Сбоев Александр Георгиевич Нейросетевое моделирование и машинное обучение на основе экспериментальных и наблюдательных данных

Короткий опис

Сбоев Александр Георгиевич Нейросетевое моделирование и машинное обучение на основе экспериментальных и наблюдательных данных

ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ

доктор наук Сбоев Александр Георгиевич

Введение

Глава 1. Методы машинного обучения и нейронных сетей для

решения задач моделирования на основе данных

1.1 Методы машинного обучения от коннекционализма к глубокому обучению

1.2 Традиционные и глубокие методы машинного обучения в моделировании на основе данных

1.3 Традиционные методы обучения в моделировании на основе данных

1.4 Основные компоненты методов и алгоритмов глубокого обучения

1.5 Выводы по главе

Глава 2. Методы машинного обучения и нейросетевые методы для

базового анализа текстов с учетом морфологии и синтаксиса

2.1 Компоненты препроцессинга текста в ходе его базового анализа

2.2 Сегментация текста на базе его посимвольного представления и рекуррентных нейросетей

2.3 Морфологический анализ на основе двухуровневой нейронной

сети глубокого обучения

2.4 ^токсический разбор текста на базе инкрементальной схемы переходов и нейросетевого ансамбля

2.5 Семантическое представление на основе использования методов распределенной семантики

2.6 Выводы по главе

Глава 3. Алгоритм отбора тематически схожих документов с

построением контекстно-семантического графа на основе вероятностно-энтропийного подхода

3.1 Компоненты задачи отбора тематически схожих документов

3.2 Общая схема системы поиска тематически схожих документов

3.3 Методы выделения ключевых слов и словосочетаний

3.4 Методы построения контекстно-семантического графа

3.5 Оценка эффективности алгоритма по точности и полноте

3.6 Выводы по главе

Глава 4. Количественный метод оценки эмотивности текста на основе психолингвистических маркеров, основанных на морфологических признаках

4.1 Постановка задачи определения эмоционального возбуждения автора русского текста

4.2 Психолингвистические маркеры, отражающие степень эмоционального напряжения

4.3 Вычислительные эксперименты по решению задачи определения эмоционального возбуждения автора русского текста

4.4 Эксперименты и результаты оценки точности методики определения эмотивности русского текста

4.5 Выводы по главе

Глава 5. Методы машинного обучения и нейронных сетей для

решения задач авторского профилирования (определение

пола и возраста)

5.1 Цели и задачи проводимых исследований по идентификации

пола и возраста автора русскоязычного текста

5.2 Корпуса текстов для задач авторского профилирования

5.3 Формирование набора признаков для определения пола и возраста

5.4 Специализированные предобучаемые методы для определения

пола и возраста

5.5 Классифицирующие методы без предобучения

5.6 Результаты традиционных методов машинного обучения и методов глубокого обучения для случаев идентификации пола в русскоязычных текстах без его намеренного искажения

5.7 Точность традиционных методов машинного обучения и методов глубокого обучения для идентификации пола в русскоязычных текстах при наличии случаев его намеренного искажения

5.8 Сравнение результатов определения традиционными методами машинного обучения и методами глубокого обучения возрастной группы автора текста при наличии его искажения в тексте

5.9 Сопоставление точности определения традиционными методами машинного обучения и методами глубокого обучения возрастной группы автора текста в отсутствие искажения

5.10 Выводы по главе

Глава 6. Машинное обучение с использованием спайковых

нейронных сетей для анализа информационных данных

6.1 Компоненты модели спайковой нейросети

6.2 Способы кодирования входных данных для построения эффективных классификаторов на основе спайковых нейронных сетей

6.3 Локальные и нелокальные алгоритмы обучения спайковых нейронных сетей

6.4 Описание динамики спайковой нейронной сети с локальной синаптической пластичностью Spike-Timing-dependent Plasticity (STDP)

6.5 Свойства спайковых нейронов с STDP-пластичностью

6.6 Аналитическая оценка изменения веса под действием STDP

6.7 Построение алгоритма спайковой нейросети на основе весов предварительно обученной формальной нейросети

6.8 Алгоритм классификации на основе нейросети с STDP обучением

и частотным кодированием данных

6.9 Алгоритм классификации на основе нейросети с STDP обучением

с временным кодированием данных

6.10 Комбинированный алгоритм классификации на основе последовательно обучаемых нейросетей с частотным и временным кодированием данных

6.11 Выводы по главе

Глава 7. Задачи диагностики ишемической болезни сердца и

коронарного атеросклероза на основе нейросетевого метода с

использованием данных обследований сотрудников РЖД

7.1 Формирование обучающей выборки для метода, основанного на данных обследований сотрудников РЖД

7.2 Топология и параметры обучения нейронной сети для метода, основанного на данных обследований сотрудников РЖД

7.3 Результаты численных экспериментов на базе разработанного метода

7.4 Выводы по главе

Глава 8. Определение индивидуального суммарного риска ишемической болезни сердца у работников железнодорожного транспорта с помощью метода, основанного на данных их регулярных обследований

8.1 Формирование выборки для метода определения риска ИБС, основанного на данных периодических и предрейсовых осмотров сотрудников РЖД

8.2 Численные эксперименты по определению риска с помощью построенного метода

8.3 Результаты экспериментов по определению риска ИБС с

помощью построенного метода

8.4 Сравнение результатов методов, основанных на данных периодических и предрейсовых осмотров сотрудников РЖД с традиционными прогнозными средствами, принятыми в медицинской практике

8.5 Выводы по главе

Глава 9. Нейросетевые методы для анализа безопасности и эффективности лекарственных средств на основе интернет-источников

9.1 Постановка задачи нейросетевого анализа интернет-источников

для анализа эффективности лекарственных средств

9.2 Обзор существующих корпусов текстов с выделением медицински- и фармацевтически-значимых сущностей

9.3 Создание русскоязычного размеченного корпуса отзывов на лекарственные средства для алгоритмов машинного обучения

9.4 Разработанный русскоязычный корпус отзывов на лекарства

9.5 Метод извлечения медицинских именованных сущностей из

текстов отзывов

9.6 Численные эксперименты по обоснованию эффективности созданных нейросетевых методов глубокого обучения и оценки

их точности на русскоязычном корпусе

9.7 Результаты определения state of the art точности распознавания сущностей для русскоязычных отзывов на лекарства

9.8 Выводы по главе

Заключение

Список сокращений и условных обозначений

Список рисунков

Список таблиц