Проблема вывода в открытых информационных системах

Прокопчук Ю.А., Костра В.В.
Институт технической механики НАН Украины, Днепропетровск

Аннотация:

В статье рассматриваются вопросы построения автоматизированного вывода в открытых информационных системах, осуществляющих распознавание и мониторинг угрожающих состояний. Проблема заключается в том, что шаблоны первичных документов, стандартная лексика и алгоритмы обработки данных должны являться частью метаданных.

In the paper the problems of construction of the automized conclusion in open information systems realizing recognition and monitoring of menacing statuses are considered. The problem consists that the templates of primary documents, standard lexicon and data processing algorithms should be a part metadata.

Постановка задачи

Рассматривается класс интеллектуальных управляющих систем (ИУС), решающих следующую информационную задачу [1]: распознавание и мониторинг проблемной ситуации (ПС), а также выбор такого уровня помощи (УП) из имеющихся ресурсов, который обеспечивал бы минимальную вероятность реализации угрожающего состояния (УС), либо минимальные потери при неизбежном возникновении УС. Под УС можно понимать стихийное бедствие, аварийную ситуацию, выход из строя прибора, нарушение технологического графика, нарушение стандарта обслуживания, заболевание, инвалидизацию и т.д.

Предполагается, что лицо, осуществляющее диалог с ИУС, имеет возможность всесторонне описать контролируемый процесс или событие с помощью разнообразных электронных форм, которые он может создавать самостоятельно в неограниченном количестве. При этом первичные данные о событиях и процессах должны храниться в том виде, как это принято стандартом описания. В противном случае произойдет потеря информации. Следовательно, часть свойств, ввиду многообразия проявлений, может быть описана только текстовым блоком, например, жалобы больного, анамнез, объективные данные и т.д. Однако именно параметризация позволяет рассматривать данные как информацию, которая содержит, в частности, факторы риска развития угрожающих состояний. Таким образом, однозначное выделение факторов риска в процессе заполнения текстовых разделов произвольных документов предполагает создание формализованного ограниченного профессионального языка (ОПЯ), содержащего операции обработки знаков данного языка. Операции обработки знаков позволяют, с одной стороны, выделять факторы риска, с другой, выполнять разнообразные вычислительные и логические операции над знаками. Как ОПЯ, так и операции обработки должны являться частью метаданных (базы знаний ИУС).

Более общая проблема состоит в согласовании информации, содержащейся в произвольном документе, с информацией базы знаний ИУС. Иначе говоря, для произвольного документа в произвольный момент времени функционирования ИУС должна быть обеспечена возможность создания механизма интерпретации (расшифровки) данных документа в терминах базы знаний ИУС. Данную проблему можно рассматривать как проблему настройки сенсора ИУС (системы искусственного интеллекта) на новый входной сигнал. Нетривиальность проблемы состоит в том, что алгоритмы интерпретации должны являться частью метаданных и иметь локальную привязку к документу.

Наконец, самая сложная проблема состоит в использовании всей информации, хранящейся в активной базе данных (АБД) ИУС [2], содержащей, в частности, архив электронных документов, для решения задач прогнозирования УС и выбора необходимого уровня помощи для конкретного процесса. Полная свобода при создании шаблонов документов и ОПЯ оборачивается серьезными трудностями при решении данной проблемы.

Таким образом, требуется разработать математический формализм, технологию человеко-компьютерного взаимодействия и необходимый программный инструментарий, позволяющие в совокупности автоматически извлекать факторы риска развития угрожающих состояний при работе с любой формой и решать необходимые задачи управления.

Принципиальная схема решения

Принципиальная схема решения рассматривается на примере медицинского приложения. Однако общий подход годится, на наш взгляд, для широкого класса ИУС.

