Элементы программного обеспечения диалоговой системы распознавания внутреннего строения объектов тема диссертации и автореферата по ВАК РФ 01.01.10, кандидат физико-математических наук Линецкий, Александр Иосифович

• Линецкий, Александр Иосифович
• кандидат физико-математических наук
• 1984

Оглавление диссертации кандидат физико-математических наук Линецкий, Александр Иосифович

ВВЕДЕНИЕ

ГЛАВА I. Модели процесса распознавания и их использование в автоматизации диагностики заболеваний.

§1.1 Классификационные модели

§ 1.2 Обучение классификационных моделей

§ 1.3 Описательный подход.

§ 1.4 Способы представления знаний

§ 1.5 Теория верификации фреймов

§ 1.6 Выводы

ГЛАВА 2. Модель процесса распознавания внутреннего строения объектов

§ 2.1 Принципы построения модели

§ 2.2 Положения и постулаты модели

§ 2.3 Пример использования модели

ГЛАВА 3. [,- 2001: язык описания процессов распознавания внутреннего строения объектов

§ 3.1 Обзор конструкций языка

§ 3.2 Общая характеристика языка.

§ 3.3 Формальное определение языка.

§ 3.4 Примеры простых программ.

ГЛАВА 4. [,- 4001: экспериментальная диалоговая система распознавания внутреннего строения объектов

§ 4.1 Назначение и возможности системы.

§ 4.2 Основные проектные решения

§ 4.3 Структурная организация системы.

§ 4.4 Особенности реализации языкового процессора

Введение диссертации (часть автореферата) на тему «Элементы программного обеспечения диалоговой системы распознавания внутреннего строения объектов»

Методы распознавания объектов, представленных наборами дискретных признаков, занимают видное место в арсенале современной прикладной математики. Эти методы используются в диагностике заболеваний, прогнозировании месторождений полезных ископаемых, оценке рыбопромысловых ситуаций и других областях практической деятельности, основанных на способности специалистов к распознаванию объектов и ситуаций.

Расширить возможности специалистов в этом плане и, тем самым, повысить эффективность работы производственных служб в указанных областях помогает вычислительная техника. Здесь оказываются полезными ЭВМ, снабженные специализированными системами математического обеспечения. Ядром каждой такой системы служит программная реализация одного из упомянутых выше методов распознавания объектов.

Следует подчеркнуть, что любой метод распознавания объектов является неотъемлемой составной частью более крупной формальнологической конструкции - так называемой модели процесса распознавания, воспроизводящей логику рассуждений специалиста с той или иной степенью точности. Существующие модели процесса распознавания можно разбить на две группы. Одну из них составляют общие модели, определенные независимо от какой-либо предметной области и потому с равным успехом приложимые к любой из них, будь то медицина, геологоразведка или рыбный промысел; в другую группу входят предметно-зависимые модели. Все дальнейшее изложение будет сконцентрировано на рассмотрении общих моделей; предметно-зависимые модели будут привлекаться исключительно как иллюстративный матерная.

Согласно литературным данным, в современной прикладной математике параллельно развиваются два подхода к моделированию распознавания, каждый из которых имеет в своей основе оригинальную точку зрения на природу этого интеллектуального процесса.

В первых публикациях по классификационно^ подходу, увидевших свет на рубеже 50-х - 60-х годов, было сформулировано положение о том, что распознавание есть отнесение объекта к одному из заранее очерченных классов объектов. Последующая интенсивная разработка этого положения привела к созданию классических методов распознавания образов.

В середине 70-х годов была выдвинута теория машинного видения, центральная мысль которой сводилась к тому, что распознавание есть построение описания объекта в терминах заранее очерченного набора понятий. С этим представлением связан описательный подход к моделированию процесса распознавания.

Сегодня разработка и исследование моделей процесса распознавания становятся особенно актуальными с точки зрения возможных приложений. В последние годы на отечественном рынке появились дешевые, удобные в эксплуатации и достаточно мощные мини- и микроЭВМ, которые могут быть непосредственно включены в производственный контур параллельно рабочим местам специалистов. При этом на системы математического обеспечения таких ЭВМ ложится дополнительная нагрузка - они должны обеспечить автоматизированное решение задач распознавания в режиме активного диалога со специалистом.

Таким образом, потребности практики предъявляют к существующим моделям процесса распознавания новое требование. А именно -модель, положенная в основу диалоговой системы, должна достаточно точно воспроизводить ход рассуждений специалиста, поскольку в противном случае содержательный диалог между системой и специалистом будет невозможен.

