'

ГИБРИДНАЯ ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ДИАГНОСТИКИ И КОРРЕКЦИИ ОРГАНИЗАЦИОННОГО СТРЕССА

Понравилась презентация – покажи это...





Слайд 0

ГИБРИДНАЯ ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ДИАГНОСТИКИ И КОРРЕКЦИИ ОРГАНИЗАЦИОННОГО СТРЕССА А.Е. Янковская1, Н.А. Корнетов2, С.В. Китлер1 1Томский государственный архитектурно-строительный университет Россия, Томск, 634003, пл. Соляная, 2 e-mail: ayyankov@gmail.com, yank@tsuab.ru, kitsv@sibmail.com 2Сибирский государственный медицинский университет Россия, Томск, 620050 , Московский тр., 2 e-mail: korn@mail.tomsknet.ru Работа выполнена при поддержке РГНФ (проект № 10-06-64604) и РФФИ (проект № 10-01-00462)


Слайд 1

2 Содержание Введение Представление данных и знаний Иллюстративный пример Выявление закономерностей в данных и знаниях Иллюстративный пример Основы построения ГИС Заключение


Слайд 2

3 При исследовании возможных факторов стресса на работе и их влияний на здоровье требуется анализ большого количества данных, выявление различного рода закономерностей в данных и знаниях, оптимизация базы данных и знаний, поддержка принятия диагностических решений. Актуальность применения для этих целей интеллектуальных систем не вызывает сомнения. Организационный Стресс (ОС) – неблагоприятные физиологические и эмоциональные и поведенческие реакции, возникающие, когда требования работы не соответствуют способностям, ресурсам и потребностям работающих. ОС приводит к переутомлению, перегрузкам, снижению работоспособности, продуктивности труда, делает взаимное общение не эффективным, уничтожает его творческий потенциал и, в конечном счете, приводит к самым разнообразным заболеваниям. Введение (1/2)


Слайд 3

4 Цель: создание гибридной интеллектуальной системы (ГИС) диагностики и коррекции организационного стресса, основанной на сочетании двух подходов представления данных и знаний: матричного и критериального, позволяющих оптимизировать принимаемые решения. Разработка ГИС начата с использованием опыта по созданию интеллектуальной системы ДИАКОР-КС для диагностики и коррекции состояний коммуникативного стресса, сконструированной на основе интеллектуального инструментального средства ИМСЛОГ и с использованием принципов клинической психологии и терминологии МКБ-10. Введение (2/2)


Слайд 4

5 Содержание Введение Представление данных и знаний Иллюстративный пример Выявление закономерностей в данных и знаниях Иллюстративный пример Основы построения ГИС Заключение


Слайд 5

6 В ГИС предлагается использовать два разных подхода к представлению данных и знаний: Матричный, где используются целочисленная матрица описаний объектов в пространстве характеристических признаков и целочисленная матрица различений трех типов, задающих разбиение объектов на классы эквивалентности; Критериальный, где используются критерии диагностики и коррекции организационного стресса, сформулированные с участием клинического психолога и когнитолога на основе биопсихосоциальной модели расстройств и с учетом имеющихся литературных данных. Представление данных и знаний (1/3)


Слайд 6

7 Матрица описаний (Q) – матрица, задающая описание обучающих объектов в пространстве характеристических признаков. Матрица различений (R) – матрица, задающая разбиение объектов на классы эквивалентности по каждому механизму классификации. Образ – подмножество объектов базы знаний с совпадающими значениями классификационных признаков. Каждому образу сопоставлен номер. R' – одностолбцовая матрица, элементами которой являются номера образов. Представление данных и знаний (2/3)


Слайд 7

8 Диагностический тест (ДТ) – совокупность признаков, различающих объекты из разных образов. Безызбыточный ДТ содержит безызбыточное количество признаков. Безызбыточный безусловный диагностический тест (ББДТ) характеризуется одновременным предъявлением всех входящих в него признаков исследуемого объекта при принятии решений. Смешанные диагностические тесты (СДТ) представляют собой оптимальное сочетание безусловных и условных составляющих. Представление данных и знаний (3/3)


Слайд 8

9 Содержание Введение Представление данных и знаний Иллюстративный пример Выявление закономерностей в данных и знаниях Иллюстративный пример Основы построения ГИС Заключение


