiya jarayonida
yetakchi mutaxassisga o'tadi va ma’lumot muhandisi faqat o'zining haqiqiy
qaror qabul qilish ishi davomida ekspertning mulohazalarini qayd qiladi yoki
ekspert aytib berish zarur deb hisoblagan narsalarni yozadi. Passiv usullarni
kuzatish, "baland ovozda o'ylash" protokoli va ma'ruzalar kiradi. Faol usullarni
bilim beradigan mutaxassislar soniga qarab ikki guruhga bo'lish mumkin. Agar
ularning soni bir nechta bo'lsa, u holda mavzu bo'yicha guruh muhokamasi
usullaridan foydalanish maqsadga muvofiqdir. Faol usullarda tashabbus
butunlay ma’lumot muhandisining qo'lida. U mutaxassis bilan turli yo'llar bilan
faol aloqa qiladi - o'yinlarda, dialoglarda, davra suhbatlarida va hokazo. [10, 22]
Mutaxassis bilimlarini olish uchun ushbu yondashuvlarning barchasi
mutaxassislarning ba'zi fikrlarini aniqlashtirish va bilimlarni egallash
jarayonidagi bo'shliqlarni to'ldirish uchun uchtasi bosqichdan foydalanadi
bosqichlarga bo'linish, repertuar panjarasi va o'xshashlikni tasdiqlash
Bosqichlarga bo'linganda, ekspertga uning fikricha, mavzu sohasining eng
muhim tushunchalarini nomlash va ular o'rtasidagi tizimli munosabatlarni
ko'rsatish taklif etiladi, ya'ni "jins - tur", "element - sinf", "butun -qism" kabi
munosabatlar va hokazo. Strategiya predmet sohasi tushunchalari ierarxiyasini
yaratishga, bir — biri bilan chambarchas bog'liq bo'lgan guruhlar-klasterlarni
ajratib ko'rsatishga qaratilgan.
O'xshashlikni tasdiqlash strategiyasi shundan iboratki, ekspertdan har bir
tushunchalar juftligini mavzu doirasidan ma'lum bir o'xshashlik (tolerantlik)
munosabatlariga tegishliligini aniqlash so'raladi. Buning uchun ekspertga juda
oddiy savollar ketma-ketligi so'raladi, ularning maqsadi o'xshashlik
14](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_14.png?v=1)
![tushunchasini aniqlashtirishdan iborat bo'lib, ekspert predmet sohasining ikkita
tushunchasining o'xshashligi haqidagi bayonotga qo'yadi [5].
Bu yondashuvlar bilim olish yoki olishning standart usullariga ishora
qiladi. Ammo, mening fikrimcha, taqdim etilgan usullarni birgalikda qo'llash
ham bilim olish muammosini to'liq hal qilmaydi. Birinchidan, bu odamlarning
ma'lumotlarni qayta ishlash tizimining imkoniyatlari bilan bog'liq bo'lgan
murakkab va ahamiyatsiz bog'liqliklarni aniqlay olmaslikdir. [21] O.I. Larichev
ko'p mezonli muammolarni hal qilishda odamlarning xatti-harakatlari bo'yicha
bir qator eksperimentlarni taqdim etdi. Tajribalar natijasida ma'lum bo'ldiki, agar
foydalanilgan mezonlar soni sakkiztadan oshmasa, bu kichik omillar to'plamiga
(oddiy tizim) to'g'ri keladi va tibbiyotda odatda yana ko'p narsalar mavjud bo'lsa,
sub'ektlar vazifani bajara oladilar. kabi omillar. Ikkinchidan, mutaxassis
tomonidan har qanday bilimni xatosiz uzatish deyarli mumkin emas, ekspertning
e'tiborsizligi, charchoqlari, shuningdek, hal qilinayotgan vazifaning
murakkabligi sabab bo'lishi mumkin. Uchinchidan, chunki ekspert ma’lumotlari
juda sub'ektivdir, olingan natijalarning ishonchliligini asoslash qiyin va ekspert
ko'nikmalarining muhim qismi susrt darajada bo'lib, uni to'g'ri ajratib bo'lmaydi.
Agar ishlab chiqilayotgan fan sohasi yaxshi o'rganilganligi va
mutaxassislarning maqbul soni (yuqori malakali mutaxassislar) mavjudligi
ma'lum bo'lsa, kommunikativ usullardan foydalanish yaxshidir, ular tajriba va
ma’lumotga asoslangan holda mantiqiy fikrlash zanjirlarini qurish mumkin
(sifatli tadqiqot natijalarini olish).
Kommunikativ usullar boshlang'ich (maqsad, tekshirish vazifalari,
tizimning kirish va chiqish parametrlarini, tizim elementlarining ishlash va
o'zaro ta'sirining asosiy qonunlarini aniqlashda) va bilimlar bazasi, Eskpert tizim
qurishning yakuniy bosqichlarida eng yaxshi qo'llaniladi. (tizim modelining
muvofiqligini (to'g'riligini baholash) sozlash, to'ldirish va aniqlash uchun) .
Bilim olish murakkab jarayon bo'lganligi sababli, ko'plab tadqiqotchilar
ushbu jarayonni qisman avtomatlashtirishga imkon beradigan yondashuvlarni
15](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_15.png?v=1)
![taklif qilishadi. Bunday usullarga og'zaki qaror tahlili (OQT) kiradi. OQT
usullariga ORCLASS, CLANS, STEPCLASS, SILC, RAT kiradi [9].
Ushbu yondashuvda ekspert ko'rib chiqilayotgan mavzu doirasidan unga
taqdim etilgan ob'ektlarning tavsiflari bo'yicha doimiy xulosalar chiqaradi. Shu
bilan birga, ekspertga taqdim etish uchun ob'ektlarni tanlash strategiyasi izchil
va to'liq bilimlar bazasini qurishni kafolatlaydi. Ma’lumotlarni shu tarzda oshkor
qilish mutaxassisning haqiqiy kasbiy faoliyatiga imkon qadar yaqinroqdir,
shuning uchun olingan ma’lumotlar, boshqa narsalar qatori, keyinchalik tahlil
qilinishi va aniqlashtirilishi mumkin bo'lgan ekspert ma’lumotlarining ongsiz
qatlamini o'z ichiga oladi.
Masalan, [9], sust tuzilgan mavzular uchun to'liq va izchil ekspert
ma’lumotlari bazalarini yaratish uchun RAT usuli (real alternativlar tasnifi)
taklif qilingan, bu Eskpert tizim ekspert so'rovi samaradorligini oshirishga
imkon beradi va ekspert tasniflash muammolarining keng doirasi. Ushbu usul
o'tkir miokard infarktining tibbiy diagnostikasi va diseksiyasi uchun o'quv
tizimlarini amaliy qurish misolida sinovdan o'tkazildi. Lekin bu usul bizning
holatlarimizda kam qo'llaniladi, chunki unda bilim olish yoki fan mutaxassisi
zimmasiga tushadi.
Hozirgi vaqtda mutaxassislar bilim olishning asosiy usullarini bilim olish
jarayonini qisman avtomatlashtiradigan, qaror qabul qilishni qo'llab-quvvatlash
uchun ekspert tizimini - an'anaviy va aqlli usullarni ishlab chiqish vaqtini
sezilarli darajada qisqartiradigan usullar deb atashadi. Ushbu usullarni ko'rib
chiqish faqat bizning tadqiqot muammomiz bilan bog'liq holda talab qilinishi
mumkin bo'lgan usullar bilan cheklanadi, agar bilim sohasi kam o'rganilsa yoki
elementlar o'rtasidagi aloqalar juda murakkab bo'lsa, ya'ni. vaziyatga ta'sir
etuvchi barcha omillarni hisobga olishning iloji yo'q va ularni faqat
mutaxassisning mantiqiy va bilimiga tayangan holda talqin qilish mumkin emas.
Ushbu usullar ko'p sonli parametrlar bilan tavsiflangan va bir-biri bilan
murakkab munosabatlarga ega bo'lgan tizimlarning murakkab modellarini
qurishda qo'llanilishi kerak. va shuningdek, agar katta miqdordagi ma'lumotlar
16](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_16.png?v=1)
![to'plangan bo'lsa. Yechilayotgan masala turiga qarab, katta hajmdagi axborotdan
ma’lumot olishning u yoki bu usulidan foydalanish mumkin.
Eng mashhur an'anaviy bilim olish usullari statistik usullardir. Statistik
usullardan ma’lumotlarni qayta ishlash, tahlil qilish va izohlash uchun
foydalanish mumkin [11, 15]. Statistikaning asosiy maqsadi bir-biriga mos
kelmaydigan (tarqalgan) ma'lumotlardan mazmunli xulosalar chiqarishdir.
Tadqiqot bilan bog'liq holda, matematik statistika maqsadlarni shakllantirish,
dizaynni ishlab chiqish, randomizatsiya usullarini tanlash, statistik ahamiyatga
ega bo'lgan xulosani olish uchun zarur bo'lgan bemorlar sonini aniqlash, olingan
natijalarni bevosita tahlil qilish va xulosani shakllantirishda yordam beradi [25].
Tadqiqotlarni rejalashtirish va olingan natijalarni sharhlashda statistik
usullardan foydalanish tadqiqotchidan matematika va statistikani chuqur bilishni
talab qiladi. Tegishli statistik protseduralarni to'g'ri tanlash, ularning
imkoniyatlari va cheklovlarini bilish, natijalarni to'g'ri va mazmunli talqin qilish
talab etiladi. Statistik testlarni o'zboshimchalik bilan qo'llash o'rganilayotgan
davolash usullarining samaradorligi to'g'risida noto'g'ri xulosalar chiqarishga
olib kelishi mumkin.
Bugungi kunga kelib, ma'lumotlarni qayta ishlashning juda ko'p sonli
statistik usullari mavjud. Quyida statistik usullarning shartli tasnifi keltirilgan
[16]:
1. Dastlabki ma'lumotlarning tavsifiy tahlili va tavsifi - statistik
protseduralar, ularning maqsadi tadqiqot namunasi haqida umumlashtirilgan
ma'lumotlarni olishdir.
2. Aloqalar va qonuniyatlar tahlili (korrelyatsiya va regressiya tahlili, omil
tahlili, dispersiya tahlili).
3. Ko'p o'lchovli statistik tahlil (komponentli tahlil, diskriminant tahlili,
ko'p o'lchovli regressiya tahlili va boshqalar).
4. Vaqt seriyalarini tahlil qilish (dinamik modellar va prognozlash).
Statistik ishlov berish natijalariga ko'ra, tizim elementlari o'rtasidagi
aniqlangan munosabatlarni hisobga olgan holda Eskpert tizim modelini qurish
17](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_17.png?v=1)
![mumkin. Intellektual bilim olish usullaridan foydalanish tadqiqotchilarga
ma'lumotlarni tahlil qilish va yashirin qonuniyatni aniqlash uchun ko'proq
imkoniyatlar ochadi. Ushbu usullar ma'lumotlarni miqdoriy va sifat jihatidan
tahlil qilishga qaratilgan axborot texnologiyalarining so'nggi yutuqlari
natijasidir.
Ushbu usullar guruhiga sun'iy neyron tarmoqlar (tanib olish, klasterlash,
bashorat qilish), evolyutsion dasturlash, genetik algoritmlar (optimallashtirish),
assotsiativ xotira (analoglar, prototiplarni qidirish), mantiq, qarorlar daraxtlari,
ekspert bilimlarini qayta ishlash tizimlari kiradi [6]. Har bir usulning o'ziga xos
xususiyatlari va cheklovlari mavjud. Shuning uchun usulni tanlash hal
qilinayotgan muammoning xususiyatiga bog'liq.
Neyron tarmoqdan foydalanishdan oldin u o'qitiladi, bu og'irlik
koeffitsientlarini o'rnatishning iterativ jarayonidir. Trening uchun maxsus
algoritmlar qo'llaniladi. Eng ko'p qo'llaniladigan gradient o'rganish usullari bu
orqaga tarqalish algoritmi va boshqalar [16].
Neyron tarmoqning asosiy afzalligi shundaki, ular kirish va chiqish
o'zgaruvchilari o'rtasidagi murakkab chiziqli bo'lmagan munosabatlarni
modellashtiradi [4, 15].