Какие же из существующих моделей процесса распознавания в большей мере отвечают поставленному требованию?

Ответ не вызывает сомнений. Сразу же после появления первых описательных моделей было замечено, что в ряде важных с практической точки зрения случаев они воспроизводят логику рассуждения специалистов существенно лучше, чем классификационные. Тем не менее извлечь из этого обстоятельства практические выгоды долгое время не удавалось.

Дело в том, что распознающие механизмы описательных моделей основывают свою работу на использовании больших совокупностей априорных экспертных сведений. В середине же 70-х годов эффективные способы представления знаний в программных системах, по существу, не были известны. Лишь к началу 80-х годов общий прогресс в разработке математического обеспечения ЭВМ и, в частности, систем представления знаний сделал возможным построение в рамках описательного подхода первых прикладных консультативных систем.

Подтверждением сказанному может служить состояние дел в автоматизации диагностики заболеваний. По сравнению с системами автоматизации диагностики начала 70-х годов современные консультативные диагностические системы выполняют целый ряд дополнительных функций, таких, например, как ведение содержательного диалога с врачом, объяснение принятых системой решений в терминах, доступных врачу, диагностика сопутствующих заболеваний и некоторые другие. Новые возможности консультативных систем делают их весьма привлекательными для широкого внедрения в практику здравоохранения.

Вместе с тем, описательный подход к моделированию процесса распознавания все еще недостаточно проработан в методологическом отношении. Обращает на себя внимание тот факт, что разные авторы вкладывают различное содержание в понятия, используемые в ходе распознавания, предлагая, соответственно, различные способы представления и использования понятий. Описания отдельных моделей носят ярко выраженный неконструктивный характер, что резко затрудняет разработку формального аппарата для представления понятий в рамках модели. Помимо трудностей, обусловленных относительным несовершенством моделей, описательный подход порождает также ряд проблем, связанных с общими вопросами представления знаний в системах математического обеспечения ЭВМ, каковы отсутствие эффективных методик сбора экспертных сведений и относительно слабое технологическое обеспечение процессов накопления и использования экспертных сведений в программных системах.

Таким образом, будущее диалоговых распознающих систем связано с дальнейшим развитием описательного подхода к моделированию процесса распознавания: усовершенствованием отдельных моделей и накоплением необходимого опыта их эксплуатации в ходе систематических вычислительных экспериментов.

В 1980 году на Вычислительном центре Дальневосточного научного центра АН СССР в соответствии с постановлением № 27, принятым на совместной сессии общих собраний АН СССР и АМН Минздрава СССР 20 ноября 1980 года, развернуты работы по созданию научных основ системного математического и программного обеспечения медицинских исследований. Одна из тем работ связана с развитием описательного подхода к моделированию процесса распознавания в плане его использования для построения типовых систем автоматизации диагностики заболеваний на базе серийных ЭВМ. Конечные цели работ по этой теме состоят в построении новой усовершенствованной описательной модели процесса распознавания и ее всестороннем опробовании в ходе вычислительных экспериментов. В частности, были поставлены следующие конкретные задачи:

- изучить существующие общие модели процесса распознавания;

- разработать общую описательную модель процесса распознавания, обладающую свойствами конструктивности и алгоритмической замкнутости;

- разработать формальный аппарат для представления понятий в рамках предложенной модели;

- спроектировать диалоговую систему распознавания для проведения вычислительных экспериментов с предложенной моделью;

- реализовать языковый процессор этой системы.

В данной диссертационной работе приведены основные результаты, полученные автором в ходе решения указанных задач. Материал, излагаемый в работе, скомпонован следующим образом.

В первой главе приводится обзор литературы по моделированию процесса распознавания. Описания моделей иллюстрируются сведениями об использовании этих моделей для автоматизации диагностики заболеваний.

Вторая глава содержит изложение разработанной автором модели распознавания внутреннего строения объектов.-Выразительные возможности модели демонстрируются на примере процесса параллельного синтаксического разбора.

Третья глава посвящена языку описания процессов распознавания, который, по замыслу автора, должен служить формальным аппаратом для представления понятий предметной области и приемов их использования в ходе распознавания. Приводятся общая характеристика, обзор конструкций и формальное определение этого языка, а также примеры простых программ, написанных на этом языке.

В четвертой главе помещены краткие сведения о назначении, архитектуре, возможностях и принципах функционирования диалоговой системы распознавания, а также освещены особенности реализации языкового процессора этой системы, выполненной автором.