Слайд 9

10 Иллюстративный пример (1/2) Q = U = U' = R = R' = T = A1 = D1 = Q1= 1 2 3 4 5 6 7 8 9 10 11 12 13 r1 r2 1 5 9 11 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 1 0 1 0 1 1 0 0 2 1 2 2 2 2 0 0 1 2 1 1 1 1 0 – 0 0 0 1 1 0 0 3 1 2 3 2 3 0 0 1 3 1 0 1 0 0 1 0 0 0 0 1 0 0 4 1 2 4 2 4 0 0 1 4 1 0 1 1 0 1 1 0 1 0 1 1 0 5 1 3 5 3 5 0 1 1 5 1 – 1 1 0 1 1 1 1 1 0 1 0 6 2 3 6 4 6 0 1 0 6 1 0 0 0 1 0 1 1 1 1 0 – 0 7 2 4 7 5 7 1 1 0 7 1 1 0 0 1 0 1 1 0 0 1 0 1 8 2 - 8 6 8 1 0 1 8 1 2 3 4 5 6 7 8 9 10 11 12 13 1 2 3 4 5 6 7 8 9 10 11 12 13 0 0 0 0 1 0 0 0 0 0 1 0 0 + 0 0 0 0 1 0 0 0 1 0 1 0 0 1 0 0 1 1 0 1 0 0 1 1 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 2 0 0 0 0 1 1 1 0 0 1 0 0 0 - 0 0 0 0 1 1 1 0 0 0 1 0 0 3 0 0 1 0 1 0 1 1 0 1 0 0 0 - 0 0 1 0 1 0 1 0 0 0 1 0 0 4 0 0 1 0 1 1 0 1 0 0 0 0 0 - 0 0 0 1 1 0 1 0 0 0 1 0 0 5 0 0 0 0 1 0 1 0 1 0 0 1 0 - 0 0 0 0 1 0 1 0 0 1 1 0 0 6 0 0 0 0 1 0 0 0 0 0 0 0 0 + 0 1 1 1 0 1 0 0 0 0 1 0 0 - 0 0 0 0 0 0 1 0 1 0 0 1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 0 0 0 0 1 0 1 0 1 0 1 0 0 - 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 1 1 1 1 0 0 0 0 0 0 0 - 0 0 1 1 0 1 0 0 0 1 0 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 1 2 3 4 5 6 7 8 9 10 11 12 13 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 0 1 1 0 0 1 0 0 0 q9 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 0 1 1 0 0 1 0 0 0 q12 0 0 1 1 0 1 0 0 1 1 0 1 0 0 0 0 0 0 0 1 0 1 0 0 1 0


Слайд 10

11 q1 - константный признак q13 - неинформативный признак q8 - несущественный признак q6, q7, q10 - признаки зависимые от q9, q12 q11 - устойчивый признак на r11 q7, q8 - устойчивые признаки на r21 q5, q7, q9, q11, q12 - устойчивые признаки на r22 q3 - q7, q9, q12 - устойчивые признаки на r32 q9, q12 - альтернативные признаки q3, q4, q6, q10 - альтернативные признаки (q5, q11), q9 - оптимальный смешанный тест (q5, q11), q12 - оптимальный смешанный тест (q5, q11), q6, q7 - смешанный тест (q5, q11), q3, q7 - смешанный тест (q5, q11), q4, q7 - смешанный тест (q5, q11), q7, q10 - смешанный тест q5, q11 - обязательные признаки (безусловные компоненты смешанных диагностических тестов) Иллюстративный пример (2/2)


Слайд 11

12 Содержание Введение Представление данных и знаний Иллюстративный пример Выявление закономерностей в данных и знаниях Иллюстративный пример Основы построения ГИС Заключение


Слайд 12

13 Под закономерностями в знаниях будем понимать подмножества признаков с определенными легко интерпретируемыми свойствами, влияющими на различимость объектов из разных образов, устойчиво наблюдаемыми для объектов из обучающей выборки и проявляющимися на других объектах той же природы, а также весовые коэффициенты признаков, характеризующие их индивидуальный вклад в различимость объектов из разных образов. Выявление закономерностей в данных и знаниях (1/5)