Kerakli ma'lumotlarning to'liq to'plamiga ega bo'lishning iloji bo'lmagan
qiyin vaziyatlarda barcha ta'sirlarni hisobga olish va mumkin bo'lgan natijani
aniq baholash mumkin emas ular qaror qabul qilishni qo'llab-quvvatlash uchun
zamonaviy texnologiyalarga murojaat qilishadi. Noto'g'ri qaror qabul qilish
xavfini kamaytirish, qarorlarning asosliligini oshirishga asosan ekspert
texnologiyalaridan foydalanish orqali erishish mumkin. va yuqori sifatli bilimlar
bazasi, Eskpert tizimni yaratish vositalari bilim olish usullari bo'lishi mumkin,
uning yordamida ma'lumotlarni har tomonlama tahlil qilish amalga oshiriladi.
Ko'pgina vazifalar uchun dominant yondashuvlar hali yaratilmagan. Eng
yaxshi texnologiyani tanlash muammoning tabiatiga qarab belgilanishi kerak.
Intellektual tizimlarni yanada rivojlantirish uchun turli xil yondashuvlarning
imkoniyatlari, shartlari va ko'lamini tushunishga va ularning qo'shimcha
18](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_18.png?v=1)
![afzalliklaridan maksimal darajada foydalanishga harakat qilish kerak [1]. Bu
kabi harakatlar sinergik yondashuvga olib kelishi mumkin, bu esa ba'zi
texnologiyalarni boshqalar bilan birlashtirib, dolzarb muammolarni hal qilishda
muhim yutuqlarga olib keladi.
19](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_19.png?v=1)
![II - BOB EKSPERT TIZIMINING TIBBIY BILIMLAR BAZASINI
TUZISH UCHUN MA'LUMOTLARGA ISHLOV BERISH
2.1 Ekspert tizimining bilimlar bazasini yaratish uchun ma'lumotlarga
ishlov berish algoritmi
Zamonaviy qaror qabul qilish tizimlarida eksperimental ma'lumotlarning
katta massivlarini qayta ishlashga asoslangan umumlashtirilgan eskpert tizim
modellarini qurish muammosi nihoyatda muhimdir. Bunday katta ma'lumotlar
oqimining manbalari tibbiyot, biologiya, marketing, bank ishi, talimni
prognozlash va boshqalar kabi ko'plab sohalarda topiladi. Bu ma'lumotlarning
umumiy tomoni shundaki, ular strategik maqsadlarni amalga oshirish uchun
muhim bo'lgan ko'plab yashirin qonuniyatlarni o'z ichiga oladi. qarorlar. Biroq,
bunday qonuniyatlarni aniqlash insonning imkoniyatlaridan tashqarida. Shuning
uchun bunday qonuniyatlarni olish uchun ma'lumotlarni tahlil qilishning turli
usullari qo'llaniladi va bu usullarni amalga oshiradigan kompyuter tizimlari
ishlab chiqiladi. Shunday qilib, eskpert tizim ma’lumot bazalarini
modellashtirish vazifasi sun'iy intellektning muhim vazifalaridan biridir [12].
Xususan, atrof-muhit va ishlab chiqarish bilan bog'liq nafas olish
kasalliklari bilan bog'liq bo'lgan odamlarda mikroelementlarning buzilishining
bilimlar bazasi, eskpert tizimini yaratish uchun sust strukturali ma'lumotlarni
qayta ishlashdan iborat bo'lgan tadqiqot vazifasiga nisbatan tegishli
metodologiyani ishlab chiqish kerak. ma'lumotlardan bilimga o'tish. Bunday
holda, hal qilinayotgan muammoning quyidagi xususiyatlarini hisobga olish
kerak: birinchidan, mavzu sohasi kam o'rganilgan, ya'ni. umumiy va qat'iy
hukmlar (qonunlar, formulalar, modellar, algoritmlar va boshqalar) shaklida
taqdim etilgan aniq aniqlashtirilgan ma’lumotlar mavjud emas; ikkinchidan,
ma’lumotlar bazasini rivojlantirish uchun malakali mutaxassislar yetarli emas;
uchinchidan, siz cheklangan miqdordagi ma'lumotda ishlashingiz kerak;
To'rtinchidan, yuqorida sanab o'tilgan talablardan kelib chiqib, ekspert
tizimining to'liq izchil bilimlar bazasini yaratish uchun eksperimental
bilimlardan ma’lumot olish algoritmi tuzildi (2.1-rasm).
20](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_20.png?v=1)
![Bundan tashqari, bir xil muammoli sohada yoki tegishli sohalarda mavjud
bo'lgan ma'lumotlar bazalari va bilimlarni tahlil qilish kerak.
Mutaxassislarning kelishilgan xulosalarini aniqlash bo'yicha
metodologiyamizni taqdim etishda biz monografiyada ko'rsatilgan asosiy
qoidalardan foydalanamiz [2].
Ekspert xulosasini olish kerak bo'lgan mezonlar majmui ma'lum bo'lsin.
Mutaxassislarning ma'lum bir to'plami ham bo'lsin. Har bir mutaxassis qanday
mezonlar asosida xulosa berishi ham ma'lum.
Mutaxassislarni shunday tanlash kerakki, har bir mezon bo'yicha kamida
bitta ekspertning fikrini olish mumkin bo'ladi va shu bilan birga ekspertlar
so'rovini o'tkazish vaqti yoki xarajatlari minimal bo'ladi.
Ushbu muammoni hal qilish uchun siz tasodifiy qidiruv usulidan
foydalanishingiz mumkin.
Keling, quyidagi belgini kiritamiz:
L° = {1, 2, 3, ..., n} - barcha ekspertlar to'plami;
T° = {1, 2, 3, ..., m} - barcha mezonlar to'plami;
T
l 0 - z-chi ekspert javob berishi mumkin bo'lgan barcha mezonlar
to'plami;
|T
l 0
| - T
l ° to'plamining elementlari soni.
Faraz qilaylik, har bir ekspertning so'rovini o'tkazish uchun sarflangan
vaqt va pul bir xil bo'ladi. Bunday holda, ko'rib chiqilayotgan ekspertlarni
tanlash muammosi barcha savollarning T° ga to'g'ri keladigan eng kam sonli
mutaxassislarni topishga qisqartiriladi, ya'ni har bir savol bo'yicha kamida bitta
ekspert xulosa berishi mumkin.
Keling, mutaxassisning og'irligining ko'rsatkichini kiritamiz, bu vazn
bilan mutaxassisning imkon qadar ko'proq savollarga javob berish qobiliyatini
tushunamiz. Har bir mutaxassisning vazni u javob berishi mumkin bo'lgan
savollar sonining L° to'plamining barcha mutaxassislari javob berishi mumkin
bo'lgan savollarning yig'indisiga nisbati sifatida belgilanishi kerak.
Barcha mutaxassislar javob berishi mumkin bo'lgan savollarning yig'indisi
25](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_25.png?v=1)
![Shunday qilib, o'rganilayotgan masalalar bo'yicha ma'lumotlar bazasi
tuzilmasini yaratish uchun ekspert ma'lumotlarini baholash va tahlil qilish uchun
namunaviy tuzilmani amalga oshirish mumkin. Ushbu sxema bo'yicha ishni
soddalashtirish uchun barcha hisob-kitoblarni avtomatlashtirish kerak.
Ammo dastlabki ma'lumotlar to'plamining ma'lumotlar bazasining optimal
tuzilishini aniqlash shu bilan tugamaydi, bu kontseptualizatsiya bosqichida
batafsil muhokama qilinadi.
Identifikatsiya bosqichining mantiqiy natijasi - mavzu sohasini mazmunli
tahlil qilish, ya'ni. o'rganish ob'ekti, ko'zda tutilgan maqsad va vazifalar,
o'rganilayotgan ob'ektning asosiy belgilari (parametrlari) aniq ko'rsatilgan holda
hal qilinayotgan muammoni norasmiy (og'zaki) ifodalash.
2.3 Ma’lumotlar bog’liqlik modelini qurish
Ob'ektlar va ularni tavsiflovchi xususiyatlar to'plami ma'lumotlar bazasini
tashkil qiladi. Ma'lumotlar bazasi tuzilishi aniqlangandan so'ng dastlabki
ma'lumotlarni yig'ishni boshlashimiz mumkin. Qoida tariqasida, eksperimental
ma'lumotlar (masalan, laboratoriya tadqiqotlari) manba materiali bo'lib xizmat
qilishi mumkin va maqsadli o'zgaruvchilarning qiymatlari (masalan,
diagnostika, qo'shma kasalliklar) mutaxassislar (shifokorlar) tomonidan
belgilanadi.
Haqiqiy massivlarda saqlangan ma’lumotlarni ajratib olish va
umumlashtirishda ma lumotlardan foydalanganda quyidagi muammolar yuzagaʼ
keladi [6]:
• Ma'lumotlar turli xil (miqdoriy, sifat, tarkibiy).
• Haqiqiy ma'lumotlar massivlarida mavjud bo'lgan ma'lumotlar to'liq
bo'lmagan, ortiqcha, buzilgan, qarama-qarshi bo'lishi mumkin va bir qator
atributlarning ba'zi qiymatlari butunlay yo'q bo'lishi mumkin. Shuning uchun
tasniflash qoidalarini yaratish uchun faqat asosiy atributlardan foydalanish
kerak.
29](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_29.png?v=1)
![• Olingan natijalar ma'lumotlar bazasi bilan ishlaydigan foydalanuvchi
uchun aniq va tushunarli bo'lishi kerak.
Yuqorida sanab o'tilgan muammolardan kelib chiqib, biz ma'lumotlarni
tayyorlashning quyidagi bosqichlarini ajratamiz: ma'lumotlarni yig'ish,
ma'lumotlarni qayta ishlash, ma'lumotlarni o'zgartirish, ma'lumotlarni ixcham
shaklda taqdim etish uchun tavsiflovchi statistika usullaridan foydalanish va
statistik ahamiyatga ega bo'lgan ma'lumotlarni tekshirish. mezoni.
O'quv namunasi uchun ma'lumotlarni tayyorlashda quyidagi talablarni
hisobga olish kerak [16].
1) O’qitiluvchi tanlanma namunaviy (etalon) bo'lishi kerak.
2) Tadqiqot namunasi qarama-qarshiliklarni o'z ichiga olmaydi, ya'ni. bir
xil satrlar uchun boshqa maqsad qiymatiga ega bo'lgan qatorlarni chiqarib
tashlaymiz (noaniqlik chiqarib tashlanadi).
3) Tadqiqot namunasida dublikatlar bo'lmasligi kerak, chunki
ma'lumotlarning takrorlanishi ba'zi yozuvlarning ahamiyatini oshirishga olib
keladi.
Har qanday ma'lumotlar to'plamini qayta ishlashda ushbu talablarga rioya
qilishingiz kerak, chunki. ularni hisobga olish analitik hisob-kitoblarni amalga
oshirishda aniqroq natijalar olish imkonini beradi.
Namunaviy ma'lumotlar to'plami ma'lum bir muammo sohasidagi barcha
mumkin bo'lgan vaziyatlarni (maqsadli o'zgaruvchining holatlarini) qamrab
oluvchi iloji boricha ko'proq turli xil namunalarni o'z ichiga olishi kerak Bunday
holda, namuna ma'lumotlar va maqsadli o'zgaruvchining holati o'rtasidagi
sababiy bog'liqlikni aniqlash uchun kerakli aniqlik bilan ma'lumotlarni
matematik qayta ishlashni amalga oshirish uchun cheklangan, ammo yetarli
miqdordagi kuzatuvlarga ega bo'lishi kerak. Ma'lumotlar to'plamidagi yozuvlar
sonining yetarli emasligi noto'g'ri bilim modelini yaratishga olib kelishi
mumkin.
Ma'lumotlar bazasidagi qarama-qarshiliklarni bartaraf etishda quyidagi
printsipga amal qilish kerak: agar bir yoki bir nechta yozuvlar ko'p miqdordagi
30](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_30.png?v=1)
![boshqa yozuvlarga zid bo'lsa, biz kichikroq bo'lganlarini filtrlaymiz (o'chirib
tashlaymiz). . Shuningdek, amalda noaniqlikni bartaraf etish uchun maqsadli
qatorlarni (chunki ular tadqiqotchi uchun katta ahamiyatga ega) chiqarib
tashlamaslik tavsiya etiladi, balki maqsadli bo'lmagan qatorlarni istisno qilish
tavsiya etiladi.
Satrlarning umumiy sonidagi ulushini baholash uchun bunday qatorlar
sonini eslab qolish kerak. Shunga ko'ra, bu nisbat qanchalik katta bo'lsa,
hisoblashning aniqligi shunchalik past bo'ladi.
