Методика распознавания состояния артерий глаза

• Опубліковано в: : Математичні машини і системи
• Дата: 2011
• Автори: Федоров, Е.Е., Слесорайтите, И.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем математичних машин і систем НАН України 2011
• Теми: Нові інформаційні і телекомунікаційні технології
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/83630
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Методика распознавания состояния артерий глаза / Е.Е. Федоров, И. Слесорайтите // Мат. машини і системи. — 2011. — № 4. — С. 84-91. — Бібліогр.: 12 назв. — рос.

В статье была предложена методика распознавания состояния артерий глаза, которая основана на модели давления потока крови через артерию глазного анализатора, и нейросетевой модели прогноза состояния артерий глаза, настраиваемой посредством генетического алгоритма. Для создания второй модели выполнялось формирование вектора признаков; формирование эталонов; синтез структуры нейросети и ее математической модели; адаптация значений признаков эталонов и структуры нейросети посредством генетического алгоритма. Для предложенной методики приводятся результаты численного исследования. У статті була запропонована методика розпізнавання стану артерій ока, заснована на моделі тиску потоку крові через артерію очного аналізатора, і нейромережевої моделі прогнозу стану артерій ока, що налагоджується за допомогою генетичного алгоритму. Для створення другої моделі виконувалося формування вектора ознак; формування еталонів; синтез структури нейромережі та математичної моделі; адаптація значень ознак еталонів і структури нейромережі за допомогою генетичного алгоритму. Для запропонованої методики наводяться результати чисельного дослідження. The method of recognition of a state of arteries of an eye which is based on the pressure stream blood model through the eye analyzer artery and neural network forecasting model of a state of arteries of an eye adjusted by means of genetic algorithm has been offered in the article. For creation of the second model formation of a vector of features was carried out; patterns formation; synthesis of a neural network structure and the mathematical model; adaptation of patterns values features and structure of a neural network by means of genetic algorithm. For the offered method the results of numerical research are given.