Слайд 13

14 константные признаки; устойчивые признаки; неинформативные признаки; альтернативные признаки; зависимые признаки (1 и 2 типа); обязательные признаки; псевдообязательные признаки; несущественные признаки; сигнальные признаки (1 и 2 рода) минимальные безусловные диагностические тесты (МБДТ); ББДТ; отказоустойчивые ББДТ; СДТ; весовые коэффициенты признаков. Выявление закономерностей в данных и знаниях (2/5) Закономерности:


Слайд 14

15 Зависимые признаки 1 типа (логически): Признак a зависит от признака b, если и только если признак а различает те же самые пары объектов, что и признак b, но признак b различает и другие пары объектов. Зависимые признаки 2 типа (статистически): Признаки a и b являются зависимыми, если имеется хотя бы одна пара объектов из различных образов, различимые этими признаками. Выявление закономерностей в данных и знаниях (3/5)


Слайд 15

16 Сигнальные признаки 1 рода: Минимальные подмножества характеристических признаков, различающие объекты, принадлежащие к 2-м разным образам. Сигнальные признаки 2 рода: Минимальные подмножества характеристических признаков, различающие описание исследуемого объекта, принадлежащего одному образу от описания объектов, принадлежащих другому образу. Выявление закономерностей в данных и знаниях (4/5)


Слайд 16

17 Рис. 1. Сжатое описание двух образов Рис.2. Исследуемый объект и сжатое описание 2-го образа Подмножество сигнальных признаков 1-го рода {1} включает 1-й признак (столбец 1), а подмножества сигнальных признаков 2-го рода включают следующие подмножества признаков {1}, {5}. Следует отметить, что при нерепрезентативности обучающей выборки признаки 3,4 могут указывать на возможность перехода исследуемого объекта в анализируемый образ. Выявление закономерностей в данных и знаниях (5/5)


Слайд 17

18 Содержание Введение Представление данных и знаний Иллюстративный пример Выявление закономерностей в данных и знаниях Иллюстративный пример Основы построения ГИС Заключение


Слайд 18

19 Постановка задачи: По заданным матрицам Q и R построить ББДТ устойчивые к 1-й ошибке измерения значения каждого из признаков: z3, z4, z6, z7, z9, z10, z11. Иллюстративный пример (1/3)


Слайд 19

20 Иллюстративный пример (2/3) Q = U' = R = R' = T = Q1= 1 2 3 4 5 6 7 8 9 10 11 12 13 r1 r2 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 0 0 0 1 0 1 0 1 1 0 0 2 1 2 2 2 2 1 1 1 1 0 – 0 0 0 1 1 0 0 3 1 2 3 2 3 1 0 1 0 0 1 0 0 0 0 1 0 0 4 1 2 4 2 4 1 0 1 1 0 1 1 0 1 0 1 1 0 5 1 3 5 3 5 1 – 1 1 0 1 1 1 1 1 0 1 0 6 2 3 6 4 6 1 0 0 0 1 0 1 1 1 1 0 – 0 7 2 4 7 5 7 1 1 0 0 1 0 1 1 0 0 1 0 1 8 2 - 8 6 8 1 2 3 4 5 6 7 8 9 10 11 12 13 1 2 3 4 5 6 7 8 9 10 11 12 13 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 1 0 1 0 1 1 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 1 0 1 1 0 2 0 0 1 1 0 1 0 0 1 1 0 1 0 0 0 0 0 1 1 1 0 1 0 1 1 0 3 0 0 0 0 0 0 1 0 1 0 0 1 0 0 0 0 0 1 0 1 0 1 1 1 1 0 4 3 5 7 9 11 12 4 5 7 9 11 12 5 6 7 9 11 12 5 7 9 10 11 12 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 1 0 0 0 0 1 1 0 1 0 0 0 1 0 1 0 0 0 1 0 0 – 0 0 1 0 0 0 0 1 1 0 1 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 1 0 0 0 0 0 1 0 1 0 1 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 0 1 1 1 0 1 1 0 1 1 0 1 1 0 1 0 1 1 1 0 1 0 1 1 1 0 1 0 1 1 1 0 – 0 1 1 1 0 – 1 0 1 1 0 – 1 1 1 1 0 – 0 1 1 0 1 1 0 1 1 0 1 1 1 0 1 0 1 1 1 1 0 0 1 1 Q2= Q3= Q4=


