Полное описание

Щеглеватых, Р. В. Исследование нейросетевой модели обнаружения аномальных наблюдений в массивах данных / Р. В. Щеглеватых, А. С. Сысоев. - Текст : непосредственный // Прикладная математика и вопросы управления. - 2021. - N 1. - С. 23-40. - Библиогр. в конце ст. - ISSN 2499-9873.

ГРНТИ	УДК
28.23.37	004.032.26

Рубрики:
Нейронные сети

Кл.слова (ненормированные): математическая модель -- выбросы -- анализ чувствительности -- обнаружение аномалий -- необычные наблюдения -- анализ конечных изменений -- теорема Лагранжа о промежуточной точке -- классификатор -- бинарная классификация -- нейросетевые модели
Аннотация: Цифровизация различных сфер экономической и социальной деятельности сопровождается возникновением больших массивов данных, обрабатывая которые необходимо выявлять определенные зависимости, строить модели процессов и систем. Работа посвящена разработке и исследованию математической модели классификации данных о фактах оказания медицинской помощи в учреждениях Липецкой области. В качестве массива входных данных использованы индикаторы оказания медицинской помощи, разделенные на пять групп (данные, характеризующие пациента; данные, характеризующие медицинское учреждение, в котором была оказана помощь; индикаторы заболевания; данные о медицинском сотруднике, оказавшем помощь; индикаторы, характеризующие специфические особенности посещения пациентом конкретного специалиста). Объем записей, на которых проводилось исследование - более одного миллиона записей о фактах оказания помощи населению. Цель исследования - предложить модели и подходы к выявлению ошибочных записей, а также случаев фальсификации. Приводится постановка задачи бинарной классификации. Выявление аномалий относится к проблеме нахождения данных, не соответствующих некоторому ожидаемому поведению процесса или показателю, возникающему в системе. При построении систем обнаружения аномальных наблюдений большое внимание необходимо уделять модели, лежащей в основе системы. Исследование посвящено построению модели обнаружения аномальных значений фиксируемого показателя на основе комбинации алгоритма изолирующего леса для оценки показателя аномальности наблюдения и последующего применения нейросетевого классификатора. Исследование содержит результаты вычислительных экспериментов по определению порогового значения для разделения записей на классы аномальных наблюдений и данные, не обладающие признаками аномальности. Для оценки того, какие факторы должны быть переданы на вход нейросетевого классификатора (с целью повышения временной эффективности обработки данных), был синтезирован подход к редукции нейросетевой модели, основанный на анализе чувствительности. Классическим подходом при рассмотрении чувствительности систем является нахождение чувствительности по параметрам изучаемой системы, однако существует и направление анализа чувствительности, предполагающее использование в качестве оцениваемых параметров системы ее факторы. Предлагаемый подход к анализу чувствительности модели по факторам основан на использовании анализа конечных изменений. В основе такого анализа - замена математической модели зависимости выхода системы от факторов на модель зависимости конечного изменения выхода от конечных изменений факторов. Из математического анализа известна такая структура - это теорема Лагранжа о промежуточной точке. Подход позволяет определить значения так называемых факторных нагрузок. Приводится подход к усреднению полученных значений факторных нагрузок и построению интервальных характеристик для их оценивания. Приводится исследование устойчивости предлагаемой процедуры вычисления коэффициентов чувствительности модели.
Доп. точки доступа:
Сысоев, А.С.


Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
Свободны: ЧЗХР (1), ХРЦ (1)
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -313268-362155)

Шифр в сводном ЭК: 3bb2b0cbfe64f4c73ecbe6432e1c23be

Заказать издание
Заказ фрагмента документа ₽