Agar qarama-qarshi ma'lumotlarning nisbati katta bo'lsa, unda
ma'lumotlar bazasi nomuvofiqdir va shuning uchun u keyingi analitik hisob-
kitoblar uchun mos emas va uning tuzilishini qayta ko'rib chiqishni talab qiladi.
Bu muammoni hal qilishga ta'sir qiluvchi omillarning yetarli emasligi
ma'lumotlarni tahlil qilish uchun ajratilganligi bilan bog'liq bo'lishi mumkin,
ya'ni. o'rganish ob'ektiga ta'sir etuvchi ba'zi omillar hisobga olinmaydi. Bunday
holda, birinchi bosqichga qaytish va o'rganilayotgan ob'ektning atributlarini
aniqlashtirish kerak.
Har doim bir yoki bir nechta xususiyatlar uchun ma'lumotlar mavjud
bo'lmagan holatlar mavjud. Agar ma'lumotlar yetarlicha katta hajmda mavjud
bo'lsa va bo'shliqlar bo'lgan ma'lumotlarning nisbati kichik bo'lsa, unda bunday
qatorlarni ma'lumotlar bazasidan o'chirish tavsiya etiladi. Aks holda, agar
to'plangan ma'lumotlar bazasi kichik bo'lsa va yetishmayotgan ma'lumotlar
miqdori ham kichik bo'lsa va yangi ma'lumotlarni to'plash uzoq vaqt talab qiladi,
unda etishmayotgan ma'lumotlarni qayta tiklash kerak bo'ladi. Biz miqdoriy
ma'lumotlardagi bo'shliqlarni o'rtacha qiymatlar bilan to'ldirishingiz yoki
mavjud dastlabki namunaviy ma'lumotlardan etishmayotgan qiymatlarni
hisoblaydigan maxsus algoritmlardan foydalanishimiz mumkin.
Biroq, ma'lumotlar bo'shliqlarini to'ldirish usullarining hech biri tahlil
samaradorligining pasayishiga to'sqinlik qilmaydi, shuning uchun tadqiqot
o'tkazishda eng to'liq ma'lumotlarni olish uchun hamma narsani qilish kerak
[17].
31](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_31.png?v=1)
![Mutaxassislar ma'lumotlar bazasining mantiqiy tuzilishini mumkin
bo'lgan ortiqcha ma'lumotlar maydonlari bilan aniqlagandan so'ng,
o'rganilayotgan muammo bo'yicha dastlabki ma'lumotlarni cheklangan, ammo
kerakli aniqlik bilan matematik ishlov berish uchun yetarli hajmda to'pladi,
dastlabki kirish nazoratini amalga oshirdi. Ma'lumotlardan matematik yoki
statistik hisob-kitoblarda foydalanish uchun barcha kerakli o'zgarishlarni amalga
oshirgan holda, ma'lumotlar bazasi tuzilmasini optimallashtirishga qaytish kerak
[3].
Buning uchun matematik vositalar yordamida ma'lumotlarning kashfiyot
tahlilini amalga oshirish kerak. Misol uchun, chuqur izlanish tahlili uchun siz
konstruktiv mantiqning algebraik modeli usulidan foydalanishingiz mumkin - bu
usul rasmiylashtirish bosqichida va nazorat-analitik hisob-kitob paytida
batafsilroq ko'rib chiqiladi. Hisob-kitoblarga asoslanib, hosil bo'lgan matematik
ifodalarda ishtirok etishi sust yoki yo'q bo'lgan maydonlar chiqarib tashlanadi.
Keyinchalik, nazorat hisobi aniqlangan zaif muhim ma'lumotlar maydonlarisiz
amalga oshiriladi [3]. Agar olingan natijalarning sifati bir xil bo'lib qolsa va
yakuniy natijani (chiqishni) buzmasa, qolgan maydonlar muhim deb tan olinadi
va optimallashtirilgan ma'lumotlar bazasini tashkil qiladi. Bu jarayon iterativ
tarzda ham amalga oshirilishi mumkin, ya'ni. Birinchidan, bitta ahamiyatsiz
ma'lumot xususiyatini istisno qiling, so'ngra olingan modelning sifatini
tekshiring. Agar modelning sifati maqbul bo'lib qolsa va hali ham ma'lumotga
ega bo'lmagan joylar mavjud bo'lsa, ushbu amallarni kerak bo'lganda ko'p marta
takrorlang.
Shuni ham ta'kidlash joizki, haddan tashqari ko'p sonli o'zgaruvchilardan
foydalanish konstruktiv mantiqning algebraik model dan foydalanish natijasida
olingan implikantlarning kuchining pasayishiga olib keladi. Agar tahlilning
mohiyatida o'zgaruvchilar sonini kamaytirishning iloji bo'lmasa va natijada
paydo bo'lgan implikantlarning vakolatlari kichik bo'lsa, unda to'plangan
ma'lumotlarning sifati haqida gapirish mumkin.
32](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_32.png?v=1)
![Ushbu yondashuv tadqiqotchiga ma'lumotlar bazasini optimallashtirish
bosqichida hisob-kitoblarning yuqori aniqligi tufayli natijalarning to'g'riligiga
ko'proq ishonch beradi.
Optimallashtirilgan ma'lumotlar bazasi olingandan so'ng, agar
tadqiqotning ushbu bosqichida zarur bo'lsa, ma'lumotlarni to'plash jarayoni
majburiy ma'lumotlarni tekshirish bilan davom ettirilishi mumkin.
Ma'lumotlar bazasi keyingi tadqiqot operatsiyalari uchun ma'lumotga ega
bo'lganda (ya'ni, namuna vakili bo'ladi), biz tavsiflovchi statistik usullardan
foydalangan holda ma'lumotlarni statistik qayta ishlashga o'tamiz. Ta'riflovchi
statistika o'rganilayotgan ob'ekt xususiyatlarini o'lchash natijalarini vizual
taqdim etish va birlamchi ("vizual") tahlil qilish uchun ishlatiladi.
Kuzatishlar natijalarini taqdim etish uchun tavsiflovchi statistik ko'rsatkichlar
sifatida quyidagilar qo'llaniladi: tanlamaning o'rtacha arifmetik qiymati, rejim,
mediana, tanlov dispersiyasi, o'rtachaning standart xatosi, o'rtacha uchun 95%
ishonch oralig'i (umumiy aholining matematik kutishi). ), namunaning minimal
va maksimal qiymatlari, yuqori va pastki kvartillar, diapazon (maksimal va
minimal o'rtasidagi farq), pastki va yuqori kvartillar o'rtasidagi farq, namuna
kurtozis koeffitsienti, egrilik koeffitsientining standart xatosi, kurtozning
standart xatosi koeffitsienti [20].
Statistik ko'rsatkichlarni hisoblash jarayoni zamonaviy dasturiy ta'minot
bozorida juda keng bo'lgan mavjud statistik paketlardan foydalangan holda
soddalashtirilishi mumkin. Barcha sanab o'tilgan statistik ko'rsatkichlarni,
masalan, Statistica paketi [13, 20, 25] yordamida hisoblash mumkin.
Korrelyatsiya tahlili yordamida ma'lumotlar jadvalining barcha
xususiyatlari o'rtasidagi juft korrelyatsiya koeffitsientlari hisoblanadi. Belgilar
o'rtasidagi munosabatlar (Chaddock shkalasi bo'yicha) kuchli, o'rtacha yoki zaif
bo'lishi mumkin (2.1-jadval) [16]. Juftlik korrelyatsiya koeffitsienti -1 dan +1
gacha o'zgarib turadi. -1 qiymati to'liq manfiy bog'liqlikni, +1 qiymati eskpert
tizim to'liq ijobiy bog'liqlikni bildiradi. 0,0 qiymati korrelyatsiyasiz deb talqin
qilinadi.
33](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_33.png?v=1)
![normallashtirilmagan; kovariatsiya miqdori o'zgaruvchilarning jismoniy
o'lchamiga bog'liq.
Agar juft korrelyatsiya koeffitsientining hisoblangan qiymati kritik jadval
qiymatidan katta bo'lib chiqsa, u holda f=N-2 erkinlik darajalari soniga
bog'liqlik yaqinligining statistik ahamiyatliligi haqidagi gipoteza, bu erda N -
namuna hajmi, berilgan ahamiyatlilik darajasida qabul qilinadi [3].
Tanlangan va korrelyatsiya tahlilining statistik ko'rsatkichlarini
hisoblashdan tashqari, tanlangan omillar maqsadli o'zgaruvchining holatiga ta'sir
qiladimi yoki yo'qligini tekshirish kerak, ya'ni. kirish va chiqish omillari
o'rtasida tasodifiy bo'lmagan munosabatlarni o'rnatish.
Buning uchun bog'liqlikning yo'qligi (nol gipoteza H 0
) va bog'liqlikning
mavjudligi (muqobil gipoteza H
l ) haqida statistik farazlar tuziladi. Tadqiqot
jarayonida ilgari surilgan gipoteza tasdiqlanishi yoki rad etilishi kerak.
Keling, bu savolni misol bilan ko'rib chiqaylik. Tasavvur qiling,
kasallikning namoyon bo'lishiga va shunga mos ravishda kasallikning o'ziga
ta'sir qilishi mumkin bo'lgan ba'zi bir omil mavjud, bu erda biz bu omil
kasallikning sababi bo'lmasa, kasallik faqat tasodifiy ravishda ushbu omil bilan
mos keladi deb taxmin qilamiz. Mezonni qo'llash ma'lum bir omil va
kasallikning kuzatilgan kombinatsiyasini tasodifiy kutilgan bilan solishtirishga
asoslanadi.
Gipotezalarning qaysi biri (nol yoki muqobil) qabul qilinishi kerakligini
hal qilish uchun statistik mezonlardan foydalaniladi, masalan: Kramer-Uelch,
Vilkokson-Mann-Uitni, χ 2
, Fisher va boshqalar. Bu yerda kuzatishlar natijalari
haqidagi ma’lumotlarga asoslanib, mezonning empirik qiymati hisoblanadi. Bu
raqam tanlangan ahamiyatlilik darajasiga muvofiq mezonning kritik qiymati
bilan taqqoslanadi P. Biotibbiyot tadqiqotlarida qabul qilinadigan ahamiyat
darajasi 0,05, ya'ni 5% dan ko'p bo'lmagan xatolik ehtimoli.
Tibbiyotdagi eng mashhur statistik mezonlardan biri
χ2 (xi-kvadrat)
testidir. Ushbu mezon sifatli ma'lumotlarni tahlil qilish uchun javob beradi.
Uning boshqa mezonlardan asosiy farqi parametrik emas, ya'ni. taqsimlash
35](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_35.png?v=1)
![shaklidan mustaqillik. χ 2
mezoni, bir qator boshqa mezonlar kabi, kuzatilgan
hodisalarning chastotalarini, agar hodisalar tasodifan sodir bo'lsa, sodir bo'lishi
mumkin bo'lganlar bilan taqqoslashga asoslanadi.
Agar tekshirilayotgan shaxslarning umumiy soni 20 dan kam bo'lsa, (
χ2 )
xi-kvadrat testidan foydalanmaslik kerak. Tekshirilayotgan shaxslar soni 40 va
undan ortiq bo'lsa, ushbu mezonni qo'llash qat'iy tavsiya etiladi. Bunday holda,
to'rtta maydon jadvalining har bir katagida kuzatishlar soni 4 yoki undan ko'p
bo'lishi maqsadga muvofiqdir [17].
Umuman olganda, (
χ 2
) xi-kvadrat testi quyidagi shaklga ega:
χ
2
= ∑ (O− E).2
E 2.13
2 x 2 jadval uchun bu formula quyidagicha yoziladi:
2.14
Keyinchalik, erkinlik darajalari soni aniqlanadi, bu o'rganilgan holatlar
sonidan o'zgarishlarni cheklaydigan parametrlar sonidan tashqari tushuniladi.
Qo’shmalik jadvali uchun erkinlik darajalari soni:
2.15
Bu erda r - satrlar soni, c - jadvaldagi ustunlar soni.
Olingan (
χ 2
) xi-kvadrat qiymati jadval qiymati bilan taqqoslanadi va
taqqoslash natijalariga ko'ra ma'lum bir ahamiyatlilik darajasida nol yoki
muqobil gipoteza qabul qilinadi.
