
	Программные системы и вычислительные методы Правильная ссылка на статью: Н.Н. Филатова, Д.М. Ханеев Алгоритм распознавания дыхательных шумов на основе нейроподобных моделей классов // Программные системы и вычислительные методы. 2012. № 1. С. 80-88. URL: https://nbpublish.com/library_read_article.php?id=61565 Н.Н. Филатова, Д.М. Ханеев Алгоритм распознавания дыхательных шумов на основе нейроподобных моделей классов Аннотация: Описывается алгоритм распознавания дыхательных шумов, основанный на идее растущей пирамидальной сети, адаптированный для работы с нечеткими описаниями объектов обучающей выборки и дополненный лингвистическим интерпретатором результатов обобщения. Приводится общая функциональная схема и детальное описание отдельных стадий работы. Для описания признакового пространства и интерпретации результатов используется теория нечетких множеств. Функционирование алгоритма ведется в двух режимах: обучение и распознавание. Нейроподобные модели классов, содержащиеся в построенной сети, интерпретируются в нечеткие высказывания, которые в дальнейшем используются в режиме распознавания и служат набором продукционных правил для алгоритма нечеткого логического вывода. Представленный алгоритм реализован программно и исследуется, в статье приводятся результаты апробации его программной реализации. Ключевые слова: Программное обеспечение, классификация, распознавание, графы, нечеткая логика, дыхательные шумы, аускультация, звуки дыхания, модель, алгоритм Abstract: In this article authors consider the problem of spam determination and filtering based on the support vector machine. A modi fication of construction of a separating hyper plane using Fejer mappings is given. Authors suggest replacing the projection operation with the sequence of mapping operations to allow the work with the time-varying data, specific to the problems of classification of documents. Keywords: Software, classification of informa tion, spam, strong separability problem, Hil bert space, support vector method, the hyperplane, Fejér mapping algorithm conver gence, filtering Эта статья может быть бесплатно загружена в формате PDF для чтения. Обращаем ваше внимание на необходимость соблюдения авторских прав, указания библиографической ссылки на статью при цитировании. Скачать статью Библиография 1. Геппе, Н.А. Бронхофонография в комплексной диагностике бронхиальной астмы у детей / Н.А. Геппе, В.С. Малышев, М.Н. Лисицин и др. // Пульмонология, 2002. № 5, С. 33-39. 2. Кулаков, Ю.В. Возможности комбинированной бронхофонографии в диагностике пневмоний / Ю.В. Кулаков, И.Ю. Малышенко, В.И. Коренбаум //Пульмонология, 2002. № 5, С. 29-32. 3. Pasterkamp, H Nomenclature used by health care professionals to describe breath sounds in asthma./ H Pasterkamp, M Montgomery and W Wiebicke // Chest, 1987;92;346-352 4. Pasterkamp, H Spectral analysis of breath sounds in normal newborn infants / H Pasterkamp, R Fenton, F Leahy, V Chernick // Med Instrument, 1983; 17:355-57 5. Филатова, Н.Н. Нейросетевой алгоритм и модели нечеткой логики для задачи классификации / Н.Н. Филатова, А.В. Спиридонов //Программные продукты и системы, № 4, 2008 6. Grossberg, S., Competitive learning: From interactive activation to adaptive resonance // Cognitive Science, 1987, 11, 23-63 7. Гладун, В.П. Партнерство с компьютером – Киев: Port-Royal, 2000. – С.17-44. 8. Поспелов, Д.А. Ситуационное моделирование. Теория и практика – М.: Наука, 1986. – С.174-182. 9. Киселева, Н.Н. Компьютерное конструирование неорганических соединений, перспективных для применения в электронике, с использованием баз данных и методов искусственного интеллекта // Автореферат диссертации на соискание ученой степени к.т.н., Москва, 2004. 10. Аль-Нажжар, Н. К. Модели, алгоритмы и технические средства исследования и автоматического анализа дыхательных шумов // Автореферат диссертации на соискание ученой степени к.т.н., С.-Петербург. 2007 11. Устройство регистрации и анализ дыхательных шумов пат. 66174 Рос. Федерация: МПК А61В 5/08/ Филатова Н.Н., Аль-Нажжар Н. заявитель и патентообладатель ГОУФПО Тверской гос. техн. у-нт. №2007113453/22; заявл. 10.04.2010; опубл. 10.09.2010 References 1. Cidorkina I.G., Korobeynikov A.G, Kudrin P.A. Algoritm raspoznavaniya trekhmernykh izobrazheniy s vysokoy detalizatsiey// Vestnik MarGTU, 2 (9), 2010 g., str. 91-99. 2. Grishentsev A.Yu., Korobeynikov A.G. Dekompozitsiya N-mernykh tsifrovykh signalov po bazisu pryamougol'nykh vspleskov//Nauchno-tekhnicheskiy vestnik informatsionnykh tekhnologiy, mekhaniki i optiki. – 2012. – № 4 (80). – S. 75–79. 3. Khalmosh P.., Gil'bertovo prostranstvo v zadachakh, Perevod s angliyskogo I. D. Novikova i T. V. Sokolovskoy; pod red. R. A. Minlosa. — M.: Izdatel'stvo «Mir», 1970. — 352 s. 4. Eremin I.I. Feyerovskie metody sil'noy otdelimosti vypuklykh poliedral'nykh mnozhestv // Izvestiya vuzov. Ser. matematika.-2006.-№ 12.-C. 33-43. 5. Lifshits Yu. Klassifikatsiya tekstov. Algoritmy dlya Interneta. 2005. URL: http://yury.name/internet. 6. R.-E. Fan, P.-H. Chen, C.-J. Lin. Working set selection using second order information for training SVM // Journal of Machine Learning Research, V. 6, 2005, pp. 1889–1918. 7. Eremin I.I., Mazurov V.D. Nestatsionarnye protsessy matematicheskogo programmirovaniya.-M.: Nauka, 1979.-288 s. 8. Eremin I.I. Teoriya lineynoy optimizatsii.-Ekaterinburg: UrO RAN, 1999.-312 s. 9. Nurminskiy E.A. Ispol'zovanie dopolnitel'nykh malykh vozdeystviy v feyerovskikh modelyakh iterativnykh algoritmov//Zh. vychisl. matem. i matem. fiz. 2008. T. 48. № 12. S. 2121–2128. 10. Zhuravlev Yu. I. Ob algebraicheskom podkhode k resheniyu zadach raspoznavaniya ili klassifikatsii // Problemy kibernetiki. – 1978. – T. 33. – S. 5–68. http://www.ccas.ru/frc/papers/zhuravlev78prob33.pdf

Журналы

Книги

Н.Н. Филатова, Д.М. Ханеев Алгоритм распознавания дыхательных шумов на основе нейроподобных моделей классов