Выводы пятого раздела

1. Предложена структурно-функциональная организация СШ1Р для прогнозирования профессиональной пригодности работников экстремальных профессий, основанная на иерархии автономных интеллектуальных агентов, отличающаяся использованием на втором иерархическом уровне четырех автономных интеллектуальных агентов, анализирующих как наблюдаемые, так и не наблюдаемые факторы профессиональной пригодности и позволяющая агрегировать влияние этих факторов интеллектуальными агентами следующей иерархии, как посредством машинного обучения, так и посредством экспертного оценивания.

2. Разработан метод синтеза модели для определения адаптационного потенциала работников экстремальных профессий, построенный на основе идеи конструкта, которая заключается в «сборке» из известных методов и методик исследования адаптационного потенциала адекватной модели количественного определения адаптационного потенциала, ориентированной на конкретную экстремальную профессию, позволяющий найти оптимальное сочетание методов и методик для количественного вычисления адаптационного потенциала кандидата на работу выбранной экстремальной профессии.

3. Разработан метод прогнозирования риска развития профессиональных заболеваний, заключающийся в психологическом и психофизиологическом исследовании с помощью набора тестов, адресованных всем иерархическим уровням личности, сравнении статистических показателей тестирования со статистическими показателями тестирования в эталонных группах и принятию решения о риске профессионального заболевания по результатам этого сравнения, отличающийся тем, что для отнесения неизвестного образца к исследуемой

группе риска формируют множество «слабых» классификаторов, из которых, посредством агрегации, формируют «сильный» классификатор, на основе которого принимается окончательное решение по риску исследуемого заболевания у неизвестного образца.

4.

5. Разработан метод формирования сильного классификатора, отличающийся тем, что при формировании «сильного» классификатора учитывается «вес» «слабых» классификаторов, который определяется путем формирования промежуточных «сильных» классификаторов, получаемых для каждого теста (суррогатного маркера) с учетом «весов» эталонных групп, на которых были обучены эти классификаторы, позволяющий повысить диагностическую эффективность метода прогнозирования риска социально значимых заболеваний.

6. Разработан метод обучения «сильных» классификаторов, отличающийся тем, что в процессе обучения «сильных» и «слабых» классификаторов контролируются «веса» слабых классификаторов и «веса» эталонных групп, и при условии, что эти показатели окажутся ниже пороговой величины, соответствующие суррогатный маркер или эталонная группа исключается из финального классификатора, позволяющий повысить диагностическую эффективность метода прогнозирования риска социально значимых заболеваний.

7. Разработан алгоритм определения риска профессиональных заболеваний работников экстремальных профессий, отличающийся внутренним циклом синтеза «слабых» классификаторов для каждой эталонной группы и взвешиванием выборки, на которой был построен этот классификатор, с последующим взвешиванием «слабого» классификатора с

учетом «веса» выборки, на которой он был получен, позволяющий реализовать метод прогнозирования социально значимых заболеваний.

8. Разработан метод синтеза модели интеллектуального агента для прогнозирования психологической устойчивости работника экстремальных профессий, основанный на формировании суперпозиции текущих методик, отличающийся тем, что формирования методик для выбранной профессии осуществляется на основе двухконтурного принципа, в первом контуре осуществляется количественная оценка эффективности этой методики, а во втором - непосредственная получение психологического «портрета» кандидата на основе этой методики, позволяющий сформировать агентов второго иерархического уровня для СППР определения профессиональной пригодности кандидатов на работу опасных профессий.

9. Разработанные интеллектуальные технологии направлены на повышение качества профессионального отбора работников экстремальных профессий и могут быть использованы в системах скрининговой диагностике, автоматизированных системах профессионального отбора, профилактической медицине.

6.