Произвольная медицинская карта MC $_{{\rm p}}$ с кодом p состоит из множества первичных документов {D $_{{\rm p}{\rm q}}$ } (q - уникальный код документа) и всевозможных обзоров {V $_{{\rm p}{\rm r}}$ } (вторичных документов). В свою очередь, первичный документ состоит из множества разделов {X}, т.е. D $_{{\rm p}{\rm q}}$ = <X $_{{\rm 1}}$ ,X $_{{\rm 2}}$ ,...,X $_{{\rm n}}$ > $_{{\rm p}{\rm q}}$ . Разделы X могут содержать числовые данные, символьные данные, текстовые блоки и т.д. Для ввода данных в текстовый блок и автоматического извлечения ФР в процессе ввода разработан Лексический процессор [3], который работает с лексическими деревьями (LT), составляющими основу ОПЯ. Операции извлечения ФР включены непосредственно в LT. Для обработки данных, вывода заключений и извлечения ФР в рамках раздела X и локального документа D $_{{\rm p}{\rm q}}$ разработан Семантический процессор [4]. Алгоритмы обработки данных (семантические операции) являются частью метаданных ИУС и доступны в любой момент для корректировки. Для поиска ФР и структурирования информации в рамках карты MC $_{{\rm p}}$ разработана Аналитическая система. Аналитическая система отвечает также за поиск закономерностей развития патологических процессов в АБД. Найденные закономерности помещаются в Базу Знаний (БЗ) ИУС. Запросы к АБД могут формироваться с помощью фраз ОПЯ. Для решения задач прогнозирования УС и выбора необходимого уровня помощи разработан Интеллектуальный решатель (IS) [1].

ФР развития УС различаются уровнем общности (тип ФР) [5], который определяется следующим образом: 0 - уровень LT; 1 - уровень раздела X; 2 - уровень документа D $_{{\rm p}{\rm q}}$ ; 3 - уровень карты MC $_{{\rm p}}$ . При переходе на более высокий уровень ФР предыдущего уровня становятся недоступными или удаляются. ФР 3-го уровня заносятся в специальный документ D $_{{\rm p}{\rm h}}$ под названием ``Факторы риска по H'', где H - конкретное УС. Для каждого H создается свой документ. Один и тот же ФР может одновременно попасть в несколько различных D $_{{\rm p}{\rm h}}$ . Лексический процессор позволяет выявлять ФР 0-3 уровней. Семантический процессор - ФР 1-3 уровней. Аналитическая система - ФР 3-го уровня. Интеллектуальный решатель работает с документами ``Факторы риска по H'', а также Базой Знаний ИУС, которую формирует аналитическая система. Кроме того, ФР 0 -го уровня используются лексическим процессором для выполнения вычислительных и логических операций внутри текстового блока. ФР 1 и 2-го уровней используются семантическим процессором для вывода заключений и расчета необходимых параметров в рамках локального документа.

Модель ОПЯ

Под ОПЯ будем понимать множество лексических деревьев, описывающих объекты, процессы, события данной предметной области. Лексическое дерево (ЛД) может иметь несколько представлений: текстовое, машинное, визуальное. Текстовое представление хранится в обычном текстовом файле (в кодировке DOS). Оно не является обязательным, но весьма удобно при первом построении ЛД или его существенной модернизации. В дальнейшем текстовое представление ЛД должно быть преобразовано в машинное представление - специальным образом организованную базу данных. В процессе работы пользователь непосредственно взаимодействует с визуальным представлением ЛД, которое определяется интерфейсом лексического процессора, осуществляющего навигацию по лексическому дереву и выбор необходимых лексем. Лексический процессор загружает машинное представление ЛД, позволяет его корректировать (минуя текстовое представление) и выполнять конвертацию текстового представления в машинное и обратно (подобное преобразование не является взаимнооднозначным).

