Возможности моделирования предрасположенности к наркозависимости методами искусственного интеллекта
Психология
Ключевые слова:
наркомания, наркозависимость, рекомендации, искусственный интеллект, нейронная сеть, закономерности, математическое моделирование, прогнозАннотация
Разработана компьютерная программа, предназначенная для определения степени предрасположенности человека к наркозависимости. В основе программы лежит нейронная сеть, обученная на результатах социологических опросов. Погрешность нейросетевой модели составила меньше 1%. С помощью нейросетевой модели произведена оценка значимости факторов, способных оказывать влияние на предрасположенность к наркозависимости. Наиболее значимыми факторами оказались: уровень образования, наличие друзей-наркоманов, тип темперамента, количество детей в семье, финансовое положение. Нейросетевая модель позволяет оценивать влияние изменения параметров, характеризующих человека, на его предрасположенность к наркозависимости, а также подбирать оптимальные сочетания этих параметров для каждого конкретного человека и, таким образом, получать индивидуальные рекомендации по снижению наркозависимости.Библиографические ссылки
(1). Анисимов Л.Н. Профилактика пьянства и наркомании среди молодежи. М.: Просвещение, 2006. 45 с.
(2). Доррер М.Г., Горбань А.Н., Копытов А.Г., Зенкин В.И. Психологическая интуиция нейронных сетей // Нейроинформатика и ее приложения: материалы III Всерос. рабочего семинара. Красноярск: КГТУ, 1995. С. 114–127.
(3). Доррер М.Г. Обработка психологической информации при помощи нейронных сетей // Проблемы информатизации региона: материалы второй межрегион. конф. Красноярск: КГТУ, 1997. С. 33–43
(4). Доррер М.Г. Попытка применения нейронных сетей для прогнозирования психологической совместимости в группе // Нейроинформатика и ее приложения: Программа и тезисы докладов II Всерос. рабочего семинара, 1994. С. 13.
(5). Причины употребления наркотиков. URL: http://www.narcozona.ru/prupotrnark.html (дата обращения: 04.11.2014).
(6). «Риановости». URL: http://ria.ru/antidrugs/20110421/366957864.html (дата обращения: 03.11.2014).
(7). Свеженцева Ю.А. Социокультурные аспекты приобщения к наркотикам: качественный анализ проблемы // Молодёжь и наркотики (социология наркотизма) / под ред. В.А. Соболева, И.П. Рущенко. Харьков: Торсинг, 2000. С. 84–129.
(8). Свеженцева Ю.А., Головченко Д.А. Роль семьи в профилактике наркомании, реальная и потенциальная // Профилактика наркомании: организационные и методические аспекты. Итоговые материалы международного проекта / сост. И.П. Рущенко. Харьков: Финарт, 2002. С. 123–137.
(9). Тазетдинов И.М. Влияние психопатологических расстройств и личностных особенностей больных опиоидной зависимостью на эффективность реабилитации: автореф. дис. … канд. мед. наук. Казань, 2006. 195 с.
(10). Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор 5.0. Свидетельство о государственной регистрации программы для ЭВМ № 2014618208. Заявка Роспатент № 2014614649. Зарегистрировано в Реестре программ для ЭВМ 12 августа 2014 г.
(11). Яковлев А.Н. Биологическая предрасположенность к наркотизации. URL: http://vita-clinica.ru/index.php?article=35 (дата обращения: 08.11.2014).
(12). Ясницкий Л.Н. Введение в искусственный интеллект. М.: Академия, 2005. 176 с.
(13). Ясницкий Л.Н. Искусственный интеллект. М.: БИНОМ: Лаборатория знаний, 2011. 240 c.
(14). Ясницкий Л.Н., Богданов К.В., Черепанов Ф.М. Технология нейросетевого моделирования и обзор работ Пермской научной школы искусственного интеллекта // Фундаментальные исследования. 2013. № 1–3. С. 736–740.
(15). Ясницкий Л.Н., Михалева Ю.А., Черепанов Ф.М. Возможности методов искусственного интеллекта для выявления и использования новых знаний на примере задачи управления персоналом // International Journal of Unconventional Science: журн. формирующихся направлений науки. 2014. С. 32–41.
(16). Ясницкий Л.Н., Порошина А.М., Тавафиев А.Ф. Нейросетевые технологии как инструмент для прогнозирования успешности предпринимательской деятельности // Российское предпринимательство. 2010. № 4(2). С. 8–13.
(17). Bainbridge W.S. Neural Network Models of Religious Belief // Sociological Perspectives. Winter, 1995. V. 38, № 4, Computer Simulations and Sociological Theory. P. 483–495.
(18). Dalley J.W., Fryer T.D., Brichard L. et al. Nucleus Accumbens D2/3 Receptors Predict Trait Impulsivity and Cocaine Reinforcement // Science. 2007. V. 315, № 5816. P. 1267–1270.
(19). Haykin S. Neural networks: A comprehensive foundation (2nd ed.). New Jersey: Prentice Hall International, Inc., 1999. 1103 p.
(20). McCulloch W.S., Pitts W. A Logical Calculus of Ideas Immanent in Nervous Activity // Bull. Mathematical Biophysics. 1943. № 5. P. 115–133.
(21). Rosenblatt F. Principles of Neurodynamics. N.Y.: Spartan Books. 1962. 606 p.
(22). Yasnitsky L.N., Bogdanov K.V., Cherepanov F.M. et al. Diagnosis and Prognosis of Cardiovascular Diseases on the Basis of Neural Networks // Biomedical Engineering. 2013. V. 47, № 3. P. 160–163.
References
(1). Anisimov L.N. Profilaktika p’yanstva i narkomanii sredi molodezhi [Prevention of alcoholism and drug addiction among young people]. Moscow, Prosveshcheniye Publ., 2006, 45 p. (In Russian).