2x2 o'lchamdagi qidirish jadvali uchun statistik ahamiyatga juda
optimistik baho bermaslik uchun (F.Yates) tuzatishi bilan hisob-kitoblarni
amalga oshirish maqsadga muvofiqdir. Bu tuzatish (
χ2 ) xi-kvadrat testidagi O -
E qiymatini n/2 ga kamaytirilgan bu farqning mutlaq qiymati |O - E| bilan
almashtirish orqali ifodalanadi. Bizning misolimiz uchun formula quyidagi
shaklni oladi [17]:
2.16
36](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_36.png?v=1)
![Agar tanlovning umumiy hajmi kichik bo'lsa (n <30), unda nol gipotezani
tekshirish uchun Fisherning aniq testidan foydalanish yaxshiroqdir, chunki u
taqsimlanish shakli va ma'lumotlarning mustaqilligi haqidagi taxminlarning
minimal soniga tayanadi. Fisher mezoni ko'proq diagonal konsentrlangan
kelishuv jadvalining kataklarida kuzatuvlarning tasodifiy taqsimlanish ehtimoli
sifatida hisoblanadi [47].
O'lchamlari 2 x 2 dan katta bo'lgan jadvallar uchun men Пирсона va
Чупрова o'zaro konjugatsiya koeffitsientlaridan foydalanaman [45, 47]:
Pearson koeffitsienti: 2.17
Chuprov koeffitsienti: 2.18
bu yerda n - kuzatishlar soni;
k
1 - jadvaldagi qatorlar soni;
k
2 - jadvaldagi ustunlar soni.
belgini kiritamiz va Пирсона и Чупрова ning o'zaro bog’langan
koeffitsientlarini o'zgartiramiz:
2.19
2.20φ
2
qimati formula yordamida hisoblash mumkin:
2.21
Pearson va Чупрова o'zaro konjugatsiya koeffitsientlaridan
foydalanishning quyidagi xususiyatlarini ta'kidlash kerak:
37](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_37.png?v=1)
![usullari quyidagilardir: ishlab chiqarish qoidalari, qarorlar daraxtlari, birinchi
darajali predikatlar hisobi, semantik tarmoqlar, freymlar, ob'ektga yo'naltirilgan
modellar [6]. Ma’lumotlarni ifodalash usuli hal qilinayotgan muammoning
o'ziga xos xususiyatlariga, shuningdek, eskpert tizimni yaratishda
foydalaniladigan vositalarga muvofiq tanlanadi.
Murakkab muammolarni hal qilish uchun va ko'rib chiqilayotgan tadqiqot
muammosi bilan bog'liq holda, ma’lumotlarni taqdim etishning evristik usullaridan
foydalanishga asoslangan ishlab chiqarish modellaridan foydalanish tavsiya etiladi,
bu sizga xulosa qilish mexanizmini muammoli sohaning xususiyatlariga
moslashtirishga imkon beradi. ma’lumotlarning noaniqligini hisobga olish.
Shuningdek, ishlab chiqarish modeli xulosa yo'nalishini tanlash orqali xulosa
chiqarish mexanizmining yanada moslashuvchan ishlashini tashkil qilish imkonini
beradi. Bu erda ma'lumotlarga asoslangan to'g'ridan-to'g'ri argumentatsiya
(ma'lumotlardan maqsadga) va teskari, maqsadlarga (maqsaddan ma'lumotlarga)
olib kelishi mumkin. Ishlab chiqarish modellarida to'g'ridan-to'g'ri xulosa chiqarish,
masalan, talqin yoki prognozlash muammolarini hal qilishda, ma'lum bir vaziyatni
tavsiflashdan barcha oqibatlarni olish va bunday natijalarga olib keladigan eskpert
tizim mulohazalari zanjirini ko'rsatish zarur bo'lganda foydalanish mumkin. Teskari
hosila qo'llaniladi,
Ishlab chiqarish modelida ma’lumotning asosiy birligi shakl qoidasi
hisoblanadi: “agar <kiritish>, keyin <xulosa>”, uning yordamida fazoviy-vaqt,
sabab, funksional-xulq-atvor (vaziyat-harakat) munosabatlari yuzaga keladi
ob'ektlarni ifodalash mumkin. Ob'ektlarning o'zini qoidalar bilan tavsiflash
mumkin: "ob'ekt - xususiyat" yoki "xususiyatlar to'plami - ob'ekt", lekin ko'pincha
ob'ekt tavsiflari qoidalar ichida faqat o'zgaruvchilar ("atribut - qiymat") sifatida
paydo bo'ladi. Asosan, ishlab chiqarish modeli turli vaziyatlar yoki harakatlar
ketma-ketligini tasvirlash uchun mo'ljallangan va kamroq darajada ob'ektlarning
tuzilgan tavsifi uchun mo'ljallangan.
Umuman olganda, ishlab chiqarish (qoida) quyidagi shaklga ega:
2.22
39](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_39.png?v=1)
![Bu yerda i – mahsulot nomi, Q – mahsulotning qo‘llanilish doirasi, P –
mahsulotning o‘zagi uchun qo‘llanilishi sharti, A=>B – mahsulotning o‘zagi, N –
mahsulotning keyingi sharti [5] .
Har bir qoida ma'lum darajada aniqlik bilan bajarilishi mumkin. Bu yerda
noaniq mantiq elementlari qo'llaniladi, bunda ehtimolliklar faktlarning aniqligi va
qoidalarni qo'llash (ishonch omillari) bo'yicha ekspert baholari sifatida aniqlanadi.
Ishonch omillarini xulosalar chiqarish jarayonida argumentlarning ahamiyati
darajasini aks ettiruvchi og'irlik omillari sifatida ham ko'rish mumkin. Olingan
echimlarga bo'lgan ishonchning yakuniy omillari, asosan, ko'plab muammolarda
maqbul bo'lgan uning aniqligini emas, balki natijaning ishonchliligi tartibini aks
ettiradi.
Aniqlilik ma'lum nisbiy shkala bo'yicha o'lchanadi, masalan, 0 dan 100
gacha. Qoidalarni qo'llashda ishonch omillari ma’lumotlar bazasini to'ldirishda
yoki har bir qoidaning kuchini baholaydigan maxsus aqlli usullardan foydalangan
holda bilim muhandislari tomonidan mutaxassislar bilan birgalikda aniqlanadi. .
Bunday mantiqiy ifodalarni ishlab chiqarish qoidalari sifatida shakllantirish
mumkin va implikantning kuchi ishonch omiliga aylantirilishi mumkin. Natijada
mahsulot qoidalari asosida qurilgan ma’lumotlar bazasi.
U bilan ishlash uchun yangi ish qoidalarga muvofiq tekshiriladi va matni
ko'rib chiqilayotgan ishga mos keladiganlar belgilanadi. Keyin belgilangan
chiziqlarning ulushlarini qo'shing. Natijada, bu ish uchun umumiy ball.
Agar olingan iboralarda tadqiqotchi boshqalarning fonida ajralib turadigan
kuchni ko'rsa, uning kuchi boshqalardan ko'ra ko'proq bo'lgani kabi, bu ta'sir juda
muhimdir.
Natijada kichik hisob-kitoblarning mavjudligi ko'pincha salbiy natijani
ko'rsatadi, garchi bunday jarayonlar tabiatda asta-sekin ko'plab omillarga bog'liq
bo'lishi mumkin. Shuni eskpert tizimda tutish kerakki, yagona hisoblangan
formulalar ham to'g'ri, ammo ular kamdan-kam holatlarga tegishli. Ularning
allaqachon aniqlangan nazariyasiga muvofiqligi ma'nosida ular shovqin bo'lishi
mumkin, ammo X da "marvarid donasi" ni topish holati istisno qilinmaydi,
qo'shimcha tadqiqotlardan so'ng uning axborot qiymati katta bo'ladi [17] .
40](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_40.png?v=1)
![dis'yunksiya ( " yoki " ), mantiqiy bog'lovchi implikatsiya (" agar, keyin ") va Z -
tadqiqot maqsadi (odatda mantiqiy shaklda). Bu erda barcha x o'zgaruvchilar
mantiqiy bo'ladi, masalan, agar kasallik aniqlansa, x = 1, agar u yo'q bo'lsa, x = 0.
Qulaylik uchun mantiqiy (boolean) M, masalan, shaklda yozilishi mumkin
x
i 1
„ x
i 2
...x
ir 1
v ... v (x
i3 x
i4 ...x
ir0 v ...)⊃ Z, 2.24
bu erda x orasidagi intervallar "va" bog'lanishini bildiradi, tagiga chizilgan x = 0, r
i
- K maqsadli modelga (MM) tegishli bo'lgan belgi, bu erda Z=l, r
0 - maqsadli
bo'lmagan modelga yoki "nazorat modeliga" tegishli. " ( NM ), bu erda Z = 0 va -
¬
- inkor.
Ikki modelni qurish afzaldir: to'g'ridan-to'g'ri hisoblash va teskari tomondan
hisoblash , bu qarama-qarshi natijalarni solishtirish imkoniyati tufayli natijani
talqin qilishni soddalashtiradi [19]. Birinchidan, biz to'g'ridan-to'g'ri modelni qurish
va baholashni boshlaymiz. Manba jadvalining maqsadli ustuni va eng muhim
(axborot beruvchi) ustunlari uning boshida (birinchi raqamlarda) joylashgan.
Ustunlarni qayta tartiblash yakuniy ifodalarni o'zgartirishi mumkin. O'zgartirilgan
iboralar, birinchi navbatda, kuchi ahamiyatsiz bo'lgan implikantlarga ta'sir qiladi.
Algoritm yakuniy ifodalarning barcha mumkin bo'lgan variantlarini ko'rish uchun
mo'ljallanmagan: birinchi bo'lib olingani tanlanadi. Turli xil variantlar orasida
noto'g'ri variantlar yo'q, chunki bir xil natija turli yo'llar bilan taqdim etilishi
mumkin [3].
Olingan modelning ko'rinishi o'rganilayotgan ob'ektning murakkabligini
taxminiy baholash imkonini beradi. Shunday qilib, axborot nuqtai nazaridan
modelning ko'p sonli dis'yunktiv atamalari (ya'ni, individual xulosalar) bunday
murakkablikdan dalolat beradi. Shunga ko'ra, bu holda biz xulosalarning katta
noaniqligi (axborot entropiyasi) haqida gapirishimiz mumkin. Bitta mahsulotdagi
o'zgaruvchilarning ko'pligi ham uning murakkabligidan dalolat beradi.
Modellashtirish jarayonining o'zi oz sonli eng qisqacha xulosalarni olishga
qaratilgan, ya'ni. yakuniy ob'ektni tavsiflashning minimal murakkabligini beradigan
eng qimmatli ma'lumotlarni olish uchun [27]. Shunday qilib, agar to'g'ridan-to'g'ri
model past quvvat bilan tavsiflangan ko'p sonli ajratuvchi atamalarga ega bo'lsa, bu
natijada olingan modelning "qoralangan"ligini va model qurilgan ma'lumotlarni
42](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_42.png?v=1)
![ko'rsatadi, ko'proq tasodifiy (noaniq) xarakterga ega. "Yo'llangan" modelni
olishning sababi yetarli miqdordagi o'quv misollarining yo'qligi (tanlamaning
kichik hajmi) bo'lishi mumkin va maqsadli o'zgaruvchining holatiga sezilarli ta'sir
ko'rsatadigan ba'zi omillar hisobga olinmagan bo'lishi mumkin.
Agar model yuqori quvvatga ega bo'lgan kichik disjunksiyalar to'plamidan
iborat bo'lsa, u holda Y maqsadiga erishish yo'llarini ixcham va "tushunarli"
mulohazalar ko'rinishida aks ettiruvchi ixcham model olingan deb hisoblanadi.
Ushbu mulohazalar Y ga erishishning o'xshash usullarini yoki ehtimol mos
keladigan nazariyalarni apriori ma'lumotlarni tanib olishga yordam beradigan o'ziga
xos kalit iboralar sifatida qaralishi mumkin [17]. Shuning uchun bunday modelni
eskpert tizim ma’lumotlar bazasini yaratish uchun asos sifatida olish mumkin,
chunki yuqori quvvat qiymatlari olingan natijalar barqaror va ishonchli ekanligini
anglatadi.
Bundan tashqari, maqsadli bo'lmagan (teskari) model ham xuddi shunday
tarzda ko'rib chiqiladi. Bunday holda, teskari tomondan hisoblash (maqsadga
erishilmaydi) to'g'ridan-to'g'ri hisoblashdan ko'ra ko'proq vaqt talab etadi
(maqsadga erishiladi).
