Мілян Н. В. Моделі і методи прийняття рішень при створенні клінічних діагностичних систем

Дисертація присвячена вирішенню актуального наукового завдання розвитку методів класичного, глибокого та наукового машинного навчання в умовах невизначеності з використанням мінімаксного підход. Розглядається кіберфізична модель для біосенсорних систем, що грунтується на математичному описі неперервної динаміки популяцій у поєднанні з динамічною логікою, яка використовується для дискретних подій. Дослідження стійкості грунтується на алгоритмі наукового машинного навчання, що пропонує розв’язування задачі класифікації кіберфічних біосенсорних систем. Алгоритм наукового машинного навчання включає в себе такі етапи: означення класів траєкторій систем, генерування матриці випадкових початкових значень запізнення часу і параметрів швидкості, запуск моделі і класифікація вхідних даних, побудова матриці зв’язків між початковими значеннями, запізненням в часі та між параметрами швидкості, застосування індукції дерева рішень алгоритму C5.0 до взаємозв’язку між початковими значеннями і параметрами швидкості.