POSSIBILITIES OF ARTIFICIAL INTELLECT IN DETECTION OF PREDISPOSITION TO DRUG ADDICTION
Psychology
DOI:
https://doi.org/10.17072/2078-7898/2015-1-61-73Keywords:
addiction, drug addiction, recommendations, artificial intelligence, neural network, regularities, mathematical modeling, predictionAbstract
A computer program is designed to determine the degree of predisposition of a human to drug addiction. The program is based on the neural network trained on the results of sociological surveys. Error of neural network model is less than 1 %. With the help of neural network a model evaluates the importance of factors that can influence predisposition to drug addiction. The most important factors are: the level of education, having friends who use drugs, temperament type, number of children in the family, financial situation. Neural network model allows to evaluate the effect of varying the parameters characterizing the man and his predisposition to addiction and select the optimal combination of these parameters for each individual and thus to receive individual recommendations for reducing drug addiction.References
Анисимов Л.Н. Профилактика пьянства и наркомании среди молодежи. М.: Просвещение, 2006. 45 с.
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.
Доррер М.Г. Обработка психологической информации при помощи нейронных сетей // Проблемы информатизации региона: материалы второй межрегион. конф. Красноярск: КГТУ, 1997. С. 33–43
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.
Причины употребления наркотиков. URL: http://www.narcozona.ru/prupotrnark.html (дата обращения: 04.11.2014).
«Риановости». URL: http://ria.ru/antidrugs/20110421/366957864.html (дата обращения: 03.11.2014).
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.
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.
Тазетдинов И.М. Влияние психопатологических расстройств и личностных особенностей больных опиоидной зависимостью на эффективность реабилитации: автореф. дис. … канд. мед. наук. Казань, 2006. 195 с.
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.
Яковлев А.Н. Биологическая предрасположенность к наркотизации. URL: http://vita-clinica.ru/index.php?article=35 (дата обращения: 08.11.2014).
Ясницкий Л.Н. Введение в искусственный интеллект. М.: Академия, 2005. 176 с.
Ясницкий Л.Н. Искусственный интеллект. М.: БИНОМ: Лаборатория знаний, 2011. 240 c.
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.
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.
Ясницкий Л.Н., Порошина А.М., Тавафиев А.Ф. Нейросетевые технологии как инструмент для прогнозирования успешности предпринимательской деятельности // Российское предпринимательство. С. 8–13.
Bainbridge W.S. Neural Network Models of Religious Belief // Sociological Perspectives. Winter, 1995. V. 38, № 4, Computer Simulations and Sociological Theory. P. 483–495.
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.
Haykin S. Neural networks: A comprehensive foundation (2nd ed.). New Jersey: Prentice Hall International, Inc., 1999. 1103 p.
McCulloch W.S., Pitts W. A Logical Calculus of Ideas Immanent in Nervous Activity // Bull. Mathematical Biophysics. 1943. № 5. P. 115–133.
Rosenblatt F. Principles of Neurodynamics. N.Y.: Spartan Books. 1962. 606 p.
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, № 160–163.
REFERENCES
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).
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).
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).
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).
Prichiny upotrebleniya narkotikov [The reasons for drug use]. Available at: http://www.narcozona.ru/prupotrnark.html (accessed 04.11.2014). (In Russian).
«Rianovosti». Available at: http://ria.ru/antidrugs/20110421/366957864.html (accessed 03.11.2014). (In Russian).
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).
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).
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).
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.
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).
Yasnitskiy L.N. Vvedeniye v iskusstvennyy intellekt [Introduction to artificial intelligence]. Moscow, Akademiya Publ., 2005, 176 p. (In Russian).
Yasnitskiy L.N. Iskusstvennyy intellekt [Artificial intelligence]. Moscow, BINOM. Laboratoriya znaniy Publ., 2011, 240 p. (In Russian).
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).
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).
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).
Bainbridge W.S. Neural Network Models of Religious Belief // Sociological Perspectives. Winter, 1995. V. 38, № 4, Computer Simulations and Sociological Theory. P. 483–495.
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.
Haykin S. Neural networks: A comprehensive foundation (2nd ed.). New Jersey: Prentice Hall International, Inc., 1999. 1103 p.
McCulloch W.S., Pitts W. A Logical Calculus of Ideas Immanent in Nervous Activity // Bull. Mathematical Biophysics. 1943. № 5. P. 115–133.
Rosenblatt F. Principles of Neurodynamics. N.Y.: Spartan Books. 1962. 606 p.
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, № 160–163.
Published
Issue
Section
License
Copyright (c) 2022 Perm University Herald. Philosophy. Psychology. Sociology
This work is licensed under a Creative Commons Attribution 4.0 International License.