Amalda, bunday holat to'g'ridan-to'g'ri model qoralangan holda taqdim
etilganda mumkin va teskari model, aksincha, ixcham bo'lib chiqadi. Ushbu
vaziyatning mumkin bo'lgan izohi shundaki, ushbu namunada kirish atributlari va
maqsadli o'zgaruvchi o'rtasida haqiqatan ham ma'lum qonuniyatlar mavjud, ammo
yuqori quvvatga ega bo'lgan xulosalar paydo bo'ladigan teskari modelda
ko'rsatilganidek, yetarlicha misollar to'planmagan. Keyin maqsadli bo'lmagan
modeldan olingan natijalarni ma’lumotlar bazasiga kiritish maqsadga muvofiq
bo'ladi. Biroq, shu bilan birga, belgilangan maqsad uchun maqsadli bo'lmagan
modeldan ishga tushirilgan qoidalarning vakolatlari umumiy balldan olib
tashlanadi, bu esa kiritilgan o'zgaruvchilarning belgilangan qiymatlari uchun ushbu
maqsadga erishishning o'ziga xos xususiyatini aks ettiradi.
Bu yerda kuchni ishonch omiliga aylantirishga alohida e'tibor berilishi kerak.
Bundan tashqari, ishonch omiliga xulosalar chiqarish jarayonida argumentlarning
muhimlik darajasini aks ettiruvchi tortish koeffitsientlari sifatida ko'rib chiqiladi va
43](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_43.png?v=1)
![olingan qarorlarning yakuniy ishonch omiliga aniqligini emas, balki natijaning
ishonchliligi tartibini aks ettiradi.
ishonch omili quyidagi formula bilan aniqlanadi:
2.25
bu erda M
i - joriy quvvat; M
um - umumiy quvvat qiymati.
Natijadagi barcha implikantlarning kardinalliklari yig'indisi maksimal
kardinallik emas, chunki natijada paydo bo'lgan iboralardagi omillar ularning
domenlari bilan ifodalanadi, ular ko'pincha bir-biriga mos kelmaydi. Natijada,
barcha yuzaga keladigan implikantlarning vakolatlarining oddiy yig'indisi sezilarli
darajada oshirilgan qiymatni beradi.
Shunday qilib, eskpert tizimni qurish uchun konstruktiv mantiqning
algebraik model dan foydalanilganda, maksimal umumiy quvvatni topish
algoritmiga ega bo'lish kerak.
Buning uchun bizga kerak:
1. Maqsadli qiymat va mos keladigan matematik modelni tanlang (natijadagi
implikantlar).
2. Har bir omil uchun o'zgarish o'sishini o'rnating.
3. Har bir omilning qiymatlarini uning minimal qiymatidan maksimaligacha
ketma-ket sanab, umumiy quvvatning maksimal mumkin bo'lgan qiymatini toping,
ya'ni. o'quv namunasini olingan implikantlar orqali go'yo filtrdan o'tkazing.
4. Agar hisobga olingan omillarning joriy qiymatlari to'plami natijaviy
implikantning shartlariga mos keladigan bo'lsa, unda umumiy quvvatni hisoblashda
uning kuchi hisobga olinadi. Olingan maksimal qiymat berilgan namunadagi
maksimal quvvat (Max) bo'ladi.
Maksimal quvvatni hisoblash uchun tavsiya etilgan algoritm har bir omilning
mumkin bo'lgan qiymatlarini sanab o'tishga asoslangan va agar siz o'zingiz uchun
qo'yilgan ikkinchi vazifani hisobga olmasangiz, birinchi qarashda oqilona emas.
Ushbu operatsiyani maksimal quvvatni hisoblashda qiymatlarni sanab o'tishning bir
tsiklida bajarish mumkin [17].
44](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_44.png?v=1)
![taqqoslash natijalaridan tuziladi. Agar jadvaldagi bayonot ko'rib chiqilayotgan ishni
qanoatlantirsa, u holda ma'lumotlar bazasida to'plangan ishlarning umumiy
sonining ulushi sifatida ifodalangan natijaviy ifodaning kuchi yakuniy ehtimollik
bahosiga qo'shiladi [19].
4) Algebraik model ma'lum bir razvedkaga ega, bu shovqinli makonda
muhim jarayonlarni ajratib ko'rsatish imkonini beradi. Bu printsip shundan iboratki,
har bir guruhda o'zgaruvchining bir xil darajali qo'shni qiymatlari bilan tahlil qilish
(mahallani o'rganish) asosida nuqta predikatlarining natijaviy qiymatlarini
birlashtirish to'g'risida qaror qabul qilinadi. joy o'rnatish. Ushbu operatsiya
natijasida o'rganilayotgan jarayonga xos bo'lmagan ajratuvchi nuqta predikatlar
so'riladi. Yechilayotgan muammoning xususiyatiga qarab, qaror qabul qilishning
ko'pchilik printsipidan foydalangan holda mahallani o'rganishni kengaytirish ham
mumkin. Ko'p sonli mahalliy predikatlarni bir xil nomdagi guruhda birlashtirish
uchun ushbu yondashuvdan foydalanish maqsadga muvofiqdir. Ularning o‘z soni
bilan ko'rib chiqishni qisqartirish kerak.
Ikkinchi muqobil sifatida MS eskpert tizim modelini yaratish uchun neyron
tarmoq yondashuvidan foydalanish mumkin [23]. Shu bilan birga, sun'iy neyron
tarmoqlari asosida yaratilgan bilimlar bazasi amaliy tibbiyotdan olingan misollar
asosida o'qitish orqali shakllantiriladi. Bunday holda, bilimlarni o'zlashtirish
eskpert tizimni ishlab chiqish vaqtini sezilarli darajada qisqartirishi, ekspert
usullariga xos bo'lgan sub'ektivlikni bartaraf etishi va yangi yashirin bilimlarni
olishi mumkin bo'lgan ekspert bilimlarini olish orqali emas, balki neyron tarmoq
orqali amalga oshiriladi. .
Neyron tarmoq ma'lumotlarni qayta ishlash usullari orasida o'ziga xos o'rinni
egallaydi, universalligi va murakkabligi bo'yicha ulardan ustun turadi, shu bilan
birga ma'lumotlar shakliga unchalik sezgir bo'lmagan usul bo'lib qoladi.
Tarmoqlar, shuningdek, saqlagan ma'lumotlarga asoslanib, ekstrapolyatsiya
va interpolyatsiya qilish imkonini beradi. va trening sizga tarmoqqa
ma'lumotlardagi muhim xususiyatlar yoki munosabatlarni qidirish qobiliyatini
berishga imkon beradi. Shundan so'ng, tarmoq yangi kiruvchi ma'lumotlardagi
munosabatlarni ekstrapolyatsiya qilish va kashf qilish qobiliyatiga ega bo'ladi [3].
48](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_48.png?v=1)
![Sun'iy neyron tarmoq ma'lumotlarini taqdim etish vositalari xatoga chidamli
xotiraga ega, ya'ni. neyron tarmoqning alohida qismlarini o'chirishda faqat
saqlangan ma'lumotlar sifatining pasayishi sodir bo'ladi, lekin ma'lumotlarning
to'liq yo'qolishi emas. Buning sababi shundaki, ma'lumotlar taqsimlangan shaklda
saqlanadi.
Neyron tarmog'i paradigmasining asosiy kamchiligi - bu juda katta
miqdordagi o'quv namunasiga ega bo'lish zarurati. Yana bir muhim kamchilik
shundaki, hatto o'qitilgan neyron tarmoq ham "qora quti" [6].
Agar ma'lumotlar haqida apriori ma'lumot bo'lmasa, u holda neyron
tarmoqlardan foydalanish maqsadga muvofiqdir. Neyron tarmoqlar ko'pincha
muammoni tez va sifatli hal qilishni ta'minlaydi, odatda ma'lumotlar strukturasini
chuqur o'rganishdan so'ng statistik usullar bilan olinganidan ko'ra yomonroq emas
[14].
Eskpert tizim qurish uchun neyron tarmoqlardan foydalanish ishlab chiqish
vaqtini qisqartirish imkonini beradi: qoidaga asoslangan tizimlar 12-18 oy, neyron
tarmoqlar eskpert tizim bir necha haftadan bir necha oygacha davom etadi.
Neyron tarmog'ini qurish masalasiga o'tishdan oldin biz birinchi navbatda
sun'iy neyron tarmoqlarning tuzilishini va ularni aniq vazifalarda qo'llash
imkoniyatlarini ko'rib chiqamiz.
Tizimni o'qitish natijasida, yangi paydo bo'lgan vaziyatlarni sharhlashda
o'qitilgan tizim foydalanadigan vaziyatlarning sinflarga tegishliligini aniqlaydigan
umumlash- tirilgan qoidalar yoki funktsiyalar avtomatik ravishda tuziladi. Shunday
qilib, tasniflash va prognozlash masalalarini hal qilishda foydalaniladigan bilimlar
bazasi avtomatik ravishda shakllanadi[16].
Eskpert tizimning o'z-o'zini o'rganish funktsiyasini amalga oshirish uchun
biz neyron tarmoqning matematik apparatidan foydalanamiz [23]. Neyron tarmoq
deganda o z-o zini o rganuvchi intellektual axborot tizimi tushuniladi, u realʻ ʻ ʻ
amaliyot misollaridan o rganish asosida undagi yechimlarni parallel izlash uchun
ʻ
tushunchalar (neyronlar) assotsiativ tarmog ini quradi [16].
ʻ
Neyron tarmoqlarning turli xil variantlari mavjud , ammo shunga qaramay,
ularning barchasi umumiy xususiyatlarga ega. Neyron tarmoqlar, xuddi inson
49](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_49.png?v=1)
![Faollashtirish (xarakteristik) funksiya - bu rasmiy neyronning chiqish
signalini hisoblaydigan chiziqli bo'lmagan funksiya. Uchta faollashtirish
funktsiyasi mavjud: qattiq chegara funktsiyasi, chiziqli chegara va sigmasimon
funktsiya [38]. Faollashtirish funktsiyasini tanlash vazifaning o'ziga xos
xususiyatlari yoki ba'zi o'rganish algoritmlari tomonidan qo'yilgan cheklovlar
bilan belgilanadi [39]. Faollashtirish funktsiyasi sifatida eng ko'p ishlatiladigan
sigmasimon funktsiya quyidagi shaklga ega:
2.29
Ushbu funktsiyaning asosiy afzalligi shundaki, u butun x o'qi bo'yicha
farqlanadi va juda oddiy hosilaga ega:
2.30
Parametr a pasayganda, sigmasimon (2.3-rasm) tekisroq bo'ladi (chiziqqa
yaqinroq), a=0 da 0,5 darajasida gorizontal chiziqqa aylanadi.
2.3 rasm. Sigmasimon bez turi (neyronlarning uzatish funksiyasining
tikligi) a=0,5
Neyron tarmoq quyidagi muammolarni hal qilishga imkon beradi [30]:
1. Nazoratsiz tasniflash yoki ma'lumot qidirish. Ushbu sinf tarmoqlarining
eng mashhur vakili bu muammoni hal qilishning eng oddiy variantini amalga
oshiradigan Kohonen tarmog'idir. Ushbu muammoning eng umumiy yechimi
dinamik yadrolar usuli sifatida tanilgan.
2. Assotsiativ xotira. Eng mashhur vakili Xopfild tarmog'idir. Bu
muammo, shuningdek, umumlashtirishlarni qurish imkonini beradi.
51- 10 - 8 - 6 - 4
- 2
0 2 4 6
8 101
0.5
0](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_51.png?v=1)
![3. Cheklangan sonli nuqtalarda berilgan funksiyalarni yaqinlashtirish.
Ushbu muammoni hal qiladigan tarmoqlarga perseptronlar, xatolarni qayta
tarqatish tarmoqlari kiradi.
Orqa tarqalish neyron tarmog'i bir nechta neyron qatlamlaridan iborat
bo'lib, qatlamning har bir neyroni i + 1 qatlamning har bir neyroniga ulanadi,
ya'ni biz to'liq bog'langan Neyron tarmoq haqida gapiramiz [46]. Ushbu
arxitektura bilan har bir neyron har biriga, shu jumladan o'ziga bog'langan. 3 ta
neyrondan iborat oddiy neyron tarmoqga misol 2.4-rasmda keltirilgan.