Материал технического характера: таблицы формального определения языка, тексты программ и проч. - вынесены в приложение.

Заключение диссертации по теме «Математическое обеспечение вычислительных машин и систем», Линецкий, Александр Иосифович

115 ЗАКЛЮЧЕНИЕ

Приведем краткую сводку результатов работы.

1. Изучено современное состояние дел в моделировании процесса распознавания. Оно характеризуется господством классийикацион-ного подхода, на фоне которого создаются отдельные описательные модели. В ряде важных с практической точки зрения случаев, например, в диагностике заболеваний, описательные модели воспроизводят логику рассуждений специалиста лучше, чем классификационные. Использование описательных моделей порождает ряд трудностей, одна часть которых связана с несовершенством моделей, а другая часть - с общими проблемами представления знаний в системах математического обеспечения ЭВМ. Описательный подход к моделированию процессов распознавания требует дальнейшей разработки в методологическом отношении.

2. Построена описательная модель процесса распознавания, обладающая свойствами конструктивности и алгоритмической замкнутости. Модель состоит из ряда положений и системы постулатов. Положения модели предписывают строить распознающие механизмы как вычислительные среды специального вида, а система постулатов модели очерчивает этот класс вычислительных сред. Приводится ряд утверждений, оценивающих снизу выразительную мощность модели.

3. Разработан язык описания процессов распознавания

- 2001, который может служить формальным аппаратом для представления понятий и приемов их использования в рамках предложенной модели. Язык нагружен эффективно определенной операционной семантикой, что позволяет рассматривать его как средство программирования. Построено формальное определение языка в духе Венского метода определения языков программирования.

4. Сконструирована экспериментальная диалоговая система распознавания L- 4001, в рамках которой осуществлена реализация языка /,- 2001. Помимо языкового процессора система включает танке ряц вспомогательных блоков, обеспечивающих возможность создания, поддержки и модификации распознающих механизмов, а также их эксплуатации в режиме диалога со смешанной инициативой.

Модель процесса распознавания, язык L, - 2001 и диалоговая система распознавания /, - 4001 в комплексе составляют эффективный инструмент для моделирования процессов распознавания внутреннего строения объектов на существующих ЭВМ.

В свете создания такого инструмента представляется целесообразным организация ряда экспертных групп в различных прикладных проблемных областях с целью подготовки проблемного знания и проведения серш вычислительных экспериментов по моделированию процессов распознавания, представляющих практический интерес. Опыт, накопленный в ходе таких экспериментов, может оказаться полезным при построении прикладных диалоговых систем распознавания внутреннего строения объектов.

Список литературы диссертационного исследования кандидат физико-математических наук Линецкий, Александр Иосифович, 1984 год

1. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. - М.: Наука, 1970. -384 с.

2. Александров В.В., Зимнев М.М., Овсянников A.M., Хай Г.А. Диалоговая система медицинской диагностики (материалы по математическому обеспечению). Л.: ЛНЙВЦ АН СССР, 1982. - 62 с.

3. Арсентьева А.В., Зимнев М.М., Овсянников A.M., Хай Г.А. Диалоговая информационно-поисковая система принятия решений в неотложной хирургии органов бршной полости. Л.: ЛНИВЦ АН СССР, 1981. - 47 с.

4. Артоболевский И.И., Вишневский А.А., Быховский М.Л. Автоматическая информационная система отыскания клинического прецедента. Экспериментальная хирургия и анестезиология, 1962, J5 3, с. 3-10.

5. Ахо А., Ульман Дж. Теория синтаксического анализа, перевода и компиляции. T.I. Синтаксический анализ. М.: Мир, 1978. -612 с.

6. Баррон Д. Введение в языки программирования. М.: Мир, 1980. - 189 с.

7. Бенинова Е.А., Минцер О.П. Машинная диагностика основных форм задержки роста. В кн.: Биологическая и медицинская кибернетика. - М.-Л.: Науч. совет по комплексной проблеме "Кибернетика" АН СССР, 1974, ч. 4, с. 58-60.

8. Биологическая и медицинская кибернетика. М.-Л.: Науч. совет по комплексной проблеме "кибернетика" АН СССР, 1974, ч. 4, - 216 с.

9. Бонгард М.М. Проблема узнавания. -М.: Наука, 1967. -320 с.

