-0.59
|
0.00
|
0.27
|
0.00
|
-0.75
|
-2.02
|
-1.30
|
Именно
эти признаки предложено использовать в качестве аргументов моделей для
косвенной оценки химического состава и прогнозирования механических
характеристик литейного чугуна.
Структурная
и параметрическая идентификация таких моделей проводилось на основе
использования двух выборок термограмм (обучающей и контрольной) с известными
значениями технологических параметров. Построенные таким образом модели для
условий Купянского литейного завода имели вид:
где
-
среднеквадратическое отклонение модельных и точных значений соответствующего
параметра для наблюдений контрольной выборки.
Аналогичная
схема была положена в основу синтеза других ИТ обработки сигналов, в частности, медицинских ИТ для диагностики заболеваний человека по кривым биохемилюминисценсии
(БХЛ), электрокардиограмме (ЭКГ) и магнитокардиограмме (МКГ).
В
отличие от принятого в кардиологической практике амплитудно-временного анализа
был предложен новый подход к обработке ЭКГ [13-16], основанный на ее
представлении в фазовом пространстве координат. Применение этого подхода для
обработки ЭКГ в 12 стандартных отведениях позволило обнаружить новые
диагностические признаки для распознавания больных ревматоидным артритом с
неизмененными параметрами ЭКГ согласно традиционным представлениям [17].
Одна
из задач исследований, проводимых в рамках международного контракта № 01 KX
96115/1 с германской фирмой L.U.M. GmbH (г. Берлин), была направлена на
изучение взаимосвязи параметров ЭКГ (во временной области и в фазовом
пространстве) с параметрами крови, отражающими активность воспалительного
процесса. Для изучения этих зависимостей был привлечен комбинаторный алгоритм
МГУА [3]. В качестве потенциальных регрессоров использовались 33 показателя
результатов анализа венозной крови испытуемых - развернутый общий анализ, коагулограмма, печеночные пробы и ревмопробы (таблица 3).
Таблица
3. Потенциальные регрессоры