Реализация медицинских рисков приводит к возникновению нежелательных событий, которые характеризуются нанесением вреда здоровью пациентов, неэффективным использованием человеческих и экономических ресурсов, экономическим ущербом организации здравоохранения. В рамках системного подхода к анализу риска, медицинский риск связан с неопределенностью, которая описывается значительным влиянием человеческого фактора в медицинской системе. Стоит задача оценки медицинских рисков и построения систем поддержки принятия решения на различных этапах работы с пациентом. В статье рассмотрено современное состояние применения аппарата байесовских сетей доверия для оценки медицинского риска и поддержки принятия решений в медицинской диагностике и прогностике, в частности, в контексте риск-менеджмента медицинских организации и оценке страховых рисков.
В статье предлагается порождающая графическая вероятностная модель со скрытыми состояниями на основе нелинейных главных многообразий, заданных в виде сетки узлов, для решения задачи классификации временных последовательностей. В качестве метода аппроксимации обучающих данных сеткой узлов использован алгоритм самоорганизующихся карт Кохонена. Модель представлена в виде фактор-графа с описанием применяемых фактор-функций. Разработан метод обучения и вероятностного вывода на предлагаемой модели. Проведена оценка качества классификации предлагаемой модели в сравнении с существующими моделями (HMM, HCRF) на различных наборах данных из репозитория UCI, в том числе проведена сравнительная оценка при малом количестве обучающих данных.
Реализация экономических рисков приводит к возникновению нежелательных событий, которые характеризуются возможностью нанесения экономического ущерба предприятию. Стоит задача оценки различных типов экономических рисков, ассоциированных с деятельностью предприятия, и построения систем поддержки принятия решения как на уровне предприятия в целом, так и в различных областях функционирования предприятия. В статье представлено современное состояние применения аппарата байесовских сетей доверия для оценки экономического риска и поддержки принятия решений в условиях неопределенности в контексте риск-менеджмента предприятия. Выделены дисциплины управления операционными рисками и рисками проектов.
Методы оценки схожести музыкальных произведений позволяют реализовать полностью автоматическую рекомендательную систему для музыки, ориентированную на содержание (наподобие Pandora, но без ручного труда экспертов-музыковедов). В статье предлагается новый метод оценки схожести гармонии композиций на основе оригинальной графической вероятностной модели. Модель включает в себя информацию об аккорде и ладе для некоторого момента времени звучания композиции; мы вводим скрытую переменную, стиль, от которой зависит вероятность использования определенного аккорда в контексте определенного лада, и предлагаем сравнивать композиции как векторы-параметры распределений для стилей. По аналогии с некоторыми методами извлечения аккордов рассматриваемая модель не включает ни ритмическую информацию, ни зависимости между соседними аккордами. Описывается реализация модели в системе Infer.NET и осуществляется проверка модели на искусственных данных. Результат работы на реальных данных отрицателен, что свидетельствует о том, что простые модели не подходят для задачи оценки схожести.
В работе рассматривается задача сегментации масс-спектрометрических изображений, полученных методом MALDI. Предлагается подход, основанный на применении графических моделей (модели LDA и марковских сетей) для решения задачи. Рассматриваются несколько модификаций подхода и проводится сравнение с известными решениями; выделяются преимущества предлагаемого подхода.
1 - 5 из 5 результатов