автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Информационное описание и диагностика состояния иерархически организованных систем

ВВЕДЕНИЕ.

ГЛАВА 1. ИНФОРМАЦИОННОЕ ОПИСАНИЕ И

ДИАГНОСТИКА СОСТОЯНИЯ СИСТЕМ РАЗЛИЧНОЙ

ПРИРОДЫ И СЛОЖНОСТИ.

1.1 Общая классификация систем различной природы и сложности.

1.2 Методы описания систем различной сложности.

1.3 Методы анализа состояния систем в пространстве признаков.

1.4 Информационная модель и описание иерархически организованных систем.

1.5 Прогнозирование состояния и управление иерархически организованными системами.

1.6 Методы автоматизированной диагностики состояния систем.

1.7 Постановка задачи автоматизированной диагностики состояния иерархически организованной системы.

ГЛАВА 2. МОДЕЛЬ ИЕРАРХИЧЕСКОЙ СИСТЕМЫ И ИНФОРМАЦИОННЫЙ ПОДХОД К ЕЕ ДИАГНОСТИКЕ.

2.1 Модель иерархической системы и ее регулирование.

2.2 Набор признаков как сообщение для управления иерархической системой.

2.3 Роль возмущающих факторов в системе управления

2.4 Информационный подход к выбору и организации признаков, характеризующих иерархическую систему.

Актуальность темы. Анализ микроканонических ансамблей многих частиц осуществляется статистическим методом. Такие ансамбли описываются с помощью усредненных параметров состояния, которые в равновесном состоянии подвержены чрезвычайно малым флуктуациям и являются детерминированными величинами. Связь между макроскопическими параметрами устанавливается через уравнение состояния, которое следует из статистической модели ансамбля частиц.

Иным образом обстоит дело в случае иерархически организованной открытой системы многих частиц, когда между частями иерархической системы существуют различные прямые и обратные связи и осуществляется управление такой системой. Все биологические системы, в том числе и биотехнологические, являются открытыми иерархическими системами. Здесь уже макроскопические параметры состояния являются случайными величинами, и задача биотехнологии - провести процесс в пределах допустимых флуктуаций параметров. Вследствие этого описание процесса уже не может быть сделано в рамках каких-то фундаментальных уравнений состояния, так как не известна строгая статистическая модель этих процессов. Задача решается путем построения приближенных моделей, справедливых в узких пределах изменения параметров процесса. Однако, чем сложнее процесс, тем строже она к флуктуациям параметров процессов, которые принципиально присущи открытым иерархическим системам.

В еще большей степени эти черты присущи биомедицинским системам, где не существует пока строгой математической модели даже одиночной клетки, а тем более органов и всего организма. Описание и диагностика таких систем осуществляется с помощью эвристических параметров (признаков), которые характеризуют систему с различных сторон, и достаточно эффективны для диагностики как отдельных органов, так и организма в целом.

Развитие биотехнологии идет в сторону реализации все более сложных процессов, что позволяет повышать качество известных продуктов и получать новые. В природе эти пути уже давно опробованы. Например, от одно-компонентных систем перспективен переход к двухкомпонентным, что позволит получить новые свойства за счет биологического симбиоза.

С этой точки зрения существующие методы математического описания и диагностики биотехнологических систем приходят к естественному пределу их применимости. Теперь ясно, что для описания и диагностики открытых иерархических систем необходимо разработать другой подход, основанный на статистическом анализе эвристических параметров состояния системы, которые имеются в существующих биотехнологических и медицинских базах данных. Разработка такого подхода позволит контролировать качество биотехнологической продукции в сложных перспективных процессах, повысить качество продукции в существующих, осуществлять автоматизированную диагностику заболеваний. Эти факторы определяют как теоретическую, так и практическую актуальность работы.

Цель диссертационной работы. Информационное описание и разработка алгоритмов диагностики состояния открытых иерархически организованных систем в условиях недостаточной мощности обучающей выборки, инвариантных к различной природе исследуемых систем.