10. Бохуа Н.К., Геловани В.А., Ковригин О.В., Смольянинов Н.Д. Экспертная система диагностики различных форм артериальной гипертензии. Изв. АН СССР. Техн. кибернетика, 1982, 6, с. 183-190.

11. Быховский М.Л., Вишневский А.А. Кибернетические системы в медицине. М.: Наука, 1971. - 407 с.

12. Быховский М.Л., Лроценко А.А., Рыбченко А.А., Смирных Л.И. Алгоритм распознавания заболеваний, основанный на принципе дополнительного фазового интервала. М.: Науч. совет по комплексной проблеме "Кибернетика" АН СССР, 1978. - 4 с.

13. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974. - 415 с.

14. Гельфанд И.М., Губерман Ш.А., Извекова М.Л. и др. Математическое прогнозирование исходов при геморрагических инсультах с целью установления показаний к их хирургическому лечению.

15. Журнал невропатологии и психиатрии им. Корсакова, 1970, т. 70, № 2, с. I77-181.

16. Гельфанд И.М. Задачи медицинской диагностики. В кн.: Аннотации докладов международной конференции по искусственному интеллекту. - М.: Науч. совет по комплексной проблеме "Кибернетика" АН ССОР, 1977, с. 4-5.

17. Генес B.C. Некоторые простые методы кибернетической обработки данных диагностических и физиологических исследований. -М.: Наука, 1967. 208 с.

18. Глаз А.Б., Римша А.С. Синтез решающего правила в задачах медицинской диагностики. В кн.: Распознавание образов, - Рига: Зинатне, 1975, вып. 2, с. 73-77.

19. Глушков В.М., Цейтлин Г.Е., Ющенко Е.Л. Теория языковых •процессоров и параллельные вычисления. Кибернетика, 1979, I,с. I-I9.

20. Грис Д. Конструирование компиляторов для цифровых вычислительных машин. М.: Мир, 1975. - 544 с.

21. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1978. - 294 с.

22. Гурвиц Т.В., Иовлев Б.В., Тонконогий И.М. Табличные методы в диагностике инсультов и прогнозировании их исходов. Л.: Медицина, 1976. - 200 с.

23. Гурленя A.M., Плотников Ю.В. К вопросу об усовершенствовании логико-вероятностного алгоритма для машинной диагностики. В кн.: Математические методы в психиатрии и неврологии. - Л.:

24. ЛНШИ им. Бехтерева МЗ РСФСР, 1972, с. 34-36.

25. Джемс У. Мышление. В кн.: Хрестоматия по общей психологии /Под ред. Ю.Б.Гиппенрейтер, В.В.Петухова. - М.: Изд-во Моск. ун-та, 1981, с. 11-20.

26. Довнар И.Н. Дифференциальная диагностика инсультов при помощи ЭВМ. В кн.: Математические методы в психиатрии и неврологии. - Л.: ЛНИПИ им. Бехтерева МЗ РСФСР, 1972, с. 36-38.

27. Довнар И.Н., Мисгок Н.Н., Мисюк Н.С. и др. Итоги применения вычислительных методов диагностики для распознавания мозговых инсультов. В кн.: Матер. 1-го съезда невропатологов и психиатров Белоруссии. - Минск, 1974, с. II5-II7.

28. Дуда Р., Харт П. Распознавание образов и анализ сцен. -М.: Мир, 1976. 512 с.

29. Ерохина Л.Г., Кузнецова Л.И., Хвастунов Р.Н. Вычислительные методы в дифференциальной диагностике инсульта. В кн.: Математические методы исследования в неврологии. - М.: 2-й МОЛМИ, 1972, с. 5-34.

30. Ершов А.II. О сущности трансляции. Программирование, 1977, № 5, с. 21-39.

31. Журавлев Ю.И., Никифоров В.В. Алгоритмы распознавания, основанные на вычислении оценок. Кибернетика, 1971, В 3, с. I-II.

32. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации. В кн.: Проблемы кибернетики. -М., 1979, вып. 33, с. 5-68.

33. Загоруйко Н.Г. Методы распознавания и их применение. -М.: Сов. радио, 1972. 208 с.

34. Иноягова Д.Х., Икрамова Х.З. К задачам построения алгоритмов дифференциальной диагностики. В кн.: Вопросы кибернетики. - Ташкент, 1973, вып. 63, с. 98-102.

35. Кендалл М. Дк., Стюарт А. Статистические выводы и связи. М.: Паука, 1973. - 899 с.

