СЕРГЕЙ КОРНИЛОВ
Разработка ветеринарной программно-аппаратной системы on/off line режимов мониторинга и контроля состояния здоровья животных в молочном животноводстве.
Направление, к которому относится проект
Биотехнологии в сельском хозяйстве и промышленности
Краткое резюме с указанием имеющихся наработок и основных целей развития проекта
На базе разработанного и апробированного информационно-статистического метода анализа
вариабельности сердечного ритма для оценки функционального состояния системы регуляции
физиологических функций животного молочного направления планируется разработать
оригинальное математическое обеспечение для применения в мониторинге функционального состояния животных молочного направления с целью повышения эффективности хозяйственной деятельности молочных ферм
Описание проблемы
Население земного шара, как известно, возрастает с достаточно быстрыми темпами и
актуальность обеспечения питанием населения и особенно качественным питанием является
одним из вызовов современности. Молоко и молочные продукты занимают особую роль
в рационе питания человека. Это касается как здоровых, так и больных людей. Поэтому
растет значимость задачи повышения качества производимой молочной продукции наряду с
наращиванием объемов производства молока.
Климатические изменения и аномальные природные явления резко обостряют ситуацию с
продовольствием в современном мире. Проблема обеспечения расширенного производства
в молочном животноводстве актуальна для многих стран с развитым сельским хозяйством.
Увеличение количества белков и углеводов в рационах коровы нарушает кислотно-щелочной
баланс и становится причиной болезней обмена веществ, среди которых наихудшие
последствия вызывает лактатный ацидоз, обусловливающий потерю репродуктивной функции и преждевременную выбраковку поголовья.
Для достижения качества продукции и эффективности работы животноводческого комплекса
отмечаются следующие основные проблемы:
1. Проблема контроля за ухудшением физико-биологического состояния животных и
своевременного выявления заболевающих животных.
2. Большие трудозатраты при осуществлении диагностики функционального состояния каждого
животного в классическом варианте.
3. Высокая стоимость и сложность, а также обеспечения достаточной достоверности
осуществления мониторинга на животноводческом предприятии.
4. Проблема цифровой трансформации, анализа и прогноза данных молочного производства
и, как следствие, эффективного управления на базе современных математических методов
обработки данных, в том числе раскладки в численно временные ряды, создание математической модели предприятия для принятия эффективных и своевременных управленческих решений.
Инновационностью подхода применяемого метода является оригинальный алгоритм анализа
состояния и прогнозирования дальнейшего состояния.
Применение данной методики предполагается с помощью оригинального программного
продукта, который может быть использован в интеграции с любым существующим на рынке
детекторным цифровым медицинским оборудованием.
Инновационность подхода
Нами предлагается решение этой проблемы на стыке биологических наук и современной
кибернетики. Для реализации концепции предлагается теория управления, основой которой
служат новые математические модели динамики и диагностики состояния здоровья животного.
Мы рассматриваем предприятие молочного производства как сложный много факторный
процесс. Для отслеживания тенденций и изменений в сложной системе мы применяем
математику, основанную на сочетании фрактального анализа, искусственного интеллекта,
нейронных сетей, основываясь на анализе нелинейной динамики с помощью распределения
Дирихле.
Основой является теория лауреата Нобелевской премии И.Р. Пригожина Теория
диссипативных структур, доработанная выдающимся российским ученым Ю.С. Середой,
создателем универсального математического алгоритма анализа и прогноза сложных систем,
процессов и их тенденций и изменений.
Наш метод является методом обработки вариабельности сердечного ритма (ВСР) на основе
разработанного нами алгоритма/метода, который запатентован в США, и компьютерной
программы, которая запатентована в России и США.
Наш метод позволяет производить персональную оценку состояния организма и интегрального
показателя – коэффициента самоорганизации - живучести с возможностью высококачественного прогнозирования, включая точность и совпадение трендов и тенденций.
Основные технологические и рыночные тренды в рассматриваемой отрасли
По оценкам аналитической организации Future Market Insights, к концу 2016 года мировой
рынок интеллектуальных сельскохозяйственных решений оценивался примерно в 10 млрд. долл. США.
По сравнению с 2015 годом он вырос на 5%. Ожидается, что к 2026 году рынок сможет
достигнуть отметки, близкой к 40 млрд. долл. США. Среднегодовой темп роста в ближайшие
годы будет составлять 11,2%. Переход к умному сельскому хозяйству происходит медленно, но
верно.
Компания HUAWEI в 2015 году оценила мировой рынок интеллектуального сельского
хозяйства в 13,7 млрд. долл. США, и предположила, что к 2020 году он достигнет 26,8 млрд.
долл. США со среднегодовым темпом роста – 14,3%. Данное исследование включало рынки
сельскохозяйственных роботов, точного земледелия, умных сенсорных датчиков, AIoT-платформ/приложений и Big Data.
Автоматизированные системы управления молочными фермами. В животноводстве технологии
GPS/ГЛОНАСС и RFID (Радио Частотная Идентификация) помогают решать комплекс задач, начиная от учета поголовья скота, контроля его перемещения и всех текущих показателей, до вакцинации и оптимизации селекционной работы.
ПРОБЛЕМА И РЕШЕНИЕ
Сокращаются трудозатраты, ликвидируется возможность ошибок, вызванных человеческим фактором, даже в крупных сельских хозяйствах, упрощается выявление положительной и отрицательной наследственности.
По данным Министерства сельского хозяйства Россия занимает 15 место в мире по уровню
цифровизации сельского хозяйства, а рынок информационно-компьютерных технологий в
отрасли оценивается в 360 млрд. рублей.
По данным консалтингового агентства Transparency Market Research рынок носимых устройств для животных вырастет до $2,5 млрд.
По данным TMR сегодня рынок носимых устройств для животных оценивается приблизительно
в $1 млрд., к 2024 году эта цифра должна вырасти до $2,5 млрд. Основными направлениями
роста станут: одежда с датчиками оценки здоровья животного, умные ошейники и средства
определения местоположения питомца.
Сегодня на данном рынке преобладают гаджеты, ориентированные на определение
местоположения животного, в ближайшее время, по мнению аналитиков, сегмент устройств,
отслеживающих здоровье, продемонстрирует внушительный рост.
Самое интересное, что основным драйвером роста выступит сегмент сельскохозяйственных
животных. Заводчики и фермеры при помощи современных технологий получат возможности
значительно более качественно анализировать состояние своего скота. Основными драйверами роста выступят Северная Америка и Европа, то есть страны с высоким качеством проникновения интернета.
В конце 2016 года вице-премьер Аркадий Дворкович дал поручение Минсельхозу, Минпромторгу и Минкомсвязи составить план внедрения в агропромышленный комплекс технологий «интернета вещей».
В середине 2017 года Фонд развития интернет-инициатив (ФРИИ) разработал «дорожную карту», в которой детально расписан план внедрения инновационных технологий в
отечественный агропромышленный сектор до 2019-го. Предполагается, что уже в следующем году порядка 30% российских фермерских хозяйств будут активно использовать хотя бы некоторые технологии «интернета вещей».
Общепринятым стал тот факт, что управление чем бы то ни было с помощью современных
технологий становится все проще. Очевидно, что упрощение затронет и оптимизацию работы
фермы: уже сейчас многие параметры можно отслеживать с помощью программ вроде 1С, а также единой электронной базы «Меркурий», которую правительство пытается внедрить уже несколько лет, обязывая все животноводческие хозяйства вносить данные о здоровье животных.
ТЕХНОЛОГИЯ
Принятые терминологии и аббревиатуры:
давление, и др. И, казалось бы, для него все «в порядке», но можно не увидеть - восстановился организм животного или нет, и насколько, болеет ли животное. Как раз такую возможность этого анализа и дает данный проект. Сначала мы рассчитываем в процентном выражении адаптационный ресурс текущий и прогнозируемый (насколько по времени просканировали
- на такое же время прогнозируем вперед). Затем, мы умеем практически мгновенно
рассчитывать предельный персонализированный ресурс системы и, зная скорости процессов, мы рассчитываем в секундах когда у животного будет 0 (ноль) адаптационного ресурса, параллельно мы рассчитываем математическую тенденцию роста или падения ресурса, при повторном сканировании (например, через 5 минут после первого сканирования) включается «красная кнопка», и система говорит, что с животным не все в порядке.
В нашем же методе мы:
* сразу получаем результат для каждого животного, в том числе, в режиме он-лайн;
* не только в условиях фермы, но и в полевых условиях (на пастбищах);
* в том числе в движении,
* и сразу после 5-ти минутного сканирования.
В целом, в системном плане главное отличие нашего метода анализа и прогнозирования
состояний сложных систем и тенденций процессов от других (например, тех, которые применяют AlproWinDeLaval, биотехническая система управления животноводческим предприятием Afimilk и Delaval Westfalia Landtechn ik Fullwood Afifarm S .A.) в том, что мы умеем «быстро» (после минимального набора статданных - 24 численно временных значений изменений параметров конкретного процесса или их ряда, начиная с четвертого расчетного цикла, то есть 28 значений) высокоточно рассчитывать предельные состояния сложных систем разной природы, затем, отслеживая скорость изменений процессов при внешних и внутренних нагрузках, можем рассчитывать остаточные ресурсы, и когда система окажется в критическом состоянии (в научных терминах это называется точкой тепловой смерти на фазовой поверхности пространства), при этом рассчитывая математическую тенденцию падения или увеличения ресурса - живучести системы, на какой период времени мы можем «заглянуть назад», на такой же период времени мы можем «заглянуть вперед».
Как известно, подавляющее большинство систем (естественных, таких, например, как сердечная ткань) в силу их сложности, не могут быть смоделированы или описаны при помощи каких-либо адекватных методов с достаточной точностью. Традиционные методы это позволяют сделать только после длительного набора статистических данных (в том числе экспериментальных), соответственно, с большими затратами для получения максимально возможной размерности численно временных рядов для формализации систем дифференциальных уравнений, которые только «после упрощения» можно решать на суперкомпьютерах.
Иными словами, наблюдаемая величина - это временной ряд. Измеряя те или иные потенциалы, мы получим последовательность значений наблюдаемой величины. Например, для сердечной ткани в качестве наблюдаемой величины может выступить ЭКГ или её производная - последовательность RR-интервалов (мгновенные пульсовые изменения, которые сегодня мы сканируем с дискретностью 1 кГц).
Если такую наблюдаемую величину определенным образом обработать (фрактальным анализом и/или «моделью Дирихле»), то возможно восстановить многие свойства системы и получить исчерпывающее представление о её поведении и произвести оценку будущего значения временного ряда. Следовательно, на основе одних лишь наблюдений
за системой можно спрогнозировать её поведение в будущем.
Более того, при прогнозировании не делается различий между природой системы, так как анализируются количественно численно выраженные безразмерно изменения событий.
В отличие от других исследователей мы владеем наследием Середы Ю.С., в том числе
описанным частично в своих опубликованных трудах, в том числе «Проблемы теории анализа и прогнозирования».
Добавив алгоритмику «Теории диссипативных структур» нобелевского лауреата господина
И.Р. Пригожина, «Термодинамической концепции информации» Клода Шеннона, фрактального
анализа (один из центральных нелинейных методов, который широко применяется в мире,
например, классической технологии планирования экспериментов (для вычисления наиболее
значимых параметров, влияющих на состояния сложной системы, их вклада и рейтингов,
это линейный метод, разработанный в Нижегородском университете Лобачевского) и работ
нескольких других учёных с мировым именем (Карл Пирсон и др.), мы разработали
алгоритм, который запрограммировали в виде расчетного модуля в серверном сетевом
многопользовательском варианте (применяли для оценки состояния организма человека, а также состояния коров при отработке нового питательного средства «ФУРОР» (Приложение №1))
В Патенте US 20150141859A1, от 21.05.2015, Системы В Патенте US 20150141859A1, от 21.05.2015, Системы и методы анализа вариабельности сердечного ритма (см русскоязычную версии прилагается), в котором на страницах 18/21 и 19/21 и сформулирован вывод: абзац 0132 «Таким образом, вероятность правильного деления пациентов на «здоровые» / «больные» группы на основании данных видеомагнитофона с использованием параметров априорных арт составляет 56,3%, в то время как при использовании данного изобретения параметры информационной энтропии бетта-распределения составляет 77,6%.
Соответственно, методология настоящего изобретения значительно улучшилась в сравнении с
традиционными методологиями.
В рамках подготовки данного патента на страницах 9/21-18/21 указаны результаты клинических
исследований с применением технологии авторов заявки были выявлены пациенты с диагнозом «дисциркуляторная энцефалопатия» и пациенты с диагнозом «апоплексическим приступ» и пациенты с инсультом.
