Самообучение диагностических машин
Одним из важных свойств кибернетических систем является их способность к самообучению. В процессе самообучения возникает новая информация, которая связана с целенаправленным поиском наиболее оптимального режима работы.
Самообучающая кибернетическая система при соответствующем выборе критериев оптимизации способна сама изменить свои алгоритмы в направлении более быстрого достижения поставленной цели.
Диагностическая машина также может быть использована для улучшения диагностических алгоритмов.
Свойство самообучения позволяет автоматически накапливать опыт машинной обработки и оценки данных, учитывать диагностические ошибки. При неправильном диагнозе машина вносит в свою память коррективы, которые касаются порогов значений отдельных показателей или их вероятностей, сочетаний отклонений и т. п. Программа самообучения строится таким образом, чтобы свести к минимуму число ошибочных диагнозов.
Процесс самообучения может проходить на основе архивного материала и в результате работы по диагностике путем непосредственного ввода данных от человека. Алгоритм самообучения может быть основан на серии пробных постановок диагноза с различными коэффициентами, придаваемыми каждому признаку.
Коэффициент — это вес признака. Наиболее удачный набор коэффициентов будет обнаружен по совпадению машинного диагноза с клиническим.
Успешность процесса самообучения зависит от числа проанализированных случаев.
По существу машина с огромной быстротой изменяет свои мнения с каждым из признаков болезни, вводимых в нее, и окончательным мнением признает то, которое совпадает с известным решением.
Быстрота процесса самообучения у машин несравненно выше, чем быстрота обучения человека. Поэтому целесообразно как можно раньше начать накопление материалов для машинной обработки с последующим самообучением.
Удачные алгоритмы для распознавания различных болезней путем самообучения машин уже разработаны многими авторами.