36. Клещев А.С., Линецкий А.И., Черняховская М.Ю. Применение методов искусственного интеллекта для автоматической диагностики заболеваний. Владивосток: ИАПУ ДВНЦ АН СССР, 1978. - 33 с.

37. Клещев А. С., Линецкий А.И., Черняховская М.Ю., Шмойс И.М. МЕДИФОР проблемно-ориентированный язык для представления медицинского знания. Операционная семантика. - Владивосток: ИАПУ ДВНЦ АН СССР, 1978. - 40 с.

38. Клещев А.С., Линецкий А.И., Черняховская М.Ю., Шмойс И.М. шЕДЙФОР язык представления медищшского диагностического знания. Декларативная семантика и прагматика. - Владивосток: ИАПУ ДВНЦ АН СССР, 1978. - 33 с.

39. Клещев А.С., Линецкий А.И., Черняховская М.Ю., Шмойс И.М. МЕДИФОР язык представления медицинского диагностического знания. Методология программирования. - Владивосток: ИАПУ ДВНЦ АН СССР, 1978. - 41 с.

40. Клещев А.С. Реляционная модель вычислений. Программирование, 1980, В 4, с. 20-29.

41. Клещев А.С., Черняховская М.Ю. Системы представления проблемно-ориентированных знаний. Изв. АН СССР. Техн. кибернетика, 1982, № 5. с. 43-63.

42. Ковригин О.В., Смольянинов Н.Д., Чмырь А.Я. Экспертные медицинские диагностирующие системы. Изв. АН СССР. Техн. кибернетика, 1982, №5, с. 199-216.

43. Кун Т. Структура научных революций. М.: Прогресс, 1977. - 300 с.

44. Кунин II.Е., Марморштейн С.Я., Вольфсон Е.Б. и др. Применение цифровых вычислительных машин для дифференциальной диагностики центрального рака легкого. Вестник рентгенологии и радиологии, 1967, № 5, с. 9-18.

45. Куприянов Б.В. Параллельный синтаксический анализ, основанный на /,/?М-анализе. В кн.: Вопросы кибернетики. - М., 1978, вып. 43, с. 78-83.

46. Лаврушин А. А. Алгоритмы классификации в задачах медицинской диагностики. В кн.: Вопросы кибернетики. - М., 1975, вып. 25, ч. 2, с. 32-41.

47. Лбов Г.С., Котюков В.И., Манохин А.Н. Об одном алгоритме распознавания в пространстве однородных признаков. В кн.: Вычислительные системы. - Новосибирск: СО АН СССР, 1973, вып. 55, с. I08-II0.

48. Линецкий А.И. Один метод сравнительного анализа алгоритмов классификации с обучением. В кн.: Проблемы представления знаний в системах искусственного интеллекта. - Владивосток, 1978, с. 84-96.

49. Линецкий А.И. Алгоритм построения параллельных синтаксических анализаторов и его реализация. Владивосток: ХабКНИИ ДВНЦ АН СССР, 1980. - 19 с.

50. Линецкий А.И. Алгоритмы диагностики заболеваний в свете общей теории распознавания (аналитический обзор). Владивосток: ХабКНИИ ДВНЦ АН СССР, 1981. - 57 с.

51. Линецкий А.И. Интерактивная система программирования, использующая обмен сообщениями между процессами. В кн.: Интерактивные системы принятия решений в планировании и управлении большим городом. - М.: НПО АСУ "Москва", 1981, с. 227-231.

52. Линецкий А.И. Язык описания процессов распознавания внутреннего строения объектов. Программирование, 1983, J5 3, с. 55-64.

53. Марасанов В.В., Марасанова Т.Ф., Мягкая В.Н. Математические модели дифференциальной диагностики .заболеваний. Кишинев: Штиинца, 1973. - 62 с.

54. Маркович И.В., Маркович З.П. Математическая модель патогенеза труднодифференцируемых болезней. В кн.: Кибернетика и диагностика. - Рига: Зинатне, 1970, вып. 4, с. 21-27.

55. Маркович И.В., Маркович З.П. Формализованный выбор признаков для дифференциальной диагностики. В кн.: Кибернетика и диагностика. - Рига: Зинатне, 1972, вып. 5, с. 37-47.

56. Маркович И.В., Маркович З.П. Проблема поиска информативных признаков в медицинской диагностике. В кн.: Распознавание образов. - Рига: Зинатне, 1975, вып. 2, с. 38-45.

57. Маркотти М., Ледгард X., Бохман Г. Формальные описания языков программирования. В кн.: Семантика языков программирования. -М.: Мир, 1980, с. 9-136.