Слайд 20

21 q1 - константный признак q13 - неинформативный признак q8 - несущественный признак q6, q7, q10 - признаки зависимые от q9, q12 q11 - устойчивый признак на r11 q7, q8 - устойчивые признаки на r21 q5, q7, q9, q11, q12 - устойчивые признаки на r22 q3 - q7, q9, q12 - устойчивые признаки на r32 q9, q12 - альтернативные признаки q3, q4, q6, q10 - альтернативные признаки (q5, q11), q3 , q7, q9, q12 - отказоустойчивый смешанный тест (q5, q11), q4 , q7, q9, q12 - отказоустойчивый смешанный тест (q5, q11), q6 , q7, q9, q12 - отказоустойчивый смешанный тест (q5, q11), q7 , q9, q10, q12 - отказоустойчивый смешанный тест q5, q11 - обязательные признаки (безусловные компоненты смешанных диагностических тестов) Иллюстративный пример (3/3)


Слайд 21

22 Содержание Введение Представление данных и знаний Иллюстративный пример Выявление закономерностей в данных и знаниях Иллюстративный пример Основы построения ГИС Заключение


Слайд 22

23 Основы построения ГИС (1/5) Построение ГИС-ДКОС базируется: на опыте построения ИС ДИАКОР-КС, сконструированной на основе ИИС ИМСЛОГ, предназначенной для выявления различного рода закономерностей, включая построение безызбыточных безусловных и смешанных диагностических тестов, принятия и обоснования принятия диагностических, классификационных и организационно-управленческих решений и основанной на матричном способе представления данных и знаний; на логико-комбинаторных, логико-комбинаторно-вероятностных методах тестового распознавания образов и средствах когнитивной графики.


Слайд 23

24 Основы построения ГИС (2/5) База данных и знаний строится с использованием: целочисленных матриц Q и R; правил при критериальном представлении знаний. Значения признаков при формировании критериев представляются в интервальном виде. В случае обнаружения противоречий при выявлении закономерностей в знаниях по каждому из подходов, корректировка знаний осуществляется клиническим психологом. Принятие итоговых решений на основе двух подходов предлагается осуществлять путем объединения правил принятия решений по обоим подходам.


Слайд 24

25 Основы построения ГИС (3/5) С построением матрицы импликаций Алгоритмы поиска столбцовых покрытий матрицы импликаций МБДТ ББДТ СДТ Алгоритмы построения деревьев СДТ Построение диагностических тестов


Слайд 25

26 Основы построения ГИС (4/5) Логико-комбинаторный подход МБДТ ББДТ СДТ Коэффициенты условной степени близости объекта к образам Итоговое решение Процедуры голосования Описание объекта Допустимая погрешность принятия решения Принятие решений


Слайд 26

27 Основы построения ГИС (5/5)


Слайд 27

28 Содержание Введение Представление данных и знаний Иллюстративный пример Выявление закономерностей в данных и знаниях Иллюстративный пример Основы построения ГИС Заключение


Слайд 28

29 Заключение (1/3) ГИС-ДКОС позволит сократить погрешности, связанные с перекодировкой признаков сократить размерность признакового пространства выявить закономерности в данных и знаниях принимать оптимальные диагностические, организационно-управленческие решения


Слайд 29

30 Заключение (2/3) ГИС-ДКОС позволит осуществлять раннюю диагностику осуществлять целенаправленные лечебные вмешательства при организационном стрессе (на уровне индивида, группы) осуществлять профилактические мероприятия (на уровне организации) учитывать большое количество разнотипных характеристических признаков при биопсихосоциальном подходе к пониманию здоровья человека, нелинейность взаимосвязей, наличие пропусков, погрешностей измерения переменных (признаков)


Слайд 30

31 Заключение (3/3) В настоящее время: проведено анкетирование студентов и преподавателей по 4-м ВУЗам г. Томска; выявлены закономерности, включая диагностические тесты; построены правила принятия диагностических решений; сформированы критерии принятия диагностических решений.


Слайд 31

32 СПАСИБО ЗА ВНИМАНИЕ ! А.Е. Янковская1, Н.А. Корнетов2, С.В. Китлер1 1Томский государственный архитектурно-строительный университет Россия, Томск, 634003, пл. Соляная, 2 e-mail: ayyankov@gmail.com, yank@tsuab.ru, kitsv@sibmail.com 2Сибирский государственный медицинский университет Россия, Томск, 620050 , Московский тр., 2 e-mail: korn@mail.tomsknet.ru Пожалуйста, вопросы.


×

HTML:





Ссылка: