Информационно - коммуникационные и химические технологии

Том_ 1 № 30 (2026) / 2026-03-30 / Кол. просмотров: 149

АНСАМБЛИРОВАНИЕ АРХИТЕКТУР НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ ДИАБЕТА

Авторы

Восточно-Казахстанский технический университет им. Д. Серикбаева
https://orcid.org/0000-0002-4722-4576
Восточно-Казахстанский технический университет им. Д. Серикбаева
https://orcid.org/0009-0006-9552-0288
ТОО «А-Медикал»
https://orcid.org/0009-0004-4696-7927
Восточно-Казахстанский университет им. С. Аманжолова
https://orcid.org/0000-0003-4218-3469
Восточно-Казахстанский университет им. С. Аманжолова
https://orcid.org/0000-0003-1989-6794

Ключевые слова

ансамблирование нейронных сетей, распределение Дирихле, CNN, RNN, LSTM, прогнозирование диабета

DOI ссылка:

https://doi.org/10.58805/kazutb.v.1.30-1510

Как цитировать

Мукашева , Р.У., и др. «АНСАМБЛИРОВАНИЕ АРХИТЕКТУР НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ ДИАБЕТА». Вестник КазУТБ, т. 1, вып. 30, март 2026 г., doi:10.58805/kazutb.v.1.30-1510.

Аннотация

В статье рассматривается алгоритм ансамблирования нейронных сетей для задач поддержки клинических решений на примере прогнозирования развития диабета. Использование ансамбля моделей, включающего сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN) и сети с долговременной краткосрочной памятью (LSTM), позволяет повысить точность и устойчивость предсказаний по сравнению с применением отдельных архитектур. Для объединения предсказаний применяется метод Dirichlet Ensemble, основанный на распределении Дирихле, что обеспечивает гибкое и адаптивное взвешивание результатов с учётом доверия к каждой модели и неопределённости данных. В ходе экспериментов проведён сравнительный анализ качества моделей, в котором RNN показала лучшие результаты по метрикам точности, отзывчивости и F1-меры. Ансамблевый подход улучшил надёжность и стабильность прогнозов, что критически важно для принятия клинических решений и минимизации ошибок диагностики. Исследование подтверждает актуальность применения ансамблей нейронных сетей и методов вероятностного объединения в медицине, способствуя развитию цифровых систем поддержки принятия решений. Практическая значимость работы заключается в возможности интеграции предложенного алгоритма в реальные медицинские информационные системы для повышения качества диагностики диабета и других хронических заболеваний. Перспективы дальнейших исследований включают расширение архитектур ансамбля и оптимизацию весов с использованием адаптивных методов.