Представлені результати клініко-ангіографічних обстежень і хірургічного лікування ІХС у 219 хворих. Визначена хірургічна тактика та вдосконалена методика проведення оперативного лікування непрямою реваскуляризацією міокарда у випадках дифузного ураження коронарних артерій. Вивчені безпосередні й віддалені результати хірургічного лікування хворих після непрямої реваскуляризації та резекції кардіальних гілок зірчастого вузла.

  Скачати повний текст

Осауленко В.М. Моделі біологічних нейронних мереж для просторово-часової асоціативної пам'яті. - На правах рукопису. Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.23 – системи та засоби штучного інтелекту Національний технічний університет України “Київський політехнічний інститут імені Ігоря Сікорського” МОН України, Київ, 2019 р. Дана робота використовує результати дослідження біологічних нейронних мереж для вдосконалення попередніх та побудови нових моделей просторо-часової асоціативної пам'яті. Запропоновано нову модель просторової асоціативної пам'яті на основі сігма-пай нейрона, що враховує дендритні обчислення та має високу ємність пам'яті, що за певними показниками перевершує класичну модель Вілшоу. Показано, що використання нейрона сігма-пай та розрідженої активації покращує на порядок ємність пам'яті переходів послідовності відомої моделі ієрархічно темпоральної пам'яті (HTM) при однаковій кількості зв'язків. Запропоновано нову модель представлення послідовності в бінарне розріджено-розподілене представлення, яка включає здатність нейрона до активації і якісно відтворює біологічні ефекти, такі як збереження схожості, чутливість до порядку, доповнення послідовності та часову схожість. Представлені моделі просторово-часової асоціативної пам'яті показують гірші результати розпізнавання образів для задач робототехніки в порівняні з підходом глибоких нейронних мереж, проте вони біологічно подібні, мають привабливі обчислювальні властивості і тому варті подальших досліджень.Ключові слова: асоціативна пам'ять, дендритні обчислення, прогнозування послідовностей, розпізнавання послідовностей, сігма-пай нейрон, розріджено розподілене представлення^UOsaulenko V.M. Models of biological neural networks for spatio-temporal association memory. - The manuscript. Thesis for a candidate degree in specialty 05.13.23 - Systems and applications of artificial intelligence. - National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Kyiv, 2019. This work uses the results of biological neural network research to refine previous and build new models of spatial-temporal associative memory. A new model of spatial associative memory based on the sigma pi neuron is proposed, which takes into account dendritic calculations and has a high memory capacity, which exceeds the classic Willows model by some indicators. It is shown that the use of a sigma-pi neuron and sparse activation improves the order of the hierarchical temporal memory (HTM) memory capacity of the transitions with the same number of connections. A new model of sequence representation in a binary sparse distributed representation is proposed, which incorporates the neurons excitability and reproduces qualitatively biological effects such as preservation of similarity, sensitivity to order, sequence completion, and temporal similarity. The presented models of spatial-temporal associative memory show worse image recognition results for robotics tasks compared to the deep neural network approach, but they are biologically plausible, have attractive computational properties and are therefore worth for further research.Keywords: associative memory, dendritic computation, sequence prediction, sequence recognition, sigma-pi neuron, sparse distributed representation