В этой связи поставлены следующие задачи:

- разработать информационную модель иерархически организованной системы и ее отдельных частей, что позволит с единых позиций описать иерархические системы различной природы;

- предложить информационную организацию признаков, характеризующих иерархическую систему;

- представить набор признаков в виде управляющего сообщения;

- учесть возмущающие факторы в системе управления;

- оценить информационную емкость набора признаков относительно существующих баз данных и вероятность правильной диагностики состояния системы;

- разработать интегральные методы диагностики состояния системы по информационной емкости набора признаков;

- разработать дифференциальные методы диагностики состояния иерархической системы;

- сформировать иерархическую организацию методов диагностики в соответствии со сложностью анализируемой системы;

- экспериментально проверить алгоритм автоматизированной диагностики состояния иерархических систем;

- оценить возможность и эффективность применения разработанного информационного подхода к описанию и диагностике иерархических систем для биотехнологии и медицины.

Методы исследования. Основные результаты диссертационной работы основывались на использовании методов теории информации, математической статистики, методов неравновесной термодинамики, вычислительной математики, теории вероятностей, статистической обработки сигналов и распознавания образов. При выполнении диссертационной работы отобранная информация обрабатывалась с использованием современных информационных технологий и построением распределенной базы данных.

Научная новизна.

- Предложены информационное описание открытой • иерархической системы и ее модель, функционирующая на базе энерго-энтропийных циклов.

- Осуществлена классификация систем различной природы по степени их сложности.

- Построена классификационно-прогностическая диаграмма, позволяющая прогнозировать поведение систем различной природы и сложности.

- Сформирован информационный подход к выбору и организации признаков, характеризующих иерархическую систему, позволяющий оценивать вероятность правильной диагностики состояния системы.

- Разработаны интегральный и дифференциальный методы информационной диагностики состояния иерархических систем.

- Синтезирован иерархический алгоритм диагностики состояния иерархической системы, позволяющий диагностировать степень отклонения состояния системы от границы нормы.

- Предложен алгоритм диагностики циклически функционирующих иерархических систем по динамическим признакам.

- Теоретически и экспериментально показано, что диагностика иерархически организованных систем любой природы может осуществляться по одной методике с высокой эффективностью.

Практическая ценность работы заключается в том, что

1. Результаты исследований могут быть положены в основу диагностики состояния иерархически организованных систем любой природы и сложности.

2. Информационная модель биотехнологического процесса размножения дрожжей и алгоритм диагностики его состояния прошли производственные испытания на ЗАО «Узловской дрожжевой завод», с достаточно высокой эффективностью. Ожидаемый годовой экономический эффект от внедрения математического, алгоритмического и программного обеспечения составляет 75 тыс. руб.

3. Разработан алгоритмический и программный модуль, включающий локальную реляционную базу данных и систему управления базой данных, предназначенный для диагностики состояния иерархических систем. Собрана обучающая выборка по эндометриту, с последующим использованием ее в медицинских учреждениях.

Апробация работы. Основные результаты диссертационной работы обсуждались на III Всероссийской научно-технической конференции «Информационные технологии и системы» (г. Воронеж, 1999 г.), 6-й международной научно-технической конференции «Радиолокация, навигация и связь» (г. Воронеж, 2000 г.), I Всероссийской научно-технической конференции «Теория конфликта и ее приложения» (г. Воронеж, 2000 г.), международной научно-технической конференции «Информационные технологии в образовании, технике и медицине» (г. Волгоград, 2000 г.), на XXXVIII, XXXIX отчетных конференциях ВГТА за 1999-2000 год.

Публикации. По результатам диссертационной работы опубликовано 14 печатных работ, в том числе 7 статей и 7 тезисов.

Структура и объем работы. Диссертационная работа изложена на 201 странице, включает 2 таблицы и 64 рисунка; состоит из введения и 5 глав, заключения, списка литературы из 165 наименований и приложений.

1. Абрамов О.В. Прогнозирование состояния технических систем. / О.В. Абрамов, А.Н. Розенбаум - М.: Наука, 1990. - 126с.

2. Айзерман М.А. Метод потенциальных фукций в теории обучения машин. / М.А. Айзерман, Э.М. Браверман, Л.И. Розоноэр М.: Наука, 1970. -384с.

3. Алдонин Г.М. Синергетика и биоритмы // Биомедицинская радиоэлектроника, 1999 г. № 1. - С. 51 - 56.

4. Андерсон Т. Введение в многомерный статистический анализ. М.: Физматгиз, 1963. - 500 с.