Согласно исследованиям, американских ученых (http://medspecial.ru/for_doctors/3/27194/)
внезапной остановке сердца предшествует ряд симптомов. Наша технология позволяет отследить это на ранней стадии путем объединения этих симптомов, в том числе иных, не
сердечных заболеваний в виде коэффициента самоорганизации, что и показано в патенте (us
2015/0141859A1), чего нет у аналогов.
Мы продолжаем работать над двумя режимами нашей базовой технологии.
1 – online режим до ветеринара для животного а. 2 - offline для ветеринарного врача. В эти режимы входят и все традиционные методы обработки ЭКГ и ритмограмм. Также мы работаем над такими приложениями как формирование отчетов без участия ветеринара (математические отчеты) на базе Android и Windows и другими.
Наша команда на постоянной основе мониторит компании, разработчиков алгоритмов и
программ по анализу и прогнозированию и состоянию сложных систем разной природы с их
заказчиками (https://cloud.mail.ru/public/Kjoz/rMrMfdbFZ).
Разрабатывая технологию, мы опираемся на труды Середы Ю.С.:
1. Середа Ю.С., Основы диагностики и прогнозирования, Нижний Новгород, 2005
2. Середа Ю.С., Проблемы информационно-статистической теории, и свои исследования, Нижний Новгород, 2007
3. Основы информационно-статистического анализа текстов, Нижний Новгород, 2009. В этой книге заложена алгоритмическая платформа российской технологии искусственного интеллекта в противовес популярной зарубежной предиктивной аналитики. В создании данной книги приняла участие компания ООО «ОКБ Инфотранс» в виде финансирования и участие в совместной работе по созданию книги (ООО ОКБ Инфотранс входит в группу компаний Инфотранс, как и ЗАО СКБ Инфотранс).
4. ООО ОКБ Инфотранс. Описание технологии «Анализ и классификация вариабельности
сердечного ритма человека». Данное описание является know how ООО ОКБ Инфотранс.
В Патенте № US 20150141859A1, от 21.05.2015, на страницах 4/21-9/21 подробно описана базовая технология, начиная с области и предыстории изобретения, и кончая сущностью изобретения с подробным его описание.
Приведены результаты обработки данных клинических исследований. https://www.youtube.com/watch?v=AKSSZ29_at8&feature=youtu.be__
Биотехнологии в сельском хозяйстве и промышленности
Краткое резюме с указанием имеющихся наработок и основных целей развития проекта
На базе разработанного и апробированного информационно-статистического метода анализа
вариабельности сердечного ритма для оценки функционального состояния системы регуляции
физиологических функций животного молочного направления планируется разработать
оригинальное математическое обеспечение для применения в мониторинге функционального состояния животных молочного направления с целью повышения эффективности хозяйственной деятельности молочных ферм
Описание проблемы
Население земного шара, как известно, возрастает с достаточно быстрыми темпами и
актуальность обеспечения питанием населения и особенно качественным питанием является
одним из вызовов современности. Молоко и молочные продукты занимают особую роль
в рационе питания человека. Это касается как здоровых, так и больных людей. Поэтому
растет значимость задачи повышения качества производимой молочной продукции наряду с
наращиванием объемов производства молока.
Климатические изменения и аномальные природные явления резко обостряют ситуацию с
продовольствием в современном мире. Проблема обеспечения расширенного производства
в молочном животноводстве актуальна для многих стран с развитым сельским хозяйством.
Увеличение количества белков и углеводов в рационах коровы нарушает кислотно-щелочной
баланс и становится причиной болезней обмена веществ, среди которых наихудшие
последствия вызывает лактатный ацидоз, обусловливающий потерю репродуктивной функции и преждевременную выбраковку поголовья.
Для достижения качества продукции и эффективности работы животноводческого комплекса
отмечаются следующие основные проблемы:
1. Проблема контроля за ухудшением физико-биологического состояния животных и
своевременного выявления заболевающих животных.
2. Большие трудозатраты при осуществлении диагностики функционального состояния каждого
животного в классическом варианте.
3. Высокая стоимость и сложность, а также обеспечения достаточной достоверности
осуществления мониторинга на животноводческом предприятии.
4. Проблема цифровой трансформации, анализа и прогноза данных молочного производства
и, как следствие, эффективного управления на базе современных математических методов
обработки данных, в том числе раскладки в численно временные ряды, создание математической модели предприятия для принятия эффективных и своевременных управленческих решений.
