In this scientific publication, we suggest using the system of intellectual analysis of medical and sociological
monitoring’s data using a neural network with a competitive Kohonen layer to automate the process of obtaining knowledge
(metadata) about the state of public health of the target audience. The following specialized tools have been developed to implement
the system: models and a method for presenting detailed and aggregated medical and sociological data in area of primary and
secondary features; the method of neural network classification of respondents based on machine learning of a neural network with
a competitive layer; the procedure for labeling neurons of the Kohonen layer, taking into account the classification decisions
received from the sociologist-analyst (initial markers). At at the first step, a two-dimensional histogram of pairwise coincidences of
neuron numbers and existing initial class markers was constructed, and then it was corrected by lines and by columns in
accordance with the developed rule. The result of the correction is the correspondence matrix of the numbers of neurons of the
Kohonen layer and existing markers of classification decisions. The testing of the developed models and methods is based on a
system of intellectual analysis using real medical-sociological monitoring’s data. The research results show that it is possible to
increase the relative share of correct classification decisions by an average of 20 % and reduce the share of false decisions by 50%
compared with the sociologist-analyst for tasks of intellectual analysis of medical and sociological monitoring’s data. These tasks
were related to determining the working conditions of respondents.
Для автоматизації процесу отримання знань (метаданих) про стан громадського здоров'я цільової
аудиторії запропоновано використовувати систему інтелектуального аналізу даних медико-соціологічного моніторингу з
використанням нейронної мережі з конкуруючим шаром Кохонена. Для реалізації системи розроблені наступні
спеціалізовані засоби: моделі і метод представлення деталізованих і агрегованих медико-соціологічних даних в просторах
первинних і вторинних ознак; метод нейромережевої класифікації респондентів на основі машинного навчання нейронної
мережі з конкуруючим шаром; процедура маркування нейронів шару Кохонена з урахуванням класифікаційних рішень
отриманих від соціолога-аналітика (первинних маркерів). При виконанні процедури маркування на першому кроці
будуватися двовимірна гістограма попарних збігів номерів нейронів і існуючих первинних маркерів класів, далі виконується
її коригування по рядках та по стовбцях відповідно до розробленого правилом. Результатом виконання коригування є
матриця відповідностей номерів нейронів шару Кохонена і існуючих маркерів класифікаційних рішень. Апробація
розроблених моделей і методів проводилася на основі системи інтелектуального аналізу з використанням реальних даних
медико-соціологічного моніторингу. Показано, що вдалося підвищити відносну частку правильних класифікаційних рішень в
середньому на 20 % і знизити на 50 % частку помилкових рішень в порівнянні з соціологом-аналітиком для ряду задач
інтелектуального аналізу даних медико-соціологічного моніторингу пов'язаних з визначенням умов праці респондентів.
Для автоматизации процесса получения знаний (метаданных) о состоянии общественного здоровья
целевой аудитории предложено использовать систему интеллектуального анализа данных медико-социологического
мониторинга с использованием нейронной сети с конкурирующим слоем Кохонена. Для реализации системы разработаны
следующие специализированные средства: модели и метод представления детализированных и агрегированных медикосоциологических данных в пространствах первичных и вторичных признаков; метод нейросетевой классификации
респондентов на основе машинного обучения нейронной сети с конкурирующим слоем; процедура маркировки нейронов слоя
Кохонена с учетом классификационных решений полученных от социолога-аналитика (первоначальных маркеров). При
выполнении процедуры маркировки на первом шаге строиться двумерная гистограмма попарных совпадений номеров
нейронов и существующих первоначальных маркеров классов, далее выполняется ее построчно и постолбцовая
корректировка в соответствии с разработанным правилом. Результатом выполнения корректировки является матрица
соответствий номеров нейронов слоя Кохонена и существующих маркеров классификационных решений. Апробация
разработанных моделей и методов проводилась на основе системы интеллектуального анализа с использованием реальных
данных медико-социологического мониторинга. Показано, что удалось повысить относительную долю
правильныхклассификационных решений в среднем на 20 % и снизить на 50 % долю ложных решений по сравнению с
социологом-аналитиком для ряда задач интеллектуального анализа данных медико-социологического
мониторинга,связанных с определением условий труда респондентов