2.4-rasm. To'liq ulangan neyron tarmoq
To'liq ulangan tarmoq quyidagi afzalliklarga ega. Birinchidan, bir xil
miqdordagi neyronlar bilan to'liq bog'langan tarmoqlar neyronlararo
ulanishlarning maksimal soniga ega, bu eskpert tizim tarmoqning axborot
sig'imini oshiradi. Ikkinchidan, to'liq bog'langan arxitektura juda ko'p qirrali
bo'lib, u har bir vazifa uchun simli diagrammaning o'zgarishi bilan tajriba
o'tkazishni talab qilmaydi.Tasniflash muammolaridan farqli o'laroq, bashorat
qilish muammosi shundaki, bashorat qilish muammolaridagi javob kasr bo'lishi
mumkin va har qanday oraliqda har qanday qiymatlarni olishi mumkin.
52 Dastlabki ma'lumotlarni yig'ish
Ma'lumotlarni o'qitish va tekshirish
to'plamiga bo'lish
Tarmoq kirishlari uchun
ma'lumotlarni o'zgartirish
Tarmoq tuzilishini aniqlashKata hajmdagi
malumotlarni olish
To'plamlarni qayta
ko'rib chiqish
Qayta aniqlash](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_52.png?v=1)
![2.5-rasm. Sun'iy neyron tarmoqni ishlab chiqish va sozlash jarayoni ketma-
ketligi.
Neyron tarmoq ta'limi - bu o'quv ma'lumotlari to'plami va oldindan
belgilangan natija o'rtasidagi qonuniyatni avtomatik ravishda izlash jarayoni
bo'lib, u tugagandan keyingina natijalarni baholash uchun mutaxassisning
ishtirokini talab qiladi [39]. Konstruktiv mantiqning algebraik model da o'qitish
dastlab ortiqcha kirish parametrlari to'plamida amalga oshiriladi, bu amalda
ko'proq parametrlarni hisobga olish va keyin ahamiyatsizlarni istisno qilish
ancha oson bo'lishi bilan bog'liq. Agar dastlabki ma'lumotlar natijaga erishish
uchun yetarli bo'lmasa, ularni qo'shishdan ko'ra omillar. Neyron tarmoq ni
o'qitishdan maqsad - o'quv majmuasi misollari bilan ishlash orqali muammoni
53 Tarmoq tuzilishini aniqlash
Tarmoqni o'rganishni boshlash
tarozilarni aniqlash va qayta ko'rib
chiqish
Amalga oshirish yangi vaziyatlarda
neyron tarmoqdan foydalanishBoshqa algoritmni
tanlash](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_53.png?v=1)
![hal qilishda tajriba orttirish. To'liq tayyorgarlikdan so'ng, kirish parametrlarini
minimallashtirish va / yoki neyron tarmoq kontrastini amalga oshirish mumkin.
Parametrlarni minimallashtirish kirish parametrlarining ahamiyatini hisoblab
chiqqandan keyin amalga oshiriladi [33].
Neyron tarmoqni o'rgatish uchun sizga dastlabki ma'lumotlarni
saqlaydigan topshiriqlar kitobi kerak. O'qitish ko'pincha butun muammoli kitob
bo'yicha emas, balki uning bir qismi bo'yicha amalga oshiriladi, masalan,
muammoli kitobning 95% o'quv namunasi, 5% eskpert tizim test namunasidir.
Ko'pgina muammolar va ayniqsa tibbiy muammolar uchun o'quv namunasi katta
bo'lishi kerak (bir necha yuzdan bir necha o'n minglab misollargacha).
O'qitish va sinovdan o'tkazish jarayonida barcha kirish parametrlari,
shuningdek, bashorat qiluvchi neyron tarmoqlarining javoblari raqamli shaklda
ifodalanadi va ma'lumotlar turidan qat'i nazar (diskret, uzluksiz; ob'ektiv bilan
bog'liq) [-1..1] oralig'ida normallashtiriladi. yoki sub'ektiv toifalar), bu uning
NTni qayta ishlash jarayonida universal vakillik ma'lumotlarini ta'minlaydi [33].
Neyron tarmoqni ishlatishdan oldin tarmoqni kerakli ishlash darajasiga
moslashtiradigan boshlang'ich parametrlar to'plami o'rnatiladi: neyronlarning
umumiy soni; har bir kirish signali qo'llaniladigan neyronlar soni (zichlik);
neyronlarning xususiyatlari; ishonchlilik darajasi (neyron tarmoqlari-
klassifikatorlar uchun) yoki og'ishlar (neyron tarmoqlari-prediktorlar uchun),
ishlash davrlari soni (javob vaqti).
Shu bilan birga, neyron tarmoqni o'qitishning maqsadi maksimal mumkin
bo'lgan xarakterli parametrga va minimalga yaqinlashadigan sinaptik ulanishlar
soniga ega to'liq o'qitilgan tarmoqni olishdir [53].
Neyron tarmoqni o'rgatishda tarmoq o'qitilmagan vaziyat yuzaga kelishi
mumkin. Bu mashg'ulotning ma'lum bir bosqichida trening parametrlari va
natijalari o'rtasidagi qonuniyatlarni izlash uchun qo'shimcha imkoniyatlar tugasa
sodir bo'ladi. Bu holatning eng oddiy varianti tarmoqlarga bir xil parametrlar
to'plamiga ega bo'lgan ikkita misol turli sinflarga tegishli sifatida taqdim
etilgandadir.
54](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_54.png?v=1)
![tarmoqlar guruhidan foydalanish yaxshiroqdir. va qaror, masalan, neyron
tarmoqda ovoz berish orqali tanlanadi.
Keling, neyron tarmoq ekspert tizimidan foydalanishning afzalliklarini
umumlashtiramiz [43].
1. Neyron tarmoqlar o'zlari to'plagan tajriba asosida qaror qabul qiladilar.
Bu holda "Mustaqil ravishda" eskpert tizim yaratuvchisi kiritilgan ma'lumotlar
va kerakli yechim o'rtasidagi munosabatlarni o'rnatishda, turli statistik ishlov
berishga vaqt sarflashda, matematik apparatlarni tanlashda, matematik
modellarni yaratish va tekshirishga muhtoj emasligini bildiradi
2. Neyron tarmoq tomonidan qabul qilingan qaror qat'iy emas, chunki
tarmoq unga bo'lgan ishonch darajasi bilan birga qaror chiqaradi, bu eskpert
tizim foydalanuvchiga o'z javobini tanqidiy baholash imkoniyatini beradi.
3. Neyron tarmoq qaror qabul qilish holatini simulyatsiya qilish imkonini
beradi, bu eskpert tizim "agar ... nima bo'lishini" ko'rish imkonini beradi.
4. Neyron tarmoq juda tez javob beradi, bu ularni zudlik bilan qaror qabul
qilishni talab qiluvchi turli dinamik tizimlarda qo'llash imkonini beradi.
57](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_57.png?v=1)
![III - BOB NAFAS OLISH ORGANLARI EKOLOGIYA VA ISHLAB
CHIQARISH BILAN BOG'LIQ KASALLIKLARI MISOLIDA EKSPERT
TIZIMINING BILIMLAR BAZASINI YARATISH
3.1 Nafas olish tizimi kasalliklarida mikroelementlarning buzilishini
nazorat qilish analitik hisoblash masalasi.
Kasbiy kasalliklar orasida nafas yo'llari kasalliklari sezilarli ulushga ega.
Surunkali obstruktiv o'pka kasalligi bilan og'rigan bemorlar orasida surunkali
obstruktiv bronxit erkaklarning taxminan 6 foizini va ayollarning 3 foizini
tashkil qiladi [47]. Changchilar orasida surunkali chang bronxiti 12-85%
hollarda uchradi.
Surunkali kasbiy bronxitning ishonchli klinik diagnostikasi faqat
kasallikning klinik jihatdan aniq og'irligi (II va III bosqichlari) bilan mumkin,
bunda samarali davolash usullari deyarli mavjud emas.
Surunkali kasbiy bronxit patologik jarayonining shakllanish bosqichi
("prebronxit", "yashirin bronxit") va kasallikning dastlabki bosqichi (I bosqich
chang bronxit) engil alomatlarga ega va shuning uchun tashxis qo'yish qiyin [29-
33, 48]. Ammo dastlabki bosqichlarda tegishli profilaktika choralari (davolash,
davriy tekshiruvlar) ko'rinishidagi profilaktika choralari eng samarali
hisoblanadi, chunki ular kasallikning rivojlanishini oldini oladi.
Surunkali kasbiy bronxitni dastlabki bosqichlarda tashxislashning bir
necha yondashuvlari mavjud. Mening tadqiqotimda surunkali kasbiy bronxitning
dastlabki bosqichlarini tashxislash mezoni sifatida turli xil tana tizimlarining
chang ta'siriga nisbatan o'ziga xos bo'lmagan javoblari parametrlarini taklif
qiladilar. Ba'zi ishlarda chang ta'siriga javoban tananing adaptiv mexanizmlarini
kompensatsion faollashtirish belgilari bo'lgan tashqi nafas olish
funktsiyalaridagi o'zgarishlarni aniqlashga asoslangan turli diagnostika usullari
ko'rib chiqildi. Diagnostika vositasi sifatida, shuningdek, chiqarilgan havoning
namlik kondensatida oksidlovchi metabolizm, neyrohumoral va gormonal
regulyatsiya ko'rsatkichlarini aniqlash taklif etiladi. Ish [46] shuni ko'rsatadiki,
premorbid va patologik holatni aniqlash uchun sirt faol moddalar tizimidagi
58](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_58.png?v=1)
![metallarning roli haqida savol tug'iladi va ularning past kontsentratsiyasini hisobga
olgan holda, biz ushbu metallarning roli haqida gapirishimiz kerak.
Mikroelementning mikroelementozlar deb ataladigan turli kasalliklarning
paydo bo'lishi va rivojlanishidagi ahamiyati ko'plab adabiyot manbalarida ko'rib
chiqildi [45, 46, 47, 48, 49, 52, 54]. Bunday holda, biz mikroelementozlar haqida
emas, balki diagnostika vositasi sifatida mikroelement roli haqida gapiramiz, ya'ni
mikroelementning biologik belgilar sifatidagi roli haqida. Ushbu yo'nalishning
jozibadorligi shundaki, u nafaqat biologik muhitda mikroelementlar miqdorini bir
vaqtning o'zida miqdoriy aniqlash, balki vaqt o'tishi bilan mikroelementlarning
kontsentratsiyasini o'zgartirish mumkin bo'ladi. Shu bilan birga, eng informatsion
va arzon usul siydikda mikroelement kontsentratsiyasini aniqlashdir. surunkali
kasbiy bronxit va surunkali obstruktiv o'pka kasalligi diagnostikasi uchun ekspert
tizimining modelini ishlab chiqish muhimdir. Ularning amaliy ahamiyati ular
organizmning antigenlarga reaktsiyasining ko'p komponentli jarayonini tahlil qilish
vositasi ekanligi va immun tizimining reaktsiyalari hal qiluvchi bo'lgan yuqumli
jarayonlarni tashxislash va bashorat qilish uchun bir qator istiqbolli tavsiyalar
beradi. Chang etiologiyasining matematik modellar bo'lsa, matematik modellar
profilaktika choralarini ishlab chiqishga hissa qo'shishi kerak, ularning ahamiyati
deyarli barcha tadqiqotchilar tomonidan ta'kidlanadi.
Matematik modellar diagnostikasi, rivojlanishi va oldini olish mezonlarini
aks ettirishdan tashqari, chang etiologiyasi o'pkasining matematik model
diagnostikasi va oldini olish xarajatlarini minimallashtiradigan optimallashtirish
muammolarini hal qilishga imkon beradi.
3.2 Nafas olish kasalliklari ekspert tizimini yaratish uchun diagnostikaning
ahamiyati
Tadqiqot natijasida ko'mir changining ta'siridan surunkali chang bronxitining
patogenezida o'tish metallarining (temir, xrom, marganets, nikel) roli isbotlandi
[37].