Инновационностью подхода применяемого метода является оригинальный алгоритм анализа
состояния и прогнозирования дальнейшего состояния.
Применение данной методики предполагается с помощью оригинального программного
продукта, который может быть использован в интеграции с любым существующим на рынке
детекторным цифровым медицинским оборудованием.
Инновационность подхода
Нами предлагается решение этой проблемы на стыке биологических наук и современной
кибернетики. Для реализации концепции предлагается теория управления, основой которой
служат новые математические модели динамики и диагностики состояния здоровья животного.
Мы рассматриваем предприятие молочного производства как сложный много факторный
процесс. Для отслеживания тенденций и изменений в сложной системе мы применяем
математику, основанную на сочетании фрактального анализа, искусственного интеллекта,
нейронных сетей, основываясь на анализе нелинейной динамики с помощью распределения
Дирихле.
Основой является теория лауреата Нобелевской премии И.Р. Пригожина Теория
диссипативных структур, доработанная выдающимся российским ученым Ю.С. Середой,
создателем универсального математического алгоритма анализа и прогноза сложных систем,
процессов и их тенденций и изменений.
Наш метод является методом обработки вариабельности сердечного ритма (ВСР) на основе
разработанного нами алгоритма/метода, который запатентован в США, и компьютерной
программы, которая запатентована в России и США.
Наш метод позволяет производить персональную оценку состояния организма и интегрального
показателя – коэффициента самоорганизации - живучести с возможностью высококачественного прогнозирования, включая точность и совпадение трендов и тенденций.
Основные технологические и рыночные тренды в рассматриваемой отрасли
По оценкам аналитической организации Future Market Insights, к концу 2016 года мировой
рынок интеллектуальных сельскохозяйственных решений оценивался примерно в 10 млрд. долл. США.
По сравнению с 2015 годом он вырос на 5%. Ожидается, что к 2026 году рынок сможет
достигнуть отметки, близкой к 40 млрд. долл. США. Среднегодовой темп роста в ближайшие
годы будет составлять 11,2%. Переход к умному сельскому хозяйству происходит медленно, но
верно.
Компания HUAWEI в 2015 году оценила мировой рынок интеллектуального сельского
хозяйства в 13,7 млрд. долл. США, и предположила, что к 2020 году он достигнет 26,8 млрд.
долл. США со среднегодовым темпом роста – 14,3%. Данное исследование включало рынки
сельскохозяйственных роботов, точного земледелия, умных сенсорных датчиков, AIoT-платформ/приложений и Big Data.
Автоматизированные системы управления молочными фермами. В животноводстве технологии
GPS/ГЛОНАСС и RFID (Радио Частотная Идентификация) помогают решать комплекс задач, начиная от учета поголовья скота, контроля его перемещения и всех текущих показателей, до вакцинации и оптимизации селекционной работы.
ПРОБЛЕМА И РЕШЕНИЕ
Сокращаются трудозатраты, ликвидируется возможность ошибок, вызванных человеческим фактором, даже в крупных сельских хозяйствах, упрощается выявление положительной и отрицательной наследственности.
По данным Министерства сельского хозяйства Россия занимает 15 место в мире по уровню
цифровизации сельского хозяйства, а рынок информационно-компьютерных технологий в
отрасли оценивается в 360 млрд. рублей.
По данным консалтингового агентства Transparency Market Research рынок носимых устройств для животных вырастет до $2,5 млрд.
По данным TMR сегодня рынок носимых устройств для животных оценивается приблизительно
в $1 млрд., к 2024 году эта цифра должна вырасти до $2,5 млрд. Основными направлениями
роста станут: одежда с датчиками оценки здоровья животного, умные ошейники и средства
определения местоположения питомца.
Сегодня на данном рынке преобладают гаджеты, ориентированные на определение
местоположения животного, в ближайшее время, по мнению аналитиков, сегмент устройств,
отслеживающих здоровье, продемонстрирует внушительный рост.
Самое интересное, что основным драйвером роста выступит сегмент сельскохозяйственных
животных. Заводчики и фермеры при помощи современных технологий получат возможности
значительно более качественно анализировать состояние своего скота. Основными драйверами роста выступят Северная Америка и Европа, то есть страны с высоким качеством проникновения интернета.
В конце 2016 года вице-премьер Аркадий Дворкович дал поручение Минсельхозу, Минпромторгу и Минкомсвязи составить план внедрения в агропромышленный комплекс технологий «интернета вещей».