5. Анохин П.К. Теория функциональной системы // Успехи физиологических наук, 1974. Т. 5. - № 2. - С. 75-84.

6. Анохин П.К. Теория функциональных систем // Общие вопросы физиологических механизмов. Анализ и моделирование биологических систем. -М.: 1970.-С. 53-95.

7. Анри Ж. Численное моделирование нарушений распространения сердечного потенциала действия // Математические модели в иммунологии и медицине: Сб. статей 1982-1985 г.г. С. 273-283.

8. Антономов Ю.Г. Моделирование биологических систем: Справочник.-Киев, 1977.-427 с.

9. Антономов Ю.Г. Принципы нейродинамики. Киев. Наукова думка. 1974. - 200 с. - 265 с.

10. Базарский О.В. Вероятность правильного распознавания изображений как критерий качества систем распознавания образов. // Радиотехника и электроника, 1981. Т. 29. - № 3. - С. 18бЪ - 1864.

11. Базарский О.В. Автоматический текстурный анализ изображений Земной поверхности / О.В. Базарский, Ю.В. Коржик // Исследования Земли из космоса, 1990. № 3 - С. 115-120.

12. Базарский О.В. Система признаков для анализа и распознавания изображений случайных пространственных текстур / О.В. Базарский, Ю.В. Коржик // Исследования Земли из космоса, 1985. № 6. - С. 101-105.

13. Базарский O.B. Способ формирования признаков для распознавания изображений однородных структур. / О.В. Базарский, Ю.В. Коржик A.c. № 1119042, СССР, Б.И. 1984. № 38.

14. Бейли Н. Математика в биологии и медицине. М.: Мир. 1970.327 с.

15. Белецкий Н.Г. О некоторых математических методах диагностики опухолей брюшной полости по биохимическим данным / Н.Г. Белецкий, З.Б. Токарская // Математические модели в медицине и биологии: Сб. научн. трудов. Свердловск: УНЦ АН СССР, 1986. С. 10-17.

16. Беллман Р. Математические методы в медицине. М.: Мир. 1987.200с.

17. Беляев Р.В. Многопетлевая автоколебательная система с запаздыванием как модель системы акупунктурных точек организма человека /Р.В. Беляев, В.Я. Кислов // Радиотехника и электроника, 1999г. Т. 44. - № 11.-С. 3-9.

18. Биологическая и медицинская кибернетика. Справочник. Киев: Наукова думка, 1986. - 376 с.

19. Битюкова В.В. Лечение эндометрита после родов и кесарева сечения с применением гелевых сорбентов. Дисс. . канд. мед. наук. Воронеж, 1995. - 146с.

20. Богомолов A.B. Использование лингвистических переменных и методов обработки экспертной информации для автоматизированного распознавания ранних стадий нарушения функционального состояния человека // Информационные технологии, 2000. № 8. - С. 50-54.

21. Богомолов A.B. Методика формирования индекса состояния объекта по результатам многомерной статистической классификации // Информационные технологии, 2000. № 12. - С. 45-52.

22. Богомолов A.M. Диагностика сложных систем. / A.M. Богомолов, В.А. Твердохлебов Киев: Наукова думка, 1974. - 128 с.

23. Быховский M.J1. Кибернетические системы в медицине. / M.JI. Бы-ховский, A.A. Вишневский М.: Наука - 1971. - 407 с.

24. Вапник В.Н. Теория распознавания образов. / В.Н. Вапник, А .Я. Червоненкис М.: Наука, 1974. - 416 с.

25. Вилли К. Биология. М.: Мир, 1968 г. - 808 с.

26. Гвоздев В.И. Модель биоклетки при сверхмалых дозах воздействия / В.И. Гвоздев, В.В. Герасёв, Б.Я. Климов //Биомедицинская радиоэлектроника, 2000 г.-№4.-С. 39-46.

27. Гвоздев В.И. Ключевые биоструктуры информационного образа человека / В.И. Гвоздев, Е.В. Давыдов, В.И. Криворучко, С.И. Подковырин // Биомедицинская радиоэлектроника. 2000 г. - № 4. - С. 32-37.

28. Геловани В.А. Экспертные системы в медицине / В.А. Геловани, О.В. Ковригин // Новое в жизни, науке, технике. Сер. Математика, кибернетика №3. М.: Знание, 1987. - 32 с.