При формализации ОПЯ разработчики стремились к максимальной выразительности синтаксических конструкций при минимальном использовании вспомогательных символов. В итоге под лексическим деревом (текстовое представление - индекс t) будем понимать упорядоченное множество трехэлементных кортежей, удовлетворяющих определенным условиям:

ЛД $_{{\rm t}}$ = {W $_{{\rm i}}$ = <a $_{{\rm i}}$ , L $_{{\rm i}}$ , {f} $_{{\rm i}}$ > $\vert$ a $_{{\rm i}} \in {\rm N}$ , L $_{{\rm i}}$ - словоформа, {f} $_{{\rm i}}$ - множество факторов риска и, возможно, условий их активизации, i= 1...n; S(W $_{{\rm 1}}$ ,...,W $_{{\rm n}})$ - множество синтаксических и семантических ограничений}.

Числа a $_{{\rm i}}$ позволяют автоматически расставлять знаки препинания в результирующем тексте. Механизм расстановки знаков будет описан в разделе ``Лексический процессор''. Словоформа (лексема) L представляет собой кортеж знаков, включающий пробелы, а также специальные управляющие символы и синтаксические конструкции. К числу основных управляющих символов и синтаксических конструкций относятся: {,} - скобки открытия и закрытия подуровней; ! - комментарий (символы после этого знака не вставляются в результирующий текст); & Имя - макроподстановка (выполняется с помощью семантических операций); # Фактор - фактор риска; @ - перевод строки (если в лексеме будет стоять два таких знака, то в тексте будет выполнено два перевода строки и т.д.); <?> - вставка произвольной строки текста (без перехода в редактор результирующего текста); ___ - вставка произвольных символов (по числу символов подчеркивания); $\vert$ ; ; ; $\vert$ - выбор одной из перечисленных альтернатив; [,] - скобки открытия и закрытия текстового блока, который вставляется целиком. Подуровни (поддеревья) и текстовые блоки могут быть именованными. Соответственно, вызов именованных поддеревьев и блоков может осуществляться по их имени, например: {одышка}, [рецепт] и т.д. В качестве одного из ограничений S() выступает следующее: каждая открытая скобка ``{'' (или ``['') должна быть закрыта скобкой ``}'' (или ``]''). Данное ограничение проверяется, например, на этапе преобразования текстового представления ЛД в машинное.

Если каждый кортеж W $_{{\rm i}}$ расположить с новой строки, то в качестве значений a $_{{\rm i}}$ может использоваться число пробелов от начала строки до первого символа словоформы L $_{{\rm i}}$ . Ниже представлены фрагменты лексических деревьев:

ЖАЛОБЫ НА

$\vert$ постоянную; приступообразную $\vert$ головную боль {

$\vert$ возникающую; усиливающуюся $\vert$ при

повышении давления

физической нагрузке

перемене положения $\vert$ головы; тела $\vert$

в течение ______ $\vert$ лет; года; год; мес; дн $\vert$ }

$\vert$ постоянное; приступообразное $\vert$ головокружение {головокружение}

Приведенные выше синтаксические конструкции ОПЯ позволяют легко решить проблемы приставок, окончаний, отрицаний, заглавных букв. Так, возможна запись:

$\vert$ Н;н $\vert$ аличие уплотнени $\vert$ я;й $\vert \quad \vert$ без; $\vert$ болезненн $\vert$ ого;ых $\vert$ ...

Эта же словоформа может быть представлена следующим фрагментом ЛД:

$\vert$ Н;н $\vert$ аличие

уплотнения

уплотнений

безболезненного

безболезненных

болезненного

болезненных

...

Выбор той или иной формы записи ЛД остается за конечным пользователем. Редактирование ЛД $_{{\rm t}}$ осуществляется любым текстовым редактором (под DOS)

Если при работе с ЛД необходимо автоматически извлекать ФР, то в конце лексемы после символа '# ' ставится тип (номер) ФР, который определяет уровень общности и характер реакции системы на данный ФР. Далее следует название ФР. За названием ФР в скобках ( ) может стоять условие активизации ФР. Тип ``0'' может быть опущен. Примеры словоформ с ФР:

