Please use this identifier to cite or link to this item: http://earchive.tpu.ru/handle/11683/60998
Title: Методы оценки и прогноз функционального состояния развивающихся систем
Authors: Борисова, Алена Александровна
metadata.dc.contributor.advisor: Гергет, Ольга Михайловна
Keywords: машинное обучение; рандомный лес; интегральная оценка состояний биосистем; дисперсионный анализ; сахарный диабет; machine learning; random forest; integral estimation of bio-systems state; analysis of variance; diabetes
Issue Date: 2020
Citation: Борисова А. А. Методы оценки и прогноз функционального состояния развивающихся систем : бакалаврская работа / А. А. Борисова ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ) ; науч. рук. О. М. Гергет. — Томск, 2020.
Abstract: Объектом исследования являются информационные процессы, протекающие в организме человека, у которого диагностирован сахарный диабет. Цель работы: исследование методов оценки функционального состояния пациентов с сахарным диабетом, прогноз развития диабетических осложнений и когнитивных дисфункций. В ходе исследования был проведен анализ методов оценки и прогнозирования функционального пациента, больного сахарным диабетом; проведен дисперсионный анализ наличия когнитивных дисфункций и осложнений, также с целью поиска зависимостей экспериментальных данных. Реализован метод машинного обучения Случайный лес для классификации и прогнозирования типа сахарного диабета и наличия осложнений, также с целью определения информативности признаков при решении задачи классификации.
The object of the study is the information processes that occur in the human body of a patient with diabetes. Objective: to study methods for assessing the functional state of patients with diabetes mellitus, a prognosis of the development of diabetic complications and cognitive dysfunctions. The analysis of methods for assessing and predicting a functional patient; analysis of the presence of cognitive dysfunctions and complications was carried out, also with the aim of finding the dependences of experimental data. A random forest machine learning method has been implemented for classifying and predicting the type of diabetes mellitus and the presence of complications, also with the aim of determining the information content of signs in solving the classification problem.
URI: http://earchive.tpu.ru/handle/11683/60998
Appears in Collections:Выпускные квалификационные работы (ВКР)

Files in This Item:
File Description SizeFormat 
TPU928997.pdf1,85 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.