Полное описание

Скачкова, Е. А. Выделение значимых признаков с использованием методов машинного обучения для диагностирования женских заболеваний / Е. А. Скачкова ; науч. рук. В. В. Мокшин. - Текст : непосредственный // Международная молодежная научная конференция "XXV Туполевские чтения (школа молодых ученых)", посвященная 60-летию со дня осуществления Первого полета человека в космическое пространства и 90-летию Казанского Национального исследовательского технического университета им. А. Н. Туполева-КАИ, [10-11 ноября 2021 года] : материалы конференции : сборник докладов : [в 6 т.] / Министерство науки и высшего образования Российской Федерации, Казанский национальный исследовательский технический университет им. А. Н. Туполева-КАИ, Белорусский национальный технический университет ; редакционная коллегия: Аникин И. В. [и др.]. - Казань : Изд-во ИП Сагиева А. Р., 2021. - Т. 5. - С. 589-596. - Библиогр. в конце ст. - ISBN 978-5-6047603-5-2.

ГРНТИ	УДК
28.23.25	004.85

Рубрики:
Машинное обучение
Искусственный интеллект -- Машинное обучение
Искусственный интеллект -- Применение в медицине

Кл.слова (ненормированные): диагностирование рака -- методы отбора значимых признаков -- параллельный генетический алгоритм -- корреляционный анализ -- метод прямого выбора -- метод обратного выбора -- оценка качества модели -- метод байесовской регуляризации обратного распространения
Аннотация: В данной статье был проведен обзор существующих методов решения проблемы (деревья решений, нейросетевое обучение), выявлены их достоинства и недостатки. Предложенный метод отличается от существующих тем, что для выявления наиболее значимых признаков, влияющих на оценку вероятности получения заболевания, был осуществлен отбор признаков на основе различных методов (метод прямого выбора, метод обратного выбора, корреляционный метод, параллельный генетический алгоритм), а также сравнение и выявление эффективных методов машинного обучения (регрессия, корреляционный метод, алгоритм Левенберга - Марквардта, байесовская регуляризация обратного распространения, градиентный спуск). В результате сравнения был выбран метод обучения байесовской регуляризации обратного распространения, так как он показал наименьшую ошибку распознавания при относительно небольшом времени обучения, а также как метод отбора признаков был выбран генетический алгоритм как лучший метод для факторов 1 и 3, а также метод метод прямого выбора для фактора 2.
Доп. точки доступа:
Аникин, И.В.\ред.\
Мокшин, Владимир Васильевич\науч. рук.\
"Туполевские чтения (школа молодых ученых)", международная молодежная научная конференция(25 ; 2021 ; Казань)
Казанский национальный исследовательский технический университет им. А. Н. Туполева - КАИ
Белорусский национальный технический университет(Минск)


Имеются экземпляры в отделах: всего -40451023 : ХРЦ (-40451023)
Свободны: ХРЦ (2)
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -166992-268333)

Шифр в сводном ЭК: 8dda2cad31aa7ce2f64e98459eb45a53

Заказать издание
Заказ фрагмента документа ₽