Miękkie algorytmy obliczeniowe w zastosowaniu do komputerowo wspomaganej diagnostyki medycznej cd.

3. BADANIA EKSPERYMENTALNE

3.1. WYNIKI

Dane uczące są głównym elementem, na którym opieramy cały eksperyment. Do celów badawczych należało napisać program ekspercki oparty na algorytmie przedstawionym w rozdziale 2., który ocenia skuteczność proponowanego rozwiązania. Przyjęto następujące wartości parametrów charakteryzujących algorytm genetyczny:
wielkość populacji początkowej (size of population) = 300 chromosomów
prawdopodobieństwo krzyżowania (probability of crossing) pk = 0,25
prawdopodobieństwo mutacji (probability of mutation) pm = 0,01

Na rysunku 2. został przedstawiony wykres wartości średnich i maksymalnych funkcji dopasowania w pierwszych 200 krokach algorytmu genetycznego. Jeżeli popatrzymy starannie na przebieg wykresu maksymalnej wartości funkcji dopasowania f możemy odkryć, że największa wartość została osiągnięta w 92 iteracji algorytmu genetycznego i wyniosła 590. Oznacza to, że system ekspercki podjął 590 poprawnych diagnoz na 768 możliwych (skuteczność algorytmu wyniosła 76,82%). Ponadto można przypuszczać, iż otrzymana wartość stanowi względnie dobre rozwiązanie problemu ze względu na specyfikę zbioru uczącego, w którym występują dane sprzeczne.

3.2. UWAGI KOŃCOWE

Przeprowadzone badania eksperymentalne wykazały, że łącząc ze sobą systemy rozmyte oraz algorytmy genetyczne, możemy stworzyć narzędzie doskonale radzące sobie z problemem rozpoznawania cukrzycy typu II i zapewne innych chorób. Proponowany algorytm jest narzędziem uniwersalnym i może być wykorzystany w zastosowaniu do innych baz danych (zbiorów uczących).

Stworzony system ekspercki naśladuje naturę i korzysta z podstawowych mechanizmów rządzących systemami biologicznymi, a z drugiej strony przejawia cechy sztucznej inteligencji np. poprzez zdolność do uogólniania nabytej wiedzy.

Autor: Małgorzata FORTUNA

LITERATURA

[1] Goldberg D. E., Algorytmy genetyczne i ich zastosowania, Wydawnictwo Naukowo-Techniczne, War-szawa 1998
[2] Michalewicz Z., Algorytmy genetyczne+struktury danych=programy ewolucyjne, Wydawnictwo Naukowo-Techniczne, Warszawa 1996
[3] Zajdel R., Kącki E., Szczepaniak S., Kurzyński M., Kompendium informatyki medycznej, Ośrodek Wydawniczy „Augustana”, Bielsko-Biała 2003