29. Гленсдорф П. Термодинамическая теория структуры, устойчивости и флуктуаций. / П. Гленсдорф, И. Пригожин М.: Мир, 1973. - 280 с.

30. Гмурман В.Е. Теория вероятностей и математическая статистика. -М.: Высш. шк., 1997.-479 с.

31. Григорян Р.Д. Математическая модель сердечно-сосудистой системы человека // Биологическая, медицинская кибернетика и бионика. Сб. науч. тр. Киев: ИК АН УССР, 1984. - С 25-29.

32. Гублер Е. В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1978, - 296 с.

33. Гублер Е.В. Информатика в патологии, клинической медицине и педиатрии. Л.: Медицина, 1990. - 176 с.

34. Гуверне Ж. Приложение нечеткой логики к медицинской генетике / Ж. Гуверне, С. Эме, Э. Санчес // Нечеткие множества и теория возможностей: Последние достижения. М.: Радио и связь, 1986. - С. 332-339.

35. Гудмен Дж. Введение в Фурье-оптику. М.: Мир, 1970. - 258 с.

36. Гуляев В.А. Методы и средства обработки диагностической информации в реальном времени. / В.А. Гуляев, В.М. Чаплыга, И.В. Кедровский -Киев: Науковадумка, 1986.-219с.

37. Гуртовой Б.Л. Применение антибиотиков в акушерстве и гинекологии. / Б.Л. Гуртовой, В.И. Кулаков, С.Д. Воропаева // Библиотека практического врача. Актуальные вопросы акушерства и гинекологии. М.: РУСФАРМАМЕД, 1996. - 141 с.

38. Девятков Н.Д. Методологические аспекты электропунктурной диагностики и пунктурной КВЧ-терапии / Н.Д. Девятков, В.И. Грачев, В.В. Ки-слов, В.Я. Кислов, В.В. Колесов // Биомедицинская радиоэлектроника, 2000 г. № 1. - С. 3-11.

39. Домнин М.С. Разработка компьютерной системы для прогноза гнойных послеоперационных осложнений / М.С. Домнин, В.А. Зеленский // Математические модели в медицине и биологии: Сб. научн. трудов. Свердловск: УНЦ АН СССР, 1986. С. 27-30.

40. Дородницын A.A. Проблемы математического моделирования в описательных науках. // Кибернетика, 1983. № 4. - С. 6-10.

41. Ермолаев Ю.М. Биологически активная точка биологический аналог диода с отрицательным сопротивлением // Биомедицинская радиоэлектроника, 1999 г. - № 7. - С. 38-46.

42. Ермолаев Ю.М. Пространственная и электродинамическая модели биологически активной точки // Биомедицинская радиоэлектроника, 2000 г. -№ 3. С. 24-31.

43. Жамбю М. Иерархический кластер-анализ и соответствия. М.: Финансы и статистика, 1988. - 342 с.

44. Жернаков C.B. Комплексная диагностика и контроль параметров ГТД в условиях неопределенности на базе нечеткой логики экспертной системы // Информационные технологии, 2000 № 8. - С. 33-40.

45. Жернаков C.B. Применение экспертных систем с нейросетевыми базами знаний к диагностике и контролю устройств авиационных двигателей // Информационные технологии, 2000. № 12. - С. 37-44.

46. Загоруйко Н.Г. Методы распознавания и их применение. М.: Советское радио, 1972. - 208 с.

47. Зак И.Р. Возможности ранней диагностики и прогнозирования послеродовых эндометритов / И.Р. Зак, Ф.А. Смекуна, Л.А. Рыжкова, И.Н. Су-чильникова // Акушерство и гинекология, 1985. № 10. - С. 6-8.

48. Захор А.И. О выборе числа пересечений нуля двумерными сигналами / А.И. Захор, Д.О. Израилевич // ТИИЭР, 1986. Т. 74. - № 9. - С. 131.

49. Иванов К.П. Основы энергетики организма: Теоретические и практические аспекты. Том 1. Общая энергетика, теплообмен и терморегуляция. -Л.: Наука, 1990.-307 с.

50. Иванов К.П. Основы энергетики организма: Теоретические и практические аспекты. Том 2. Биологическое окисление и его обеспечение кислородом. СПб.: Наука, 1993. 272 с.

