Публикации автора

В статье рассматривается актуальная проблема автоматической диагностики сердечно-сосудистых заболеваний на основе анализа электрокардиографических (ЭКГ) сигналов. Основной целью исследования является повышение эффективности диагностического процесса с применением современных методов машинного обучения. В ходе работы проведен комплексный анализ существующих научных исследований в данной области. Особое внимание уделено систематизации наиболее эффективных методов и подходов к обработке ЭКГ и ЭЭГ-сигналов. В результате исследования выявлены перспективные направления применения капсульных нейронных сетей, генеративно-состязательных сетей и вейвлет-преобразования для решения задач диагностики. Отдельное внимание уделено диагностике вибраций оборудования, искажающих сигнал ЭКГ. Практическая значимость работы заключается в представлении современных методов автоматического выявления сердечно-сосудистых заболеваний на основе данных ЭКГ. На основе проведенного анализа сформулированы рекомендации по применению различных методов машинного обучения и определены перспективные направления дальнейших исследований.

Рассматриваются модификации бионической оптимизации методом муравьиных колоний для решения параметрических задач, в частности определения рационального расположения блоков на космическом корабле. Предложены модификации метода, позволяющие производить направленный перебор параметров с целью поиска всех рациональных решений без применения мультистарта. Полный направленный перебор гарантирует нахождение всех оптимальных и рациональных решений, а применение переупорядочивания рассматриваемых решений с помощью модификации метода муравьиных колоний позволяет рассмотреть лучшие решения на ранних этапах. Для практической реализации на кластерной системе в работе рассматриваются асинхронные методы муравьиных колоний, позволяющие обеспечить параллельное рассмотрение решений на многопоточном кластере. Предложена структура программного обеспечения, позволяющая избежать блокировок кластера, тем самым увеличить эффективность использования процессорного времени.