В середине 2017 года Фонд развития интернет-инициатив (ФРИИ) разработал «дорожную карту», в которой детально расписан план внедрения инновационных технологий в
отечественный агропромышленный сектор до 2019-го. Предполагается, что уже в следующем году порядка 30% российских фермерских хозяйств будут активно использовать хотя бы некоторые технологии «интернета вещей».
Общепринятым стал тот факт, что управление чем бы то ни было с помощью современных
технологий становится все проще. Очевидно, что упрощение затронет и оптимизацию работы
фермы: уже сейчас многие параметры можно отслеживать с помощью программ вроде 1С, а также единой электронной базы «Меркурий», которую правительство пытается внедрить уже несколько лет, обязывая все животноводческие хозяйства вносить данные о здоровье животных.
ТЕХНОЛОГИЯ
Принятые терминологии и аббревиатуры:
- RR – (R-R интервалы) - интервалы между сердечными сокращениями
- ВСР – вариабельность сердечного ритма
давление, и др. И, казалось бы, для него все «в порядке», но можно не увидеть - восстановился организм животного или нет, и насколько, болеет ли животное. Как раз такую возможность этого анализа и дает данный проект. Сначала мы рассчитываем в процентном выражении адаптационный ресурс текущий и прогнозируемый (насколько по времени просканировали
- на такое же время прогнозируем вперед). Затем, мы умеем практически мгновенно
рассчитывать предельный персонализированный ресурс системы и, зная скорости процессов, мы рассчитываем в секундах когда у животного будет 0 (ноль) адаптационного ресурса, параллельно мы рассчитываем математическую тенденцию роста или падения ресурса, при повторном сканировании (например, через 5 минут после первого сканирования) включается «красная кнопка», и система говорит, что с животным не все в порядке.
В нашем же методе мы:
* сразу получаем результат для каждого животного, в том числе, в режиме он-лайн;
* не только в условиях фермы, но и в полевых условиях (на пастбищах);
* в том числе в движении,
* и сразу после 5-ти минутного сканирования.
В целом, в системном плане главное отличие нашего метода анализа и прогнозирования
состояний сложных систем и тенденций процессов от других (например, тех, которые применяют AlproWinDeLaval, биотехническая система управления животноводческим предприятием Afimilk и Delaval Westfalia Landtechn ik Fullwood Afifarm S .A.) в том, что мы умеем «быстро» (после минимального набора статданных - 24 численно временных значений изменений параметров конкретного процесса или их ряда, начиная с четвертого расчетного цикла, то есть 28 значений) высокоточно рассчитывать предельные состояния сложных систем разной природы, затем, отслеживая скорость изменений процессов при внешних и внутренних нагрузках, можем рассчитывать остаточные ресурсы, и когда система окажется в критическом состоянии (в научных терминах это называется точкой тепловой смерти на фазовой поверхности пространства), при этом рассчитывая математическую тенденцию падения или увеличения ресурса - живучести системы, на какой период времени мы можем «заглянуть назад», на такой же период времени мы можем «заглянуть вперед».
Как известно, подавляющее большинство систем (естественных, таких, например, как сердечная ткань) в силу их сложности, не могут быть смоделированы или описаны при помощи каких-либо адекватных методов с достаточной точностью. Традиционные методы это позволяют сделать только после длительного набора статистических данных (в том числе экспериментальных), соответственно, с большими затратами для получения максимально возможной размерности численно временных рядов для формализации систем дифференциальных уравнений, которые только «после упрощения» можно решать на суперкомпьютерах.
Иными словами, наблюдаемая величина - это временной ряд. Измеряя те или иные потенциалы, мы получим последовательность значений наблюдаемой величины. Например, для сердечной ткани в качестве наблюдаемой величины может выступить ЭКГ или её производная - последовательность RR-интервалов (мгновенные пульсовые изменения, которые сегодня мы сканируем с дискретностью 1 кГц).
Если такую наблюдаемую величину определенным образом обработать (фрактальным анализом и/или «моделью Дирихле»), то возможно восстановить многие свойства системы и получить исчерпывающее представление о её поведении и произвести оценку будущего значения временного ряда. Следовательно, на основе одних лишь наблюдений
за системой можно спрогнозировать её поведение в будущем.