$\vert$ постоянное; приступообразное $\vert$ головокружение !# 3 Головокр

в течении ___ $\vert$ лет;мес $\vert$ !# 0 Колич. # 0 Период

Количество родов ____, абортов _____ !# 3 Роды (Роды > 3) # 3 Аборты

ФР ``Головокр.'' будет присвоено либо значение ``постоянное'', либо значение ``приступообразное'' в зависимости от выбора врача. Значение ФР ``Роды'' равно количеству родов, но ФР активизируется только в том случае, если количество родов больше 3. ФР ``Аборты'' активизируется в любом случае. В условие могут включаться другие ФР. Если название ФР начинается с символа подчеркивания ``_'', то ФР принимает значение ДА/НЕТ в зависимости от того выбрана лексема или нет. При вводе данных с помощью лексического процессора ФР автоматически считываются и могут использоваться семантическим процессором для выполнения требуемых расчетов и вывода логических заключений. ФР 3-го типа загружаются в документ, который называется ``Факторы риска''. В этом документе каждый ФР расположен с новой строки, например:

Курение = Больше пачки в день

Головокр. = постоянное

Роды = 4

Аборты = 1

Рак_у_родств. = Да

И т.д.

В документ ``Факторы риска'' могут попадать ФР автоматически из разных первичных документов, а также заноситься с помощью специальных форм, ориентированных на решение конкретных задач. Далее, ФР могут использоваться в работе различных систем диагностики и прогнозирования угрожающих состояний.

При работе с некоторыми ФР, а также с макроподстановками (& Имя) могут вызываться сложные семантические операции, реализованные с помощью скриптов. Скрипты могут быть закодированы различными способами. Приведенный ниже способ напоминает диалект языка Pascal. Описание скриптов помещается непосредственно в ЛД под заголовком ``Scripts''. Пример расчета объема щитовидной железы приведен ниже:

Лексема:

(правая доля _._ х _._ х _._ см. Объем & Объем) !# a # b # c # d # e # f

Соответствующий скрипт имеет вид:

procedure main

global

a,b,c,d,e,f:string

r:real;

st:string

endvar

Объем

endproc

procedure Объем

var

p1, p2, p3:real

endvar

val(a+'.'+b,p1); val(c+'.'+d,p2); val(e+'.'+f,p3)

r:=p1*p2*p3; str(r : 0 : 2,st)

writeln('res:'+st)

endproc

Машинное представление лексического дерева (индекс m) можно представить в виде упорядоченного множества четырехэлементных кортежей:

ЛД $_{{\rm m}}$ = {<a $_{{\rm i}}$ , $\gamma _{{\rm i}}$ , L $_{{\rm i}}$ ', {f} $_{{\rm i}}$ > $\vert$ a $_{{\rm i}} \in {\rm N}$ , $\gamma _{{\rm i}}$ - кортеж управляющих символов, L $_{{\rm i}}$ ' - словоформа, i= 1...n}.

При преобразовании текстового представления ЛД в машинное скобки { } и [ ], обозначающие подуровни и блоки, преобразуются в порядковый номер подуровня и удаляются из L (L $\to$ L'). Сам порядковый номер подуровня помещается в $\gamma _{{\rm i}}$ . Туда же помещается признак ``подуровень / блок'', а также признак ``стандартная лексема''. Все стандартные лексемы могут быть выбраны нажатием одной клавиши. В процессе преобразования происходит также подстановка всех поименованных фрагментов ЛД в те места, где они вызывались. При этом теряется информация о поименованных фрагментах ЛД $_{{\rm t}}$ . С помощью лексического процессора можно непосредственно в ЛД $_{{\rm m}}$ вставлять, удалять и модифицировать лексемы, минуя текстовое представление ЛД. При обратном преобразовании ЛД $_{{\rm m}} \quad \to$ ЛД $_{{\rm t}}$ порядковый номер подуровня и признак ``подуровень / блок'' преобразуются соответственно в скобки { } и [ ]. Если ЛД $_{{\rm t}}$ содержало поименованные блоки, то при обратном преобразовании подобная структура не воспроизводится.