51. Искусственный интеллект: В 3 кн. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990. - 464 с.-Кн.1.

52. Искусственный интеллект: В 3 кн. Модели и методы. Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990. - 423 с. - Кн. 2.

53. Исмаилова JI.A. Интеллектуальная система поддержки решений по управлению производством в условиях неопределенности / JI.A. Исмаилова, В.Ю. Афанасьев // Информационные технологии, 2000. - № 11. - С. 32-37.

54. Каста Дж. Большие системы: Связность, сложность и катастрофы. -М.: Мир, 1982.-216 с.

55. Клюев Н.И. Информационные основы передачи сообщений. М.: Советское радио, 1966. - 360 с.

56. Ковалевский В.А. Методы оптимальных решений в распознавании изображений. М.: Наука, 1976. - 349 с.

57. Колулмен Г.Б. Сегментация изображения при помощи автоматической классификации / Г.Б. Колулмен, Х.С. Эндрюс // ТИИЭР, 1979. Т. 67. -№5.-С. 82-97.

58. Крамер Г. Математические методы статистики. М.: Мир, 1975.648 с.

59. Красильников H.H. Теория передачи и восприятия изображений. -М.: Радио и связь, 1986. 196 с.

60. Кричевский P.E. Сжатие и поиск информации. М.: Радио и связь, 1989. -167 с.

61. Кувшинов Б.М. Диагностика заболеваний методами распознавания образов и классификация в n-мерном пространстве / Б.М. Кувшинов, О.В.Ширяев, И.И. Шаиошник // Информационные технологии, 2000. № 6. - С. 43-47.

62. Кузнецов С.И. Инвариантное моделирование в медицине на базе кластерного анализа. Воронеж: изд-во ВГУ, 1997. - 208 с.

63. Кулаков В.И. Послеродовой эндометрит. Информационное письмо. / В.И. Кулаков, В.И. Серов, Б.Л. Гуртовой, А.И. Емельянова, Н.М. Касабула-тов М.: ABO, 1999. - 22с.

64. Куликов Е.И. Оценка параметров сигналов на фоне помех. / Е.И. Куликов, А.П. Трифонов- М.: Советское радио, 1978.

65. Кулинич С.И. Современные особенности послеродового эндометрита / С.И. Кулинич, Ю.В. Трусов, Е.В. Сухинина // Вестник, 1999. № 1. -С. 47-50.

66. Леунг Й. Разделение на торговые зоны в нечетких условиях // Нечеткие множества и теория возможностей: Последние достижения. М.: Радио и связь, 1986. - С. 339-348.

67. Лорьер Ж.Л. Системы искусственного интеллекта. М.: Мир, 1991. - 568 с.

68. Марчук Г.И. Математические модели в иммунологии. Вычислительные методы и эксперименты. М.: Наука, 1991. - 304 с.

69. Марчук Г.И. Математическое моделирование противовирусного иммунного ответа / Г.И. Марчук, Р.В. Петров // Математические модели в иммунологии.и медицине: Сб. статей 1882-1885 г.г. С. 145-155.

70. Матвеев А.Н. Молекулярная физика. М.: Высшая школа, 1987.

71. Матвеев Д.Е. Преобразование светового потока в последовательность нервных импульсов в фоторецепторах органов зрения // Биомедицинская радиоэлектроника, 1999 г. № 8. - С. 26-30.

72. Математические методы в клинике хирургических болезней. / Под ред. К.И. Мышкина и Л.А. Франкфурта. Изд. Саратовского университета, 1981.-192с.

73. Моль А. Теория информации и эстетическое восприятие. М.: Мир, 1966.-352 с.

74. Наш организм. Сборник / Под ред. Косицкого Г.И. М.: Знание, 1975.-213 с.

75. Николис Г. Познание сложного: Введение. / Г. Николис, И. Приго-жин М.: Мир, 1990 - 342 с.

76. Николис Г. Самоорганизация в неравновесных системах. / Г. Николис, И. Пригожин М.: Мир, 1979. - 512 с.

77. Николис Дж. С. Динамика иерархических систем: Эволюционное представление. М.: Мир, 1989. - 486 с.- 88. Пакулин А. Теория систем и преобразований в оптике. М.: Мир, 1971.