58. Медицинская информационная система /Под ред. Н.М.Амосова и А.А.Попова. Киев: Наук, думка, 1975. - 507 с.

59. Минский М. Структура для представления знаний. В кн.: Психология машинного зрения /Под ред. П.Уинстона. - М.: Мир, 1978, с. 249-338.

60. Мирзаева Т.Д. 0 диагностическом значении дифференциации информативных симптомов при заболеваниях гипоталамической области с помощью ЭВМ. В кн.: Математические методы в психиатрии и неврологии. - Л.: ЛНИПИ им. Бехтерева МЗ РСФСР, 1972, с. 44.

61. Мисюк Н.С., Лепешинский Н.А., Мастыкин А.С. Элементы автоматизации диагностического процесса в невропатологии. -Минск: Беларусь, 1970. 192 с.

62. Нагорная Л.И., Цейтлин Г.Е., Ющенко Е.Л. Об одном методемногослойного синтаксического анализа для параллельных систем программирования. Кибернетика, 1979, J5 I, с. 90-97.

63. Оллонгрен А. Определение языков программирования интерпретирующими автоматами. М.: Мир, 1977. - 288 с.

64. Попль Г.Е., Майерс Д.Д., Миллер Р.А. Диалоговая модель диагностической логики и ее применение в терапии. Труды 1У Международной конференции по искусственному интеллекту. - М., 1975, т. 10, с. 47-62.

65. Прохоров Ю.В., Розанов Ю.А. Теория вероятностей. М.: Наука, 1973. - 494 с.

66. Распознавание образов и медицинская диагностика /Под ред. Ю.И.Неймарка. М.: Наука, 1972. - 328 с.

67. Растригин Л.А., Фабрикант ГЛ.И., Эренштейн Р.Х. Два локальных подхода к решению задач медицинской диагностики. В кн.: Кибернетика и вычислительная техника. - Рига: Зинатне, 1976, вып. 33, с. 57-62.

68. Растригин Л.А., Эренштейн Р.Х. Метод коллективного распознавания. М.: Энергоиздат, 1981. - 80 с.

69. Рахманинова З.Б., Асланов И.М., Идрисова В.О. Ситуационная диагностическая модель и ее применение в реанимации. В кн.: Вопросы кибернетики. - М., 1980, вып. 68, с. I62-I7I.

70. Самедова М.А. Информационный поиск как задача лингвистического распознавания образов. Программирование, 1981, JS 5,с. 59-67.

71. Семантика языков программирования /Под ред. В.М.Курочкина. ГЛ.: Мир, 1980. - 394 с.

72. Тавровский В.М. О путях математизации и автоматизации в медицинскую практику. В кн.: Математические модели и методы в медицине /Под ред. И.Б.Погожева и В.В.Бессоненко. - Новосибирск: ВЦ СО АН СССР, 1980, с. 73-84.

73. Усов В.В. Применение оптимальной линейной фильтрации для различения заболеваний в вычислительной диагностике. В кн.: Кибернетика в клинической медицине. - Л.: Медицина, 1964, с. 5054.

74. Философский словарь /Под ред. М.М.Розенталя. М.: Политиздат, 1972. - 496 с.

75. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977. - 319 с.

76. Хант Э. Искусственный интеллект. -М.: 1Дир, 1978. -558 с.

77. Шуберт Л.К. Расширение выразительной мощности семантических сетей. Труды 17 Международной конференции по искусственному интеллекту. - М., 1975, т. 2, с. 211-225.

78. Язык программирования АДА. (предварительное описание). -М.: Финансы и статистика, 1981. 200 с.

79. Ben-Bassat М., Carlson R.W., Puri V.K, et al. Pattern-based interactive diagnosis of multiple disorders: the MEDAS system. IEEE Trans, Pattern Anal, & Mach. Intell., 1980, vol.2, No.2, p. 148-160.

80. Bobrow D.G., Raphael B. New programming languages for artificial intelligence research. Comput. Serv., 1974, vol.6, No.3, p. 155-174.

81. Bobrow D.G., Winograd T. An overview of KRL, a knowledge representation language. Stanford, USA: SRI, 1976. 56 p.91* Brinch Nansen P. Distributed processes: a concurrent programming concept. Commun. ACM, 1978, vol.21, No*II, p. 934941.

82. Davis R., King J. An overview of production systems. -In: Machine representation of knowledge. / Eds. Elcock E.W. and Michie D. N.-Y.: Wiley, 1976, 406 p.