ЛД $_{{\rm m}}$ хранится в таблице базы данных следующего вида (атрибуты): = table[!h] center tabular |p81pt|p74pt|p200pt|

Как видно из представленной структуры, в одной таблице может храниться любое количество ЛД. Самих таблиц также может быть сколь угодно много. Как правило, для каждого шаблона медицинского документа создается своя таблица БД, содержащая ЛД, связанные с этим документом. Например, в информационной системе Днепропетровского областного диагностического центра насчитывается более 800 таблиц с ЛД.

Визуальное представление лексического дерева (ЛД $_{{\rm v}})$ имеет вид классического древовидного списка (TreeView - компонента). Навигацию по дереву, выбор и обработку лексемы, а также формирование результирующего текста осуществляет лексический процессор.

Лексический процессор

Лексический процессор (ЛП) - программный модуль, позволяющий сформировать заключение врача на основе стандартных фраз (лексем) ОПЯ. Выбор нужной лексемы осуществляется путем перемещения курсора по лексическому дереву (используется визуальное представление ЛД). ЛП позволяет выполнять сложные вычисления при макроподстановках (& Имя) и выделять факторы риска УС (# Фактор). Вычисления выполняются с помощью скриптов, которые включены непосредственно в ЛД и в любой момент доступны пользователю для модификации.

С помощью чисел a $_{{\rm i}}$ или отступов лексем от левого края ЛП автоматически управляет расстановкой знаков препинания. Так, если несколько последовательных лексем имеют один и тот же отступ (больше нуля), то при выборе пользователем этих лексем программа будет пытаться поставить запятую (если нет другого знака). Если лексема начинается с заглавной буквы и имеет нулевой отступ, то в конце предыдущей фразы программа будет пытаться поставить точку.

Формально алгоритм автоматической расстановки знаков препинания может быть описан следующим образом. В процессе работы ЛП с ЛД автоматически формируется числовой массив M $_{{\rm k}}$ = <b $_{{\rm 1}}$ ,b $_{{\rm 2}}$ ,...,b $_{{\rm k}}$ >. При выборе очередного кортежа W $_{{\rm i}}$ выполняются следующие действия:

Если a $_{{\rm i}}$ = 0, то в конец предыдущего текста ставится точка (если нет других знаков препинания), а затем добавляется выбранная лексема.

Иначе, если a $_{{\rm i}}$ > b $_{{\rm k}}$ , то b $_{{\rm k}{\rm +} {\rm 1}}$ := a $_{{\rm i}}$ , M $_{{\rm k}} \quad \to$ M $_{{\rm k}{\rm +} {\rm 1}}$ и выбранная лексема добавляется в результирующий текст без какого-либо знака препинания;

Иначе, если a $_{{\rm i}}$ = b $_{{\rm j}}$ , где j < k, то M $_{{\rm k}} \quad \to$ M $_{{\rm j}}$ и в конец предыдущего текста ставится запятая (если нет других знаков), а затем добавляется выбранная лексема.

Иначе, если b $_{{\rm j}{\rm -} {\rm 1}}$ < a $_{{\rm i}}$ < b $_{{\rm j}}$ , , то b $_{{\rm j}}$ := a $_{{\rm i}}$ , M $_{{\rm k}} \quad \to$ M $_{{\rm j}}$ и выбранная лексема добавляется в результирующий текст без какого-либо знака препинания.

Семантический процессор

В основе работы семантического процессора (СП) лежит понятие ``семантическая операция''. В общем случае, в качестве семантических операций могут выступать: выборка необходимых данных из БД; занесение данных в БД; логические и арифметические операции с данными. В настоящей работе ограничимся рассмотрением последнего вида семантических операций.