(2). Dorrer M.G., Gorban’ A.N., Kopytov A.G., Zenkin V.I. [Psychological intuition of neural networks]. Neyroinformatika i yeyo prilozheniya: Materialy III Vseros. rabochego seminara [Neuroinformatics and its applications: Proceedings of the IIIrd All-Russian Workshop]. Krasnoyarsk, KSTU Publ., 1995, pp. 114–127. (In Russian).
(3). Dorrer M.G. [Psychological information processing using neural networks]. Problemy informatizatsii regiona: Materialy vtoroy mezhregion. konf. [Problems of Information Region: Proceedings of the second inter-regional conference]. Krasnoyarsk, KSTU Publ., 1997, pp. 33–43. (In Russian).
(4). Dorrer M.G. [An attempt to use neural networks to predict the psychological compatibility in the group]. Neyroinformatika i yeye prilozheniya: Programma i tezisy dokladov II Vseros. rabochego seminara [Neuroinformatics and its applications: Program and abstracts II National Workshop], 1994, p.13. (In Russian).
(5). Prichiny upotrebleniya narkotikov [The reasons for drug use]. Available at: http://www.narcozona.ru/prupotrnark.html (accessed 04.11.2014). (In Russian).
(6). «Rianovosti». Available at: http://ria.ru/antidrugs/20110421/366957864.html (accessed 03.11.2014). (In Russian).
(7). Svezhentseva Yu.A. [Social and cultural aspects of initiation of drug abuse: a qualitative analysis of the problem]. Molodyozh’ i narkotiki (sotsiologiya narkotizma) [Youth and Drugs (sociology of drug addiction)]. Khar’kov, Torsing Publ., 2000, pp. 84–129. (In Russian).
(8). Svezhentseva Yu.A., Golovchenko D.A. [The role of the family in drug prevention, real and potential]. Profilaktika narkomanii: organizatsionnyye i metodicheskiye aspekty. Itogovyye materialy mezhdunarodnogo proyekta [Drug prevention: organizational and methodological aspects. International project deliverables]. Khar’kov, Finart Publ., 2002, pp. 123–137. (In Russian).
(9). Tazetdinov I.M. Vliyaniye psikhopatologicheskikh rasstroystv i lichnostnykh osobennostey bol’nykh opioidnoy zavisimost’yu na effektivnost’ reabilitatsii: dis. … kand. med. nauk [Influence of psychopathological disorders and personality characteristics of patients with opioid dependence on the effectiveness of rehabilitation: Dissertation for procuring of degree of candidate of medical sciences]. Kazan’, 2006. 195 p. (In Russian).
(10). Cherepanov F.M., Yasnitskiy L.N. Neyrosimulyator 5.0 [Neurosimulator 5.0]. Certificate of state registration of the computer program № 2014618208. The application Rospatent № 2014614649. Registered in Computer Program Register on August 12 2014.
(11). Yakovlev A.N. Biologicheskaya predraspolozhennost’ k narkotizatsii [Biological predisposition to drug addiction]. Available at: http://vita-clinica.ru/index.php?article=35 (accessed 08.11.2014). (In Russian).
(12). Yasnitskiy L.N. Vvedeniye v iskusstvennyy intellekt [Introduction to artificial intelligence]. Moscow, Akademiya Publ., 2005, 176 p. (In Russian).
(13). Yasnitskiy L.N. Iskusstvennyy intellekt [Artificial intelligence]. Moscow, BINOM. Laboratoriya znaniy Publ., 2011, 240 p. (In Russian).
(14). Yasnitskiy L.N., Bogdanov K.V., Cherepanov F.M. [Neural network modeling technology and an overview of the Perm Scientific School of Artificial Intelligence]. Fundamental’nyye issledovaniya [Fundamental research]. 2013, no 1–3, pp. 736–740. (In Russian).
(15). Yasnitskiy L.N., Mikhaleva Yu.A., Cherepanov F.M. [The possibility of artificial intelligence methods for identifying and using new knowledge for the problem of personnel management]. International Journal of Unconventional Science, 2014, pp. 32–41. (In Russian).
(16). Yasnitskiy L.N., Poroshina A.M., Tavafiyev A.F. [Neural network technology as a tool for predicting the success of entrepreneurial activity]. Rossiyskoye predprinimatel’stvo [Russian Entrepreneurship], 2010, no 4(2), pp. 8–13. (In Russian).
(17). Bainbridge W.S. Neural Network Models of Religious Belief // Sociological Perspectives. Winter, 1995. V. 38, № 4, Computer Simulations and Sociological Theory. P. 483–495.
(18). Dalley J.W., Fryer T.D., Brichard L. et al. Nucleus Accumbens D2/3 Receptors Predict Trait Impulsivity and Cocaine Reinforcement // Science. 2007. V. 315, № 5816. P. 1267–1270.
(19). Haykin S. Neural networks: A comprehensive foundation (2nd ed.). New Jersey: Prentice Hall International, Inc., 1999. 1103 p.
(20). McCulloch W.S., Pitts W. A Logical Calculus of Ideas Immanent in Nervous Activity // Bull. Mathematical Biophysics. 1943. № 5. P. 115–133.
(21). Rosenblatt F. Principles of Neurodynamics. N.Y.: Spartan Books. 1962. 606 p.
(22). Yasnitsky L.N., Bogdanov K.V., Cherepanov F.M. et al. Diagnosis and Prognosis of Cardiovascular Diseases on the Basis of Neural Networks // Biomedical Engineering. 2013. V. 47, № 3. P. 160–163.
Загрузки
Опубликован
Лицензия
Copyright (c) 2022 Вестник Пермского университета. Философия. Психология. Социология
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