83. Davis R., Buchanan B.G., Shortliffe E.H. Production rules as a representation for a knowledge-based consultation program. Artif. Intell., 1977, vol.8, No.I, p. 15-45.

84. De Dombal Р.Т., Horrocks J.C. Computer-aided diagnosis: conclusion from an overall experience involving 4469. In: MEDINFO 74. Amsterdam: North-Holland Publishing Co., 1974, Pt.II, p. 581-585*

85. Engle R.L., Flehinger B.J. HEME2: a long history of4е V»computer-aided hematologic diagnosis. In: Proc. 6 Annu. Symp. Сотр. Appl. Med. Care. N.-Y. e. a., 1982, p. 736-767.

86. Fattu J.M., Patric Е.Д., Sutton W. Thyroid disorders: automatic diagnosis in CONSULT I. Comput. Biol. & Med., 1982, vol.12, No.4, p. 285-293.

87. Fontana G., Costa P.L., Vandelli A. et al. Diagnostic algorithm for pancreatic disease. In: Top acute and chron. pancreatitis. Berlin e. a., 1981, p. 85-91.

88. Fragu P., Patois E., Huber C., Lellouch J. Original approach to the hyperthyroidism diagnosis with computer. In: MEDINFO 74. Amsterdam: North-Holland Publishing Co., 1974, Pfc.II, P. 569-573.

89. Fu K.S. A general (syntactic-semantic) approach to picture analysis. In: Picture engineering. Berlin e. a., 1982,p. 56-74.

90. Gorry G.A., Kassirer J.P., Essig A., Schwartz W.B. Decision analysis as the basis for computer-aided management of acute renal failure. Amer. J. Med., 1973, vol.55» p. 475-484.

91. Gorry G.A., Silverman H., Pauker S.G. Capturing clinical expertise: a computer program that considers clinical responses to digitalis. Amer. J. Med., 1978, vol.64, p. 452-460.

92. Hewitt G. A universal modular ACTOR formalism in artifirdcial intelligence. In: 5 Int. Joint Conf. Artif. Intell. Stanford e. a., 1975, p. 235-245.

93. Hewitt G. Viewing control structures as patterns of passing messages. Artif. Intell., 1977, vol.8, N0.3, p. 323-364,

94. Hoare C.A.R., Wirth N. An axiomatic definition of programming language PASCAL. Acta Inf., 1973, vol.2, No.4, p. 335355.

95. Hoare C.A.R. Communicating sequential processes. -Commun. AGM, 1978, vol.21, N0.8, p. 666-677.

96. Lampson B.W., Horning J.J., London R.L. et al. Report on the programming language EUCLID. SIGPLAN Notic., 1977, vol. 12, No.2, p. 1-77.117* Lauesen S. Debugging techniques. Software: Pract. & Exp., 1979, vol.9, No.I, p. 51-63.

97. Liskow В., Atkinson R., Bloom T. et al. CLU reference manual. Cambridge, USA: MIT, 1979. 166 p.119» Lucas P. On the formalisation of programming languages: early history and main approaches. Lect. Notes Сотр. Sci., 1978, vol. 61, p. 1-23.

98. Martin IV.A. Descriptions and specializations of concepts. Cambridge, USA: MIT, 1978. 37 p.

99. Mize C.E., Lively W.M., Szygenda S.A. Modelling technique for medical diagnosis. I. Heuristics and learning programs in selected neonatal hepatit disease. Comput. & Biomed. Res., 1973, vol.6, p. 393-398.

100. Mize C.E., Lively W.M., Szygenda S.A. Modelling technique for medical diagnosis. II. Differential diagnosis of neonatal hepatits and biliary atresia. Comput. & Biomed. Hes., 1976, vol.9, No.3, p. 239-247.

101. Myers J.D., Pople H.E. INTERNIST: a consultative diagstnostic program in internal medicine. In: I Annu. Symp. Сотр. Appl. Med. Care. N.-Y., USA: IEEE, 1977, p. 52.

102. Nielsen M., Plotkin G., Winskel G. Petri nets, event structures and domain. Lect. Notes Comp, Sci., 1979, vol.70, p. 266-286.

103. Norusis M.J., Jacquez J.A. Diagnosis I. Symptom independence in mathematical models for diagnosis. Comput. & Bio-med. Res., 1975, vol.8, p. 156-172,

104. Norusis M.J., Jacquez J.A. Diagnosis II. Diagnostic models based on attribute clusters: a proposal and comparison. -Comput. & Biomed. Res., 1975, vol.8, p. 175-188.

