СНИЖЕНИЕ ВЛИЯНИЯ ОШИБОК В ОБУЧАЮЩИХ ДАННЫХ ДЛЯ НЕЙРОННЫХ СЕТЕЙ НА ПРИМЕРЕ МЕДИЦИНСКОГО ОБРАЗОВАНИЯ

Тарасов Вячеслав Сергеевич

Системы искусственного интеллекта активно внедряются в медицинское образование. Однако, надежность ИИ-систем зависит от качества обучающих данных, которые могут быть зашумлены различными типами ошибок. Эти ошибки могут приводить к неверным результатам обучения и оказывать отрицательное влияние на качество обучения и даже на здоровье пациентов. Основной целью является исследование влияние различных ошибок в обучающих данных на нейронные сети, применяемых в медицинском образовании, и разработка методов устранения их негативного влияния на основе уже существующих методов и алгоритмов. В данной статье применяются методы: классификации типов ошибок в обучающих данных, анализ существующих алгоритмов для снижения шума в обучающих данных и выявление их ограничений в отношении преднамеренных ошибок, моделирование обучения нейронной сети и разработка и применение усовершенствованного алгоритма EM (Expectation-Maximization), учитывающего время решения задач обучающимися для улучшенной точности оценки распределения шума в метках. Проведенные эксперименты демонстрируют значительное увеличение точности обучения нейронной сети при использовании усовершенствованного алгоритма EM по сравнению с традиционным подходом.

Ключевые слова:шумовые метки, точность обучения, время решения задач, адаптивная оптимизация, Вектор признаков, алгоритм EM.