Метаинформация, содержащая описание шаблонов медицинских документов (форм), представляет собой справочник шаблонов, а также набор таблиц специальной структуры, описывающих каждый шаблон в отдельности. Любая запись в такой таблице содержит описание некоторого поля в документе: тип поля, расположение, маску ввода, способ ввода (справочник, лексика, редактируемое, вычисляемое), границы нормы, указатель на ``Расчет'', указатель на вид семантической операции, идентификатор, наименование файла справочника, лексики, семантики. Если в каком-либо поле стоит указатель на ``Расчет'', то запускается выполнение определенной семантической операции. Программная реализация семантических операций разных видов может существенно различаться и постоянно совершенствуется. Один из видов семантических операций реализован с помощью скриптов. Скрипт представляет собой набор текстовых строк на формальном языке, напоминающем Паскаль. Как и Паскаль, язык требует явного описания всех используемых переменных. Выполняет скрипт специализированный интерпретатор. Например, в документе ``Эхокардиография'' расчет параметра ``Частота Сердечных Сокращений'' может выполняться после ввода параметра ``Интервал RR'', с помощью следующего скрипта:

var

hss:real {частота сердечных сокращений}

RR:real {интервал RR}

endvar

hss:=60/RR {расчет переменных}

write(''hss:''hss) {возврат значения}

Для хранения программных скриптов используется отдельный файл (таблица баз данных), который связан с шаблоном документа. Поля таблицы базы данных для хранения скриптов: 1) идентификатор - должен совпадать с идентификатором в шаблоне документа; 2) комментарий - строка, описывающая назначение идентификатора; 3) программный скрипт. При расчете некоторых параметров СП использует такие данные о пациенте как пол, рост, вес, возраст. Эти параметры объявляются как глобальные переменные и передаются СП при необходимости.

Работа СП осуществляется следующим образом. При открытии шаблона документа выполняется проверка наличия файла со скриптами. Если файл найден, то выполняется подключение СП (загрузка dll-библиотеки интерпретатора и файла со скриптами). При вводе данных в шаблон выполняется проверка на наличие идентификатора для текущего поля ввода. Если он есть, то выполняется проверка наличия программного скрипта для этого идентификатора (в файле скриптов). Анализируются переменные, используемые при вычислениях, и при необходимости выполняется передача параметров, ранее введенных в документ. Далее, программный скрипт передается интерпретатору для исполнения. Результат работы интерпретатора возвращается в промежуточный буфер обмена. В буфер помещается идентификатор и его значение. По идентификатору выполняется поиск поля с таким именем в шаблоне документа. При нахождении результат из буфера заносится в поле ввода шаблона. Для отображения данных в поле может использоваться маска ввода, в этом случае выполняется преобразование значения результата для отображения по маске.

Интеллектуальный решатель

Интеллектуальный решатель состоит из двух частей: логического анализатора и собственно решателя [1]. Логический анализатор (LA) можно представить следующим образом:

LA = {S,P,Y},

где S = <s $_{{\rm 1}}$ ,...,s $_{{\rm n}}$ > - словарь элементарных понятий, ФР, симптомов, которые непосредственно фигурируют в документах (D $_{{\rm p}{\rm h}} \quad \subset$ S); Y = <y $_{{\rm 1}}$ ,...,y $_{{\rm m}}$ > - словарь производных понятий, симптомокомплексов, синдромов, заключений; Р - правила образования производных понятий, а также устранения противоречий. Компоненты логического анализатора существенно зависят от решаемой задачи, точнее говоря, от вида УС. Ниже приведены примеры, в которых понятия s $_{{\rm i}}$ и y $_{{\rm j}}$ одновременно ассоциированы с булевыми переменными, принимающими значения 0/1:

P $_{{\rm i}}$ : $y_{1} = s_{3} \cdot s_{7} + (1 - s_{12} ) \cdot s_{37}$ ;

P $_{{\rm j}}$ : $y_{4} = s_{25} \cdot (1 - y_{11} ) + s_{21} \cdot y_{27} + (1 - y_{2} )$ .

Правила P формируются экспертами с обязательным тестированием на АБД. Возможно применение нейронных сетей [6].