105. Nygaard K., Dahl 0. The development of the SIMULA languages. SIGPLAN Notic., 1978, vol.15, No.8, p. 245-272.

106. Okada M., Maruyama N., Kanda T. et al. Medical data base system with an ability of automated diagnosis. Comput. Programs Biomed., 1977, vol.7, p. 165-170.

107. Olsen J.S. Teaching the computer to make decisions -a method. In: MEDINFO 74. Amsterdam: North-Holland Publishing Co., 1974, Pt.II, p. 565-567.

108. Raeside D.E. Bayesian statistics: a guided tour. -Med. Phys., 1976, vol.5, No.I, p. I-II.

109. Robinson J.A. A machine-oriented logic based on the resolution principle. J. ACM, 1965, vol.12, No.I, p. 25-41.

110. Rubin A.D. Hypothesis formation and evaluation in medical diagnosis. Cambridge, USA: MIT, 1975* 200 p.

111. Rubin A.D., Risley J.P. The PROPHET system: an experiment in providing a computer resourse to scientists. In: MEDIN-FO 77. Amsterdam: North-Holland Publishing Co., 1977, p. 77-81.

112. Schwartz W.B«, Gorry G.A., Kassirer J,P., Essig A. Decision analysis and clinical judgment. Amer» J. Med., 1973, vol.55, P. 459-472.

113. Shoch J.P. An overview of the programming language. Smalltalk-72. SIGPLAN Notic., 1979, vol.14, No.9, p. 64-73.

114. Shortliffe E.H., Axline S.G., Buchanan B.G. et al. An artificial intelligence program to advice physicians regardingantimicrobial therapy. Comput. & Biomed. Res., 1975» vol.6, No.6, p. 5^4-560,

115. Shortliffe E.H., Davis R., Axline S.G. et al. Computer-based consultations in clinical therapeutics: explanation and rule acquisition capabilities of the MICIN system. Comput. & Biomed. Res., 1975, vol.8, No.4, p. 505-520.

116. Shortliffe E.H., Buchanan B.G., Feigenbaum E.A. Knowledge engineering for medical decision-making: a review of computer-based clinical decision aids» Stanford, USA: Stanford University, 1У79. 48 p.

117. Smith B.G. A proposal for a computational model of anatomical and physiological reasoning. Cambridge, USA: MIT, I978# 112 p.

118. Starmer C.F., Lee K.L. A mathematical approach to medical decisions: application of Bayes1 rule to a mixture of con-tinious and discrete clinical variables. Comput. & Biomed» Res», vol.9, N0.6, p. 551-545.

119. Swartout W.R. A digitalis therapy advisor with explanation. Cambridge, USA: MIT, 1977. 78 p.

120. Szolovits P. Artificial intelligence and clinical problem solving. Cambridge, USA: MIT, 1979. 116 p.

121. Tennent R.D. The denotational semantics of programming languages. Commun. ACM, 1976, vol.19, N0.8, p. 457-455.

122. Tsotsos J., Baecker R., Covvey H.D. et al. An interactive knowledge-based systems approach to the cardiac image description and analysis. In: Computer in Cardiology. N.-Y., USA: IEEE, 1977, p. 577-584.

123. Walker G.F., Kowalski C.J. Computer-aided diagnosis of craniofacial abnormalities. In: MEDINFO 74. Amsterdam: North-Holland Publishing Co., 1974, Pt.II, p. 555-557.

124. Wardle A., Wardle L. Computer-aided diagnosis: a review of research. Methods Info. Med., vol.77» P« 15-28.

125. Weiss S.M., Kulikowski C.A., Amarel S., Safir A. A model-based method for computer-aided medical decision-making. -Artif. Intell., 1978, vol.11, No.2, p. 145-172.

126. Weiss S.M., Kulikowski C.A. EXPERT: a system for developing consultational model. New Brunswik, USA: Rutger University, 1979. 25 p.

127. Weshler H. A fuzzy approach to medical diagnosis. -Int. J. Bio-med. Comput., 1976, vol.7, No.5, p. 191-205.

128. Wiener P. A system for computer simulation of clinical reasoning. Comput. Programs Biomed., 1974, vol.4, No.2, p. 5974.

129. Wiener P. Computer simulation of the diagnostic process in medicine. Comput. & Biomed. Res., 1975, vol.8, p. 129142.