78. Перетягин Т.И. Представление изображений гауссовскими случайными полями // Автометрия, 1984. № 6. - С. 36-42.

79. Плотровская В.А. Энтропия русского языка / В.А. Плотровская, Р.Б. Плотровский, К.А. Разгнивин // Вопросы языкознания, 1962. № 4. -С. 1519.

80. Погожев И.Б. Беседы о подобии процессов в живых организмах и о том, как можно измерить жизненную теплоту и почему это важно. М.: Наука, 1999.-222 с.

81. Подвальный Е.С. Модели индивидуального прогнозирования и классификации состояний в системах компьютерного мониторинга. Воронеж.: Изд-во ВГТУ, 1998.- 127 с.

82. Полагин Ю.И. Математическое моделирование многомерных случайных полей на основе параметрических представлений // Радиотехника и электроника, 1983. Т. 28. - № 4. - С. 709-719.

83. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука. Гл. ред. физ.-мат. мет., 1987. - 288 с.

84. Попов Э.В. Статистические и динамические экспертные системы. / Э.В. Попов, И.Б. Фомин, Е.Б. Кисель, М.Д. Шапот- М.: Финансы и статистика, 1996. 325 с.

85. Построение экспертных систем / Под ред. Ф. Хейеса-Рота, Д. Уо-термана, Д. Лената. М.: Мир, 1987. - 441 с.

86. Пригожин И.Р. Конец определенности: Время, хаос и новые законы природы. Ижевск: Регулярная и хаотическая динамика, 1999. 215 с.

87. Пригожин И.Р. Неравновесная статистическая механика. М.: Мир, 1964.-314 с.

88. Пригожин И.Р. Порядок из хаоса: Новый диалог человека с природой. / И.Р. Пригожин, И. Стенгерс- М.: Прогресс, 1986. 431 с.

89. Прикладная статистика: Классификация и снижение размерности: Справ, изд./ Под ред. С.А. Айвазяна. М.: Финансы и статистика, 1989. - 607 с.

90. Применение методов Фурье-оптики. / Под ред. Г. Стерна. М.: Радио и связь, 1988. 158 с.

91. Протасов К.Г. Распознавание образов и автоматическая классификация многокомпонентных видеоданных в условиях статистической неопределенности // Оптика атмосферы и океана, 1995. Т. 8. - № 6. - С. 831-840.

92. Расстригин Л.А. Метод коллективного распознавания. / Л.А. Расстригин, Р.Х. Эренштейн-М.: Энергоиздат, 1981. С. 1-78.

93. Рытов С.М. Введение в статистическую радиофизику. М.: Наука, 1966.- 167 с.

94. Савельев В.Я. Проблемно-ориентированные системы в медицинской и технической диагностике // Методы и системы принятия решений. Интеллектуальные системы принятия решений. Рига, 1987. - С. 57-65.

95. Савенков С.Н. Автоматизированная медикотехнологическая система для лабораторной службы лечебно-профилактических учреждений. Диссертация на соискание ученой степени кандидата наук. Воронеж, 1998.

96. Санчес Э. Лингвистический подход к нечеткой логике ВОЗ-классификации диспротенемии / Э. Санчес, Ж. Гуверне, Р. Баотолен, Л. Во-ван // Нечеткие множества и теория возможностей: Последние достижения. -М.: Радио и связь, 1986. С.370-376.

97. Семихатова Н.М. Хлебопекарные дрожжи. М.: Пищевая промышленность, 1980. - 175 с.

98. Системы технического зрения. / Под ред. Писаревского А.Н., Чер-нячского А.Ф. Л.: Машиностроение, 1988. 197 с.

99. Снастин A.A. Многоуровневая экспертная система для задач проектирования, диагностики и управления сложной технической системой // Методы и системы принятия решений. Вопросы создания экспертных систем. Рига, 1989. - С. 62-67.

100. Современное состояние проблемы распознавания: Некоторые аспекты / А.Л. Горелик, И.Б. Гуревич, В.А. Скрипкин. М.: Радио и связь, 1985.- 160 с.

101. Соломон Г. Зависящие от данных методы кластер-анализа // Классификация и кластер. М.: Мир, 1980. С. 129 - 147.