Более того, при прогнозировании не делается различий между природой системы, так как анализируются количественно численно выраженные безразмерно изменения событий.
В отличие от других исследователей мы владеем наследием Середы Ю.С., в том числе
описанным частично в своих опубликованных трудах, в том числе «Проблемы теории анализа и прогнозирования».
Добавив алгоритмику «Теории диссипативных структур» нобелевского лауреата господина
И.Р. Пригожина, «Термодинамической концепции информации» Клода Шеннона, фрактального
анализа (один из центральных нелинейных методов, который широко применяется в мире,
например, классической технологии планирования экспериментов (для вычисления наиболее
значимых параметров, влияющих на состояния сложной системы, их вклада и рейтингов,
это линейный метод, разработанный в Нижегородском университете Лобачевского) и работ
нескольких других учёных с мировым именем (Карл Пирсон и др.), мы разработали
алгоритм, который запрограммировали в виде расчетного модуля в серверном сетевом
многопользовательском варианте (применяли для оценки состояния организма человека, а также состояния коров при отработке нового питательного средства «ФУРОР» (Приложение №1))
В Патенте US 20150141859A1, от 21.05.2015, Системы В Патенте US 20150141859A1, от 21.05.2015, Системы и методы анализа вариабельности сердечного ритма (см русскоязычную версии прилагается), в котором на страницах 18/21 и 19/21 и сформулирован вывод: абзац 0132 «Таким образом, вероятность правильного деления пациентов на «здоровые» / «больные» группы на основании данных видеомагнитофона с использованием параметров априорных арт составляет 56,3%, в то время как при использовании данного изобретения параметры информационной энтропии бетта-распределения составляет 77,6%.
Соответственно, методология настоящего изобретения значительно улучшилась в сравнении с
традиционными методологиями.
В рамках подготовки данного патента на страницах 9/21-18/21 указаны результаты клинических
исследований с применением технологии авторов заявки были выявлены пациенты с диагнозом «дисциркуляторная энцефалопатия» и пациенты с диагнозом «апоплексическим приступ» и пациенты с инсультом.
Согласно исследованиям, американских ученых (http://medspecial.ru/for_doctors/3/27194/)
внезапной остановке сердца предшествует ряд симптомов. Наша технология позволяет отследить это на ранней стадии путем объединения этих симптомов, в том числе иных, не
сердечных заболеваний в виде коэффициента самоорганизации, что и показано в патенте (us
2015/0141859A1), чего нет у аналогов.
Мы продолжаем работать над двумя режимами нашей базовой технологии.
1 – online режим до ветеринара для животного а. 2 - offline для ветеринарного врача. В эти режимы входят и все традиционные методы обработки ЭКГ и ритмограмм. Также мы работаем над такими приложениями как формирование отчетов без участия ветеринара (математические отчеты) на базе Android и Windows и другими.
Наша команда на постоянной основе мониторит компании, разработчиков алгоритмов и
программ по анализу и прогнозированию и состоянию сложных систем разной природы с их
заказчиками (https://cloud.mail.ru/public/Kjoz/rMrMfdbFZ).
Разрабатывая технологию, мы опираемся на труды Середы Ю.С.:
1. Середа Ю.С., Основы диагностики и прогнозирования, Нижний Новгород, 2005
2. Середа Ю.С., Проблемы информационно-статистической теории, и свои исследования, Нижний Новгород, 2007
3. Основы информационно-статистического анализа текстов, Нижний Новгород, 2009. В этой книге заложена алгоритмическая платформа российской технологии искусственного интеллекта в противовес популярной зарубежной предиктивной аналитики. В создании данной книги приняла участие компания ООО «ОКБ Инфотранс» в виде финансирования и участие в совместной работе по созданию книги (ООО ОКБ Инфотранс входит в группу компаний Инфотранс, как и ЗАО СКБ Инфотранс).
4. ООО ОКБ Инфотранс. Описание технологии «Анализ и классификация вариабельности
сердечного ритма человека». Данное описание является know how ООО ОКБ Инфотранс.
В Патенте № US 20150141859A1, от 21.05.2015, на страницах 4/21-9/21 подробно описана базовая технология, начиная с области и предыстории изобретения, и кончая сущностью изобретения с подробным его описание.
Приведены результаты обработки данных клинических исследований. https://www.youtube.com/watch?v=AKSSZ29_at8&feature=youtu.be__