Интеллектуальный решатель формально может быть представлен следующим образом:

IS = {LA,S,Y,U,M,БЗ},

где U - множество допустимых управлений (уровней помощи); M - коллекция эвристических и точных методов, позволяющих диагностировать состояние и прогнозировать развитие процессов. В отличие от семантического процессора интеллектуальный решатель не связан с каким-либо одним первичным документом, поэтому он может работать с данными, полученными из разных источников (документов). Схему работы интеллектуального решателя изобразим следующим образом:

$\begin{displaymath} m:S\times Y\times U\times \mbox{БЗ} \to < H_{i} ,U_{j} ,p_{ij} > _{m} , \end{displaymath}$

где m $\in$ _ M; p $_{{\rm i}{\rm j}}$ - вероятности (возможно нечеткие) угрожающих состояний H $_{{\rm i}}$ при управлении U $_{{\rm j}}$ . Таким образом, одна и та же задача решается несколькими способами. Окончательный выбор стратегии и тактики остается за ЛПР с учетом имеющихся критериев и мотивации.

Заключение

На основе предложенного подхода разработан комплекс интеллектуальных модулей, позволяющий создавать масштабируемые медицинские приложения. Комплекс включает в себя: Конструктор предметной области, Лексический процессор, Семантический процессор, Аналитический модуль, Интеллектуальный решатель. Разработаны и внедрены ряд госпитальных информационных систем в Днепропетровской области.

Литература

1

Алпатов А.П., Прокопчук Ю.А., Костра В.В., Пилипченко И.А. Интеллектуальные управляющие информационные системы // Сб. трудов межд. конф. по автоматическому управлению ``Автоматика - 2000''. - Т.6.- Львов: ГосНИИ информационной инфраструктуры, 2000. - С. 20 - 24

2

Прокопчук Ю.А., Овсюк Л.И., Пилипченко И.А. Прогнозирование угрожающих состояний на основе активных баз данных // Вестник ХГПУ ``Системный анализ, управление и информационные технологии'', Вып 72 , 1999.- С. 193 - 198.

3

Прокопчук Ю.А., Алпатов А.П., Огданский Н.Ф., Харченко О.А., Костра В.В. Интеллектуальные модули информационных систем // Сб. трудов межд. конф. ``Искусственный интеллект - 2000'' (п. Кацивели). Донецк: И-т проблем искусств. интел., 2000. - С 315 - 317.

4

Алпатов А.П., Прокопчук Ю.А., Костра В.В. Семантический процессор для медицинских приложений // Сб. Трудов филиала МГТУ им. Н.Э.Баумана в г. Калуге. Специальный выпуск. Материалы межд. Конф. ``Приборостроение - 2000'' (п. Симеиз). Калуга: Изд-во Н.Бочкаревой, 2000. - С. 353 - 357.

5

Костра В.В., Огданский Н.Ф., Прокопчук Ю.А., Харченко О.А. Модель представления факторов риска угрожающих состояний в ограниченном профессиональном языеке // Сб.трудов межд.конф. ``Информационные технологии в науке, образовании, телекоммуникации, бизнесе''. Гурзуф, май 2001г. Запорожье: Зап.Гос.Унив.,2001.-С.79 - 81

6

Прокопчук Ю.А. Применение нейронных сетей для прогнозирования угрожающих состояний // Сборник трудов VII Всероссийской конференции ``Нейрокомпьютеры и их применение'' с междунар. участием. М.:Институт проблем управления им. В.А.Трапезникова РАН, 2001. С.456-457

Ваши комментарии

[Головная страница]
[Конференции]
[СО РАН]

© 2001, Сибирское отделение Российской академии наук, Новосибирск
© 2001, Объединенный институт информатики СО РАН, Новосибирск
© 2001, Институт вычислительных технологий СО РАН, Новосибирск
© 2001, Институт систем информатики СО РАН, Новосибирск
© 2001, Институт математики СО РАН, Новосибирск
© 2001, Институт цитологии и генетики СО РАН, Новосибирск
© 2001, Институт вычислительной математики и математической геофизики СО РАН, Новосибирск
© 2001, Новосибирский государственный университет
Дата последней модификации Tuesday, 11-Sep-2001 15:32:44 NOVST