Метод мета-навчання для аналізу коротких наборів медичних даних

Abstract

Бакалаврська кваліфікаційна робота виконана студентом групи КН-412 Саланчієм Тарасом Олеговичем. Тема “Метод мета-навчання для аналізу коротких наборів медичних даних”. Робота направлена на здобуття ступеня бакалавра за спеціальністю 122 «Комп’ютерні науки». Метою даного дослідження є підвищення точності розв’язання задач апроксимації у випадку коротких наборів біомедичних даних. Об’єктом дослідження є процеси апроксимації коротких наборів біомедичних даних. Предметом дослідження є методи прогнозування на основі мета-навчання для аналізу біомедичних даних. Досягнення мети відбувається завдяки розширенню вхідних даних виходами нейронної мережі узагальненої регресії. Подальша обробка розширеного набору даних відбувається із використанням методів машинного навчання із вчителем. Апробацію роботи розробленого методу мета-навчання здійснено на основі реального набору біомедичних даних для розв’язання задачі передбачення. У результаті виконання дипломної роботи було розроблено нейронну мережу та інформаційну систему для процесу мета-навчання, система приймає датасет чисел, як ввід і повертає результати передбачень друком в консоль. Дана система може використовуватися на практиці для передбачення результатів діагнозів у випадках, коли немає достатньої кількості вхідних даних. The bachelor's qualification work was completed by a student of the KN-412 group Salanchii Taras Olehovych.The topic is "Meta-learning of method for analysis of short sets of medical data". The work is aimed at obtaining a bachelor's degree in 122 "Computer Science". This hesis aims to improve the accuracy of solving approximation problems in the case of short sets of biomedical data. The object of the study is the process of approximation of short sets of biomedical data. The subject of the research is prediction methods based on meta-learning for the analysis of biomedical data.