Kaltsiy, magniy, rux va misning bronxlarning o'tkazuvchanligini, nafas olish
mushaklarining qisqarish faolligini, sensibilizatsiya jarayonlarini va sezgirlik
reaktsiyalarini tartibga solishda muhim roli aniqlandi [36, 52]. Ukol gormonlar
60](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_60.png?v=1)
![ta'sirini amalga oshirishda rux, mis ishtirokining ahamiyati haqida alohida
ma'lumotlar mavjud [44, 45]. Boshqa mualliflarning fikriga ko'ra, kimyoviy
elementlarning metabolizmidagi o'zgarishlar steroid terapiyasi va 2-adrenergik
agonistlarni qo'llashning yon ta'siridan biridir.β
Natija [27,33,45] natriy, kaliy, magniy, kaltsiy, rux, mis, temir, kobalt va
nikelning surunkali obstruktiv o'pka kasalligi patogenezidagi rolini ko'rsatdi,
kasallikning kuchayishi paytida, remissiya davrida, ushbu elementlarning tarkibini
ko'rib chiqdik. [29, 37].
Qondagi sink tarkibining o'zgarishi nafas olish tizimi kasalliklarida
ikkilamchi immunitet tanqisligi holatlarini shakllantirishning sabablaridan biri
hisoblanadi.
Bir qator tadqiqotlar sinkning fiziologik kontsentratsiyasi, mast hujayralari
va bazofillardan gistamin va leykotrien C4 ning chiqarilishi bilan bog'liq bo'lgan E
immunoglobulin sinfining dozaga bog'liqligini ko'rsatdi.
Sink etishmovchiligi allergik kasalliklarning kuchayishi ehtimolini oshiradi.
Odatda, inson tanasida kuniga taxminan 0,5 mg mis seruloplazmin tarkibiga
kiradi va safro bilan chiqariladi. Odamlarda tanaga kiradigan misning asosiy qismi
najas bilan chiqariladi; siydik bilan ajralib chiqishi cheklangan va kuniga 20-60
mkg ni tashkil qiladi.
Surunkali bronxit bilan og'rigan bemorlarning 76 foizida o'tkir bosqichda
qon zardobidagi mis konsentratsiyasining oshishini aniqladik va giperkupremi
darajasi bronxlardagi yallig'lanish jarayonining og'irligi va tabiatiga bevosita
bog'liq.
Ichimlik suvidagi mis miqdori va bronxial o'tkazuvchanlik o'rtasida ijobiy
bog'liqlikni aniqladik.
Eksperimental va klinik tadqiqotlar materiallari misning darhol allergik
reaktsiyalar, yallig'lanishning turli bosqichlari regulyatori sifatida harakat qilishini
va hujayra va gumoral immunitetning funktsional faolligini nazorat qilishini
isbotlaydi. Uzoq muddatli pnevmoniya bilan og'rigan bemorlarda qon zardobida
bioelement kontsentratsiyasining pasayishi, T va B hujayralari muvozanati va
61](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_61.png?v=1)
![ksenobiotik metabolizm fermentlarining depretsiyasi bilan birlashtirilganligi
aniqlandi [14].
A. В . Емелянов, Ф.С. T ажиев va boshqalar [54] surunkali nonspesifik o'pka
kasalliklarida qon plazmasidagi mis darajasining oshishi bilan bir vaqtda
eritrotsitlarda uning darajasining pasayishini tasvirlab berdilar.
M.A.Pетрисина surunkali obstruktiv o'pka kasalligida qon hujayralarida mis
darajasining oshishini aniqladi. Surunkali bronxit bilan og'rigan bemorlarda
eritrotsitlar tarkibidagi mis miqdorining sezilarli darajada oshishi va uning kvadrat
darajasining pasayishi qayd etilgan. С. С . Жихаров nafas olish yo'llari
kasalliklarining og'ir kuchayishi bilan qonda superoksid dismutaza va
seruloplazminning kamayishini aniqladi
Qon plazmasidagi mis darajasining oshishini o'pkada yallig'lanish
jarayonlarida jigardan mobilizatsiyasi bilan kompensatsion qayta taqsimlash deb
hisoblaydi. Yallig'lanish markazida o'pkaning buzilmagan joylarida o'zgarishlar
bo'lmasa, mis tarkibini kamaytirish tendentsiyasi mavjud.
Shunday qilib, keltirilgan adabiyotlar misning yallig'lanish jarayonlarida,
lipid peroksidatsiyasida ahamiyatini ko'rsatadi, bu shubhasiz bronxo-obstruktiv
jarayonning patogeneziga ta'sir qiladi.
Xrom muhim mikroelement hisoblanadi. Oziq-ovqatlardan 1% dan ko'p
bo'lmagan Cr 3+
va taxminan 10% Cr 6+
so'riladi.Cr +3
birikmalari shunchalik yomon
so'riladiki, ular odamlarda najas belgilari sifatida ishlatiladi. Xromning (Cr)
yutilishi xelatlovchi elementlarning mavjudligiga bog'liq. Xromning so'rilishini
oshiradigan ligandlar uning neytralga yaqin bo'lgan ichak traktida asosli tuzlar
shaklida cho'kishining oldini oladi [52]. Xromning so'rilishiga temir va sink ham
ta'sir qiladi. Bu mikroelementlar yetishmasa, xromning assimilyatsiyasi kuchayadi
va ularni bir vaqtda qabul qilish bilan u kamayadi, bu esa ushbu mikroelementlarni
assimilyatsiya qilishning umumiy usullarini ko'rsatadi. Xrom oqsil transferrin bilan
bog'langan qonda va eritrotsitlarda tashiladi. Surunkali nonspesifik o'pka
kasalliklari qilingan Cr 3+
ning kamida 2/3 qismi 8-12 soat ichida siydik va safro
bilan chiqariladi. Cr 6+
payvandlashda, xrom qoplamada,
62](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_62.png?v=1)
![Cr 3+
ning etishmasligi II turdagi qandli diabet bilan og'rigan bemorlarda
to'qimalarning insulinga sezgirligining pasayishi bilan bog'liq.
To'plangan xromning taxminan 40% (Cr + 6
) o'pkada saqlanadi, ma'lum bir
qismi eskpert tizim ekvivalentlarni kamaytirish ta'sirida Cr +3
ga o'tadi. Shunday
qilib, o'pkada Cr +3
alveolyar makrofaglar tomonidan so'riladi yoki albumin bilan
bog'lanadi. Cr +3
klirensi bilan yarim yemirilish davri 0,56; 12,7 va 192 kun.
Eriydigan Cr +6
ning buyrak klirensi ancha tezroq bo'lib, undan biologik ko'rsatkich
sifatida ham foydalanish mumkin. Umuman olganda, bu xulosalar o'pkada turli xil
xrom modifikatsiyalarining tarkibi bo'yicha in vitroda olingan eksperimental
ma'lumotlar bilan tasdiqlangan. Ma'lum bo'lishicha, Cr +6
ning Cr +3
ga nisbati 0,22
ga teng. surunkali kasbiy bronxitda siydikdagi xrom miqdorining pasayishi
aniqlandi.
Shunday qilib, xromni nafas olayotganda, u organizmda, xususan, o'pka
to'qimalarida saqlanadi, bu xromni biologik marker sifatida baholashga ta'sir qilishi
kerak.
Temir tabiatda keng tarqalgan element bo'lib, u muhim mikroelementlar
guruhiga kiradi. Nafas olish organlari temirning tanaga kirishi bilan ikkinchi
darajali ahamiyatga ega. Aniqlanishicha, temirning 20-25% zahira, 5-10%
miyoglobinning bir qismi, taxminan 1% hujayralar va to'qimalarda nafas olish
jarayonlarini katalizlovchi nafas olish fermentlarida mavjud va lipid reaktsiyalarida
ishtirok etadi ( Fenton reaktsiyasi) [51].
Surunkali obstruktiv o'pka kasalligi bilan og'rigan bemorlarda temir
almashinuvi bo'yicha tadqiqotlar kamdan-kam uchraydi va asosan qon bilan
bog'liq. Shunday qilib, o'pkada yallig'lanish kasalliklari va gipoksiya rivojlanishida
plazmadagi temir miqdorining ortishi kuzatildi. Temirning immunitet tizimiga
ikkilamchi ta'siri bor va uning etishmovchiligida hujayra immunitetining tushishi
va leykotsitlar funktsiyasining buzilishi kuzatildi, bu komplement darajasi bilan
bog'liq edi [54].
Retikuloendotelial tizim hujayralarida temirning to'planishi hujayra va
lizosomal membranalar va mitoxondriyalarga zarar etkazadigan erkin
radikallarning to'planishini katalizlaydi, bu eskpert tizim interstitsial fibroz va
63](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_63.png?v=1)
![hujayra degeneratsiyasining rivojlanishiga olib keladi, Fe + ham ikkita joyga ega
siderofilinlar bilan bog'lanadi. Buning uchun. Temir gomeostazi, birinchi navbatda,
tananing ajralib chiqish qobiliyatining cheklanganligi sababli uning so'rilishini
tartibga solish bilan ta'minlanadi, garchi temir va temir bilan ta'minlash o'rtasida
teskari bog'liqlik mavjud. [39].
Hujayradagi ionlangan temirning ko'payishi va membranalarning fosfolipid
tarkibining o'zgarishi bilan 10 4
-10 5
M konsentratsiyadagi kaltsiy ionlari prooksidant
ta'sirga ega.
Surunkali obstruktiv bronxit bilan og'rigan bemorlarda umumiy qon, balg'am
va surunkali obstruktiv bronxit tarkibidagi temir tarkibidagi o'zgarishlar kuzatilgan.
Shunday qilib, butun qonda surunkali obstruktiv o'pka kasalligi bilan og'rigan
bemorlarda, shuningdek, bu bemorlarda ekshalatsiyalangan havoning namlik
kondensatida aniq o'zgarishlarsiz temirning ko'payishini qayd etdi. Surunkali
obstruktiv o'pka kasalligi bilan og'rigan bemorlarda balg'amdagi temir miqdori
sezilarli darajada yuqori bo'lsa, rux miqdori va mis ahamiyatsiz bo’ladi.
Nafas olish a'zolari kasalliklarida temir almashinuvining buzilishi haqida
ma'lumotlar mavjud va asosan kasallikning klinik ko'rinishiga qarab qondagi temir
miqdori haqidagi savollar bilan shug'ullanadi [44].
Shunday qilib, hujayradagi ionlangan temirning ko'pligi prooksidant ta'sirga
ega ekanligi va shu bilan lipid peroksidatsiyasida faol ishtirok etishi, shuningdek,
temirning hujayra immunitetiga ta'siri haqida ma'lumotlarga qaramasdan; turli
klinik va patogenetik variantlarda surunkali obstruktiv o'pka kasalligining
patogeneziga temir almashinuvining ta'siri bo'yicha ishlarning yo'qligini ta'kidlash
kerak.
Nikel shartli ravishda muhim mikroelementdir. Biologik ta'sir mexanizmiga
ko'ra, nikel boshqa 3-D elementlar bilan sezilarli o'xshashlikni ko'rsatadi: temir,
kobalt. Nikelning eng yuqori miqdori suyaklar va o'pkada joylashgan.
Bronxo-obstruktiv sindromli bemorlarda nikel almashinuvi haqida
adabiyotda juda kam ma'lumotlar mavjud; o'pkaning yallig'lanish kasalliklarida
nikel tarkibiga ko'proq ma'lumotlar beriladi.
64](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_64.png?v=1)
![Shuni ta'kidlash kerakki, nikelning eng yuqori miqdori o'pkada qayd etiladi
va u yosh bilan ortadi. Ko'mir changidan ajratilganda, erimaydigan nikel
birikmalari o'pkada uzoq vaqt davomida saqlanishi mumkin. Ba'zi ma'lumotlarga
ko'ra, o'pkadan nikelning yarimparchalanish davri 330 kunga yetishi mumkin. O'z
navbatida, eruvchan nikel birikmalari tez orada siydik bilan chiqariladi. In vitro
sharoitda o'pka to'qimasida nikel miqdori 1,45±1,11 mkmol/kg ni tashkil qiladi
[31].
O'pkaning yallig'lanish va neoplastik kasalliklarida qonda nikel miqdori
ortishi aniqlandi. Nikel alveolyar makrofaglarning hayotiyligini pasaytiradi,
alveolyar makrofaglar va traxeobronxial shilliq bezlar tomonidan ishlab chiqarilgan
lizozim tarkibini kamaytiradi; nafas olish epiteliysining kipriksimon hujayralari
kiprikchalarining tebranish harakatlarini sekinlashtiradi.
Eksperimental tadqiqotlarda nikel komplement tizimida ma'lum rol
o'ynashini ko'rsatadigan ma'lumotlar olingan [35]. Nikel sitoplazmatik
membranalarni barqarorlashtirishda rol o'ynashi haqida xabar berilgan [45], bunda
u strukturaviy komponent rolini o'ynaydi. Yuqorida aytilganlarning barchasi o'pka
kasalliklari bilan og'rigan bemorlarda nikel almashinuvini o'rganish muhimligini
ko'rsatadi.
