Главная Случайная страница


Полезное:

Как сделать разговор полезным и приятным Как сделать объемную звезду своими руками Как сделать то, что делать не хочется? Как сделать погремушку Как сделать так чтобы женщины сами знакомились с вами Как сделать идею коммерческой Как сделать хорошую растяжку ног? Как сделать наш разум здоровым? Как сделать, чтобы люди обманывали меньше Вопрос 4. Как сделать так, чтобы вас уважали и ценили? Как сделать лучше себе и другим людям Как сделать свидание интересным?


Категории:

АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника






Нейронные сети





Идея нейронных сетей в статистике разрабатывается не первое десятилетие. Как и любой другой статистический продукт, нейронные сети имеют свои ограничения. Их нецелесообразно использовать там, где достаточно односложные ответы можно получить, применяя дисперсионный, регрессионный, кластерный или факторный анализы, не говоря уже о первичной обработке данных – описательных приемах. Но в ситуациях, когда надо разгрести «завал» данных, получение осмысленного результата из которого проблематично, - тут-то нейронные сети и могут облегчить участь исследователя.

Основная идея нейронных сетей в том, что они механически повторяют структуру действительного нейрона (нервной клетки) мозга человека: эта клеточная структура имеет несколько отростков – входные - дендриты (их может быть несколько) и один выходной – аксон. Нейрон начинает передавать информацию через синапсы (узлы связи) другим нейронам только в случае, когда возбужден, или иначе, переполнен, информацией. Дозируя информацию, можно регулировать активность нейрона.

И на этом фоне удивительной чертой нейронных сетей является их способность к обучению, чего начисто лишены основные методы статистического анализа. В данном варианте реализуется действительная структура человеческого мозга: во-первых, принимать решение, опираясь на функцию памяти о прошлом опыте; во-вторых, действовать по ассоциации, используя обрывочные сведения о предмете анализа.

Систем обучения нейронных сетей достаточно много: У. Маккалоха, Д. Хебба, М. Минского, Дж. Хопфилда…

1. Откроем пакет, войдем в модуль Нейронные сети.

2. Через (Файл новый) выберем команду (Сеть).

3. На экране появится (Создать сеть)- (Create Network).

4. В поле (Тип) выбираем (Многослойный персептрон) и делаем установки: Вход=1, Выход=1.

5. Зададим число слоев сети равное трем, т.е. выбираем трехслойный персептрон.

6. Временное окно(Steps) пометим «12», это будет отвечать ежемесячной регистрации заболеваемости дизентерией с присущей сезонной составляющей.

7. Горизонт (Lookahead) пометим «1».

8. На экране монитора справа появится схема персептрона. Поскольку модель определена, необходимо сеть обучить. Для этого надо задать 66 обучающих (Training) и контрольных (Verification) наблюдений.

9. Далее перемешиваем данные (Shuffle), поскольку мы анализируем временный ряд, а порядок данных очень важен в соответствии с временными промежутками, то исключается использование кнопкой Сгруппировать (Group Sets).

10. Откроем командой Запуск окно Проекция временного ряда(Time Series Projection). Ряд можно построить целиком или с какого-то интересующего нас момента. Графически кривая идет достаточно круто вверх, число прогнозируемых случаев не имеет тенденции к снижению, колеблясь в пределах 1000,0 – 1020,0 на 10000 населения.

11. Проверим качество работы обученной сети, открыв окно Статистики регрессии, включим Запуск(Run).

12. Для того, чтобы получить прогноз на один шаг вперед в меню Запуск(Run) выберем команду (Single Case), откроется соответствующее диалоговое окно, где надо ввести номер наблюдения, для которого строится прогноз, жмем вверху справа кнопку (Run), в строке Output получим искомый результат прогноза. Введя для примера 13, получим прогнозируемый уровень 1011,231. Оценивая значимость входов, определим, что из четырех выбранных факторов ведущими (по величине объясненной дисперсии) является детская заболеваемость: 0,567 и оперативная эффективность: 0,451. Точность прогноза на среднем уровнен, что объясняется малым объемом обучающей выборки, и тем, что велика вероятность, что процесс по годам нестационарен.

 

3. Цель деятельности студентов на занятии:

Студент должен знать:

1. Почему специалисту-медику необходимы навыки проведения статистических исследований в своей работе.

2. Основную структуру пакета Statistica 6.0 6.0.

3. Процесс ввода данных в таблицу Spreadsheet, сохранение файлов и открытие существующих.

 

Студент должен уметь:

1. Владеть базовыми средствами для создания, редактирования, форматирования таблиц в пакете Statistica 6.0 6.0. В необходимой мере владеть навыком по осуществлению статистической обработки данных с применением современных программно-технических средств, в частности, с помощью возможностей данного пакета.

2. Эффективно использовать пакет Statistica 6.0 6.0. для более глубокого статистического исследования, с показателями корреляции, регрессии и описательной статистики.