102. Стрижаков А.Н. Современные методы диагностики и принципы терапии различных форм послеродового эндометрита / А.Н. Стрижаков, В.А. Лебедев, O.P. Баль, А.Г. Асланов // Акушерство и гинекология, 1991. № 5. -С. 37-42.

103. Судаков К.В. Социальная физиология: теоретическое обоснование и практическое применение реабилитационных мероприятий. В сб.: экспериментальная и прикладная физиология. Системные механизмы реабилитации, 1994.-Т. 5.-С. 53-59.

104. Судаков К.В. Теория функциональных систем. М.: Мир, 1996.258 с.

105. Судариков В.А. Распознавание изображений трехмерных объектов с использованием самоорганизующейся нейронной сети // Изв. вузов. Приборостроение, 1996. -Т.39. № 1. - С. 53-59.

106. Судариков В.А. Топологическая классификация аэрофотоснимка с помощью самоорганизующейся нейронной сети // Приборостроение: 1997, № 6, С. 66-72.

107. Теория информации. Опознавание образов. / Харкевич A.A. Избранные труды в трех томах. Т.З. М.: Наука, 1973. - 524 с.

108. Тихонов В.И. Оптимальный прием сигналов. М.: Радио и связь, 1983.-395 с.

109. Ужга-Ребров О.И. Морфологическое исследование многофункциональных технических систем // Методы и системы принятия решений. Системы, основанные на знаниях. Рига, 1989. - С. 124-129.

110. Факторный, дискриминантный и кластерный анализ / Ким Дж.-О., Мьюллер Ч.У., Клекка У.Р. и др. М.: Финансы и статистика, 1989. - 215 с.

111. Ферстер Г. Самоорганизующиеся системы. М.: Мир, 1964. - 215с.

112. Фомин Я.А. Теория выбросов случайных процессов. М.: Связь, 1980.-348 с.

113. Фор А. Восприятие и распознавание образов. М.: Машиностроение, 1989. - 272 с.

114. Фу К. Робототехника. / К. Фу, Р. Гонсалес, К. Ли- М.: Мир, 1989.269с.

115. Фу К.С. Применение нечетких множеств для оценки устойчивости строительных конструкций при землетрясениях / К.С. Фу, М. Исидзука, Дз.Т.П. Яо // Нечеткие множества и теория возможностей: Последние достижения.-М.: Радио и связь, 1986.-С. 312-330.

116. Хазен Э.М. Методы оптимальных статистических решений и задачи оптимального управления. М.: Советское радио, 1968. 256 с.

117. Харкевич A.A. Борьба с помехами. М.: Наука, 1965. - 276 с.

118. Харрисон Дж. Биология человека. / Дж. Харрисон, Дж. Уайнер, Дж. Теннер, Н. Барникот, В. Рейнольде /- М.: Мир, 1979. 613 с.

119. Химмелблау Д. Диагностика неполадок в химической и нефтехимической промышленности. Л.: Химия, 1982. - 240 с.

120. Хорн Б.К. Зрение роботов. М.: Мир, 1989. - 165 с.

121. Хусу А.П. Шероховатость поверхностей. Теоретико-вероятностный подход. / А.П. Хусу, Ю.Р. Виттенберг, В.А. Пальмов М.: Наука, 1975. - 278 с.

122. Чайкина Г.В. Система поддержки принятия решений при оценке профессионального здоровья экипажей подводных лодок // Информационные технологии, 1999. - № 6 - С. 34-39.

123. Швитра Д.И. О моделировании динамики уровня сахара в крови // Математические модели в иммунологии и медицине: Сб. статей 1882-1885 г.г С. 243-250.

124. Шеннон К. Предсказание и энтропия печатного английского текста // Работы по теории информации и кибернетике. М.: ИЛ, 1963. - 196 с.

125. Ширман Я.Д. Методы радиолокационного распознавания и их моделирование / Я.Д. Ширман, С.А. Горисков, С.П. Лещенко // Зарубежная радиоэлектроника, 1996, № 11, С. 3-14.

126. Элти Дж. Экспертные системы: концепции и примеры. / Дж. Элти, М. Кумбс М.: Финансы и статистика, 1987. - 191 с.

127. Эткинс П. Порядок и беспорядок в природе. М.: Мир, 1987. 224с.