Boshqa mikroelementlar qatorida temir, selen va marganets surunkali
obstruktiv o'pka kasalligining himoya mexanizmlari va patogenetik jarayonlarida
ishtirok etishi mumkin, shuningdek, ushbu kasalliklarni davolashda amaliy
ahamiyatga ega.
Marganets surunkali obstruktiv bronxitning mitoxondrial fraktsiyasining
muhim tarkibiy qismidir. Uning tabiiy va sintetik kislotalar bilan komplekslari -
sut, salitsil va boshqalar - aniq antioksidant ta'sirga ega. Shunday qilib, mavjud
adabiyotlar selen va marganetsning antioksidant rolini tasdiqlaydi, ular, ehtimol,
surunkali obstruktiv o'pka kasalligidagi erkin radikallarning zararlanishidan
hujayralarni himoya qilishda ishtirok etadilar.
Keltirilgan ishlarni sarhisob qiladigan bo'lsak, kimyoviy elementlarning
metabolik buzilishlari bronxlar va o'pkada yallig'lanish o'zgarishlarining
shakllanishida, bronxo-obstruktiv sindrom va bronxial giperreaktivlikning
65](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_65.png?v=1)
![0
Guruh
70 57 81,40/0 16 12 750/0
Endi o'qitilgan neyron tarmog'idan foydalangan holda bilimlar bazasi,
eskpert tizim modellashtirishning ikkinchi variantiga o'tamiz.
Panalyzer dasturi mutaxassis tomonidan belgilangan maqsadga erishish
uchun o'qitish parametrlarining optimal o'zgarishini ta'minlaydigan neyron
tarmog'ining ishlashi bo'yicha rasmiy algoritmni qurish orqali neyron
tarmoqlarni o'qitishning avtomatik strategiyasi va taktikasini amalga oshiradi
[43]. Ushbu afzallik asosan ushbu dasturiy ta'minotni tanlashni aniqladi, chunki.
o'qitishning eng yaxshi parametrlarini qo'lda sozlash va tanlash kerak bo'lmaydi,
mos ravishda qayta tayyorlashga vaqt ajratiladi.
Neyron tarmog'ini yaratishdan maqsad 8 ta kirish parametri asosida nafas
olish kasalliklari mavjudligini yoki uning yo'qligini tan olishga o'rgatish edi.
Neyron tarmoq ekspert tizimini yaratish uchun o'quv namunasi 145 kishini
tashkil etdi, ya'ni konstruktiv mantiqning algebraik model usuli bilan bir xil
ma'lumotlar to'plami ishlatilgan.
Treningni o'tkazish uchun neyron tarmoq klassifikatori ishga tushirildi.
Neyron tarmoqni o'rgatishdan oldin biz tarmoqni kerakli ishlash darajasiga
o'rnatadigan boshlang'ich parametrlarni o'rnatamiz: biz neyronlar sonini,
almashinuv davrlari sonini, xarakterli qiymatni, ruxsat etilgan og'ishni
ko'rsatamiz.
Neyronlar sonini belgilashda biz avtomatik texnologiyadan foydalanamiz.
Bizning holatda, biz uchta neyronlarning standart sonini olamiz. O'rgatilgan
neyron tarmoq har qanday miqdordagi neyronlarga ega bo'lishi mumkin, ammo
ular neyron tarmog'i hal qilish uchun o'rgatilgan vazifadagi sinflar sonidan kam
bo'lmasligi kerak [48].
Ayirboshlash davrlari soni bir misolda neyron tarmoq ulanish
matritsasidagi signallarni necha marta almashishini aniqlaydi. Ushbu parametr
78](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_78.png?v=1)
![FOYDALANILGAN ADABIYOTLAR RO‘YXATI
1. Абдикеев Н.М. Проектирование интеллектуальных систем в
экономике: Учебник / Под ред. Н.П. Тихомирова. —- М.: Издательство
«Экзамен», 2004. — 528с .
2. Aynsley M., Hofland A., Morris A.J. et al. Artificial intelligence and the
supervision of bioprocesses (real-time knowledge-based systems and neural
networks) // Adv. Biochem. Eng. Biotechnol.- 1993.- N.48.- P. 1-27.
3. Atamanchuk Z.M., Petrov A.A. Some problems of building and learning of
neural networks while creating user's expert system // The RNNS/IEEE
Symposium on Neuroinformatics and Neurocomputers, Rostov-on-Don,
Russia, October 7-10, 1992.RostovDon, 1992.- V.2.- P.1133-1135.
4. Artificial Neural Networks: Concepts and Theory, IEEE Computer Society
Press, 1992.
5. Artificial intelligence and integrated intelligent information systems:
emerging technologies and applications / Xuan F. Zha [editor]. - Hershey,
PA : Idea Group Publ., cop. 2007. - 454 p.
6. Architectural design of multi-agent systems: technologies and techniques /
Hong Lin [ed.], - Hershey, Pa.; New York: Inform. science ref., cop. 2007. -
XVIII, 421, [2] c.
7. Арсеньев Ю.Н., Шелобаев С.И., Давыдова Т.Ю. Принятие решений.
Интегрированные интеллектуальные системы: Учеб. пособие для
вузов. — М.: ЮКИТИ-ДАНА, 2003, - 270 с.
8. Джарратано Джозеф, Райли Гари Экспертные системы: принципы
разработки и программирование, 4-ое издание.: Пер. с англ. — М.:
ООО «И.Д. Вильямс», 2007. — 1152 с.: ил. — Парал. тит. Англ.
9. Интеллектуальные системы общего назначения: АА. Красилов
Информатика в семи томах. Том 7. Интеллектуальные системы
(Системы решения 11p06J1eM).http://www.intellsyst.ru/
87](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_87.png?v=1)
![10. Интеллектуальные системы принятия проектных решений / А.В.
Алексеев, А.Н, Борисов, ЭР. Вилюмс, Н.Н. Слядь, СА. Фомин. -- Рига:
Зинатне, 1997. - 320 с., ил.
11. Искусственный интеллект: В З кн. Кн. 1. Системы общения и
экспертные системы: Справочник / Под ред. ЭВ. Попова. — М.: Радио
и связь, 1990. — 464 с.:ил.
12. Колесников А.В. Гибридные интеллектуальные системы: теория и
технология разработки. СПб.: Изд-во СПбГТУ, 2001. — 600 с.
13. Информационные технологии в медицине: Монография / Хадарцев
А.А. [и др.]; [науч.ред.А.А.Хадарцев] — Тула, 2006. — 272 с.
14. Луценко Е. В. Интеллектуальные информационные системы: Учебное
пособие для студентов специальности: 351400 ”Прикладная
информатика (по отраслям)”. — Краснодар: КубГАУ. 2004. — 633 с.
15. Степанова М.Д., Самодумкин СА. Прикладные интеллектуальные
системы в области медицины: Учебно-методическое пособие.— Мн.:
БГУИР 2000. -38 с.
16. Holger Michael, Jennifer Hogan, Alexander Kel, Olga Kel-Margoulis, Frank
Schacherer, Nico Voss, and Edgar Wingender Building a knowledge base
for systems pathology Brief Bioinform, November 2008; 9: 518 - 531.
17. Хромушин В,А., Бучель В.Ф., Честнова Т.В.Программа построения
алгебраических моделей конструктивной логики в биофизике,
биологии и медицине // Вестник новых медицинских технологий. —
2008. — Т. ХУ, № 4. — С 173-174.
18. Щеглов В. Н. Алгебраические модели конструктивной логики для
управления и оптимизации химико—технологических систем //
Автореферат кандидата технических наук. — Л.: Технологический
институт им. Ленсовета. 1983. - 20 с.
88](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_88.png?v=1)
![19. Marion Edwards and Roger E. Cooley Expertise in expert systems:
knowledge acquisition for biological expert systems Comput. Appl. Biosci.,
December 1993; 9: 657 - 665.
20. Kulikowski C., Medical expert systems: Issues of validation, evaluation and
judgement in policy issues, In Information and Communication
Technologies in Medical Applications IEEE (1988) 45-56. [15] PL. Miller,
Evaluation of artificial intelligence systems in medicine, Proc. IX SCAMC
Washington, DC (IEEE 1985)281286
21. Mathew B. , Altura B.M. The role of magnesium in lung diseases:
asthma, alltgry and pulmonary hypertension // Magnes. Trace Elem.-
1991/92.- Vol. 10, MI.-P. 220 - 228.
22. Nolan J., McNair P. and Brender J. , Factors influencing iransferabiliry of
knowledge-based systems. Int. J. Biomed Comp. 27 (1991) 7-26.
23. Wyatt J. and Spiegelhalter D, Evaluating medical expert systems: What to
test and how, in: J. Talmon and J. Fox, eds., Knowledge Based Systems
in Medicine (Springer, Berlin, 1989) 274-290.
24. Architectural design of multi-agent systems: technologies and
techniques / Hong Lin [ed.], - Hershey, Pa.; New York: Inform. science
ref., cop. 2007. - XVIII, 421, [2] c.
25. Accounting expert systems. by Smith, L. Murphy
http://www.cpajournal.com/ index.htm
26. Скальный А.В., Лакарова Е.В., Кузнецов ВВ., Скальная МГ.
Аналитические методы в биоэлементологии / под ред. А.В.
Скального, СП. Нечипоренко. — Спб.: Наука, 2009. — 264 с.
27. Хабаров СП. Экспертные системы (конспект лекций)
http://frm.trade.spb.ru/ serp/main_es.htm
28. Тестирование экспертных систем при эксплуатации и
сопровождении
В.А. Фатхи, ДВ. Фатхи. — Ростов-на-Дону: ГОУ РГАСМ, 2008. -- 81
89](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_89.png?v=1)
![46. Marion Edwards and Roger E. Cooley Expertise in expert systems:
knowledge acquisition for biological expert systems Comput. Appl.
Biosci., December 1993; 9: 657 - 665.
47. Kors J.A., Sittig A.C. and Van Bemmel J.H., The Delphi Method to
validate diagnostic knowledge in computerised ECG interpretation, '
Meth. Inform, Med. 29 (1990) 44-50.
48. Khaltaev N. Global strategy for the diagnosis, management, and
prevention of chronic obstructive lung disease: NFLBI / WHO Workshop.
-1998. - 32 p.
49. Искусственный интеллект: В З кн. Кн, 2. Модели и методы:
Справочник / Под ред. ДА. Поспелова. — М.: Радио и связь, 1990. —
304 с.: ил.
50. Джарратано Джозеф, Райли Гари Экспертные системы: принципы
разработки и программирование, 4-ое издание.: Пер. с англ. — М.:
ООО «И.Д. Вильямс», 2007. — 1152 с.: ил. — Парал. тит. Англ.
51. Голубкина Н.А., Скальный А.В., Соколов Я.А., Щелкунов Л.Ф.
Селен в медицине и экологии. - М.: Изд-во КУК. 2002. 134 с.
52. Гаврилова Т,А., Червинская КГ. Излечение и структурирование
знаний для экспертных систем. — М.: Радио и связь, 1992. — 200 с.:
ил.
53. Велданова М.В., Скальный А.В. Иод — знакомый и незнакомый.
Москва, 2001. 112 с.
54. Сапожников СЛ., Голенков А.В. Роль биогеохимических факторов в
развитии краевой патологии // Микроэлементы в медицине 2(3). —
2001. - сл-72.
55. Fizika , matematika va mexanikaning dolzarb Muammolari Xalqaro ilmiy -
amaliy anjumani “ Ekspert tizimi bilimlar bazasini yaratishda
ma ’ lumotlarga ishlov berishning ba ’ zi usullari haqida ” [208-2011].
92](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_92.png?v=1)
![56. Samarqand davlat universitetining kattaqo ʻ rg ʻ on filiali “ Ta ‘ limda sun ‘ iy
intellektning roli ” Mavzusidagi respublika ilmiy - amaliy Anjumani
“ Ekspert tizimining tibbiy bilimlar bazasi tuzish uchun ma ’ lumotlarga
ishlov berish ” [312-316]
93](https://docx.uz/documents/eef47ea5-8879-4fdd-86c0-dded72d0dc04/page_93.png?v=1)
Tibbiy soha ekspert tizimlari bilimlar bazasini yaratishda sust strukturali ma’lumotlarni qayta ishlash