3. Проводить анализ временных рядов с использованием пакета Statistica 6.0.(нейронные сети).

4.

4. Содержание обучения:

1. Основные понятия и определения

2. Создание электронной таблицы.

3. Подготовка таблицы к вводу данных, заголовок таблицы и имена переменных.

4. Ввод данных в электронную таблицу.

5. Сохранение файла данных.

6. Нейронные сети.

 

5. Перечень вопросов для проверки исходного уровня знаний:

1. Что такое статистическая гипотеза?

2. Роль компьютера в медико-биологической статистике.

3. Методы проверки статистических гипотез.

4. Какую структуру имеет пакет Statistica 6.0?

5. Особенности пакета Statistica 6.0.

6. Как вводятся данные в таблицу пакета Statistica 6.0?

7. Как происходит статобработка данных?

 

6. Перечень вопросов для проверки конечного уровня знаний:

1. Как создать свой личный файл в пакете Statistica 6.0?

2. Для чего служит стартовое окно пакета?

3. Какую структуру имеет пакет Statistica 6.0?

4. Особенности пакета Statistica 6.0.

5. Как вводятся данные в таблицу пакета Statistica 6.0? Понятие Нейронные сети.

6. Понятие персептрона.

7. Построение временного ряда.

 

7. Практическая часть:

Задание №1. Получены исходные данные числа положительных находок кишечной палочки в смывах с инвентаря и посуды столовых двух полевых станов «А» «В»:

№ А В № А В № А В
1 24 35 3 35 24 5 33 22 2 43 34 4 19 20 6 26 28

Введем эти исходные данные в матрицу данных пакета в отдельные столбцы. Переменные в этом случае получают ремарку типа var1… var3 и т.д.

Мы можем изменять названия по ходу обработки данных.

Для задания характеристик переменной надо, подведя курсор к ее названию, дважды щелкнуть левой кнопкой мыши. Открыть диалоговое окно и выполнить следующие действия:

1.Введем имя переменной (оно не должно содержать более 8 символов!) и лучше присваивать переменным англоязычные имена: Stan1, Stan2.

2.Зададим тип данных, кнопкой Type(Тип данных):

· Numeric(числовой) –для него важно иметь Width(Общая длина), или количество десятичных знаков после запятой;

· String(Текстовый) – для него задается только общая длина;

· Date(Тип даты) – с конкретным форматом результата.

Так как наши данные числовые (двузначные числа), мы задаем для них числовой тип с длиной «два» и «нулевым» количеством знаков после запятой.

3.Вводим Labels (Метки) – они отражают комментарии, поясняющие смысл переменной. Для переменной Stan1 введем метку «Полевой стан 1», а для переменной Stan2 – «Полевой стан 2». Метки будут «всплывать» как подсказки, стоит только подвести курсор к названию переменной и секунду подождать.

Теперь вводим данные в таблицу с клавиатуры, а затем сохраняем файл.

Задание №2. Дан динамический ряд числа заболеваний дизентерией за год. Предварительно была сформирована помесячная таблица анализируемых реальных данных, она была сохранена на диске в конкретной папке. И выделены из 11 входящих четыре основные: 1) детская заболеваемость дизентерией, 2) число порывов на водоводной сети, 3) качество профилактической работы персонала в очагах, 4) оперативная эффективность. Необходимо получить прогноз динамики заболеваемости и определить, какой из четырех отобранных факторов является ведущим.

 

месяц Заболеваемость детей дизентерией на 1000 чел. Число порывов водоводной сети, абс. Качество проф.работы в очагах, баллы Оперативная эффективность, % Число случаев дизентерии(в расчете на 10000 чел.)
1. 20,1       300,1
2. 31,1       423,1
3. 41,1       321,4
4. 43,1       444,4
5. 50,1       600,9
6. 53,1       789,9
7. 55,1       988,8
8. 60,1       1012,1
9. 60,1       1112,4
10. 66,6       1123,3
11. 67,1       1109,8
12. 67,8       899,2

 

8. Хронокарта учебного занятия:

1.Организационный момент – 5 мин.

2.Текущий контроль знаний – 30 мин.

3.Разбор темы – 20 мин.

4.Практическая работа – 30 мин.

5.Подведение итогов занятия – 10 мин.

9. Самостоятельная работа студентов.

Изучить основные понятия математической статистики. Овладеть основными принципами работы в программе Statistica 6.0 6.0. Ихучить использование многомерных статистических методов в статистической обработке медицинских данных.

 

10. Перечень учебной литературы к занятию:

1. Кобринский Б.А., Зарубина Т.В.

«Медицинская информатика», М., Издательский дом «Академия», 2009.

2. Жижин К.С. «Медицинская статистика», Высшее образование, 2007.

3. Лекция по данной теме.

 

Date: 2015-09-25; view: 349; Нарушение авторских прав; Помощь в написании работы --> СЮДА...



mydocx.ru - 2015-2024 year. (0.007 sec.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав - Пожаловаться на публикацию