128. Эшби У Принципы самоорганизации. М.: Мир, 1966. - 354с.

129. Эшби У. Введение в кибернетику. М.: ИЛ, 1959. - 265с.

130. Эшби У. Конструкция мозга. М.: ИЛ, 1962. - 198 с.

131. Chin Chinchuan A novel pattern searching method using newral networks and correlation / Chinchuan Chin, Таги Oki, Rhil Paoletia // Pres. Int. inConf Newral Networks, Nagoya, Oct, 1993: IJENN '93 Nagoya. Vol. 2, 1993, P. 1277-1280.

132. Chiu-Feng Wu. A man-machine interactive microcomputer system for diagnosis of engine trouble by fuzzy logic / Wu Chiu-Feng, Xu Wen-Li // Tsinghua Univ. Beijung. 1981. - P. 135-138.

133. Collins P. Determination of normal values from a hospital population // Am. J. Med. Technol. 1975. - Vol. 41 - P. 175-179.

134. Duvernoy J. Optikal digital processing of directional terrain texture invariant under translation rotation and change of seal // Appl. Opt., 1984, Vol. 23, № 6, P. 828-837.

135. Gibbs R.S. Cefamandole therapy of endometritis following cesarean section / R.S. Gibbs, R.W. Huff// Amer. J. Obstet. Gynec., 1980. Vol. 136. - № l.-P. 32-37.

136. Image processing and Pattern recognition // Adv. Image Process and Pattern Recognit: Proc. Int. Conf. Pisa: 1985, P. 148-151.

137. Jonsone H.E. Expert system for dieselelectric locomotive repair / H.E. Jonsone, J.P. Bonissone // Human Systems Managment. 1984. - № 4. - p. 255262.

138. Kuschuaha S.P.S., Kunts S., Olsten G. // Int. J. Remote Sens: 1994, vol. 15, № 1, P. 2273-2284.

139. Lan A.S.K. Knowledge based and statistical techniques applied to textural image classification // Pattern recognition lett.: 1987, vol. 6, № 2, P. 95-100.

140. Loeschlce V., Kokler W. Modelle der Negativen Binomialverteilung // Biometrics. 1975-Bd. 31.-s. 1015.

141. Memon Naris D Lossless compression of RGB Color images / Naris D. Memon, Khalid Sayood//Opt. Eng.: 1995.-Vol. 34, № 6, P. 1711-1717.

142. Newell A. Heuristic Programming: 111 Structured Problems // Progress in Operation Rexarch.-New York: Weley and Sons, 1969. Vol. 3. Pp 56-69.

143. Pople, H. E. The formation of composite hypotess in diagnostik problem solving: An exercise in synthetic reasoning. In IJCAI 5, 1977. Pp. 1030 -1037.180

144. Shortliffe E.N. A model of inexact reasoning in medicine. / E.N. Shortliffe, B.G. Buchanan // Matematical Biosciences. 1975. Vol. 23. - Pp. 351 -379.

145. Ultman J.S. Computational model for insensible water loss from the newborn // Pediatrics. 1987. - Vol. 79. - P. 760 - 765.160. van Mell, W. A domain indeperdet produktion - rule system for con-syltation programms, 1979. - In IJCAI 6 - Pp. 923 - 925.

146. Weiss S.M. A model based consultation system for the long term managment of glaucoma / S.M. Weiss, C.A. Kulikowski, A. Safir, 1977. - In IJCAI 5.-Pp. 826-832.

147. Weiss, S.M. EXPERT: A system for developing cosultation models. / S.M. Weiss, C.A. Kulikowski, 1979. In IJCAI 6. - Pp. 942-947.

148. Weiss S.M. Expert consultations systems: The EXPERT and CASNET projects. Machine Intelligence, Infotech State of the Art Report 9 / S.M. Weiss, C.A. Kulikowski. 1981. -No.3.

149. Yacoub S. Ben Herarchical line extraction / S. Ben Yacoub, J.M. Jolion // IEE Pres. Vision Image and Signal Prozess, 1995. Vol. 142. - № 1. - P. 7-14

150. Zalesny A.U. Homogeneity and texture general approach // Int. J. Remote Sens.: 1994, vol. 15, № 11, P. 2285-2289.