Математическая модель интеллектуальной системы прогнозирования инсульта и её реализация на базе гибридного нейросетевого алгоритма рекуррентного типа

Масленников Владимир Владимирович

Рассматривается задача бинарной классификации на основе применения связного комплекса рекуррентных нейронных сетей с модифицированной архитектурой LSTM (Long Short-Term Memory) и GRU (Gated Recurrent Units) с целью прогнозирования возможности возникновения инсульта в головном мозге человека. Целью работы является получение математических алгоритмов, определяющих принципы функционирования нейросетевых модулей для поиска закономерностей в данных, содержащих информацию о пациентах, у которых проводилась диагностика на наличие инсульта, а также программная реализация нейросетевых модулей в виде единой интеллектуальной системы. Получение математических алгоритмов осуществляется на основе концептуального анализа экспериментальных исследований по разработке бинарных классификаторов с применением рекуррентных алгоритмов интеллектуального прогнозирования, и отдельных структурно-параметрических аспектов искусственных нейронных сетей рекуррентного типа. Программная реализация выполняется при помощи библиотеки машинного обучения TensorFlow. Получены математические алгоритмы нейросетевых модулей в виде систем уравнений, моделирующих концепцию внутренней краткосрочной памяти, для нахождения корреляционной зависимости в данных между значениями количественных и категориальных переменных. Приведены результаты программной реализации интеллектуальной системы с использованием обучающей, валидационной и тестовой выборок, сформированных на основе набора из репозитория данных машинного обучения.

Ключевые слова:искусственный интеллект, математическое моделирование, глубокое обучение, рекуррентные нейронные сети, прогнозирование инсульта, бинарный классификатор.