莫斯科，10月30日。托木斯克州立控制系统和无线电电子大学开发的用于构建分类算法的方法，将使人工智能（AI）能够使用不平衡的数据做出正确的决策，包括对患者诊断数据的分析。这是大学的新闻服务部在星期三宣布的。

　　报告说：“TUSUR安全部门的科学家正在开发构造分类算法（模糊分类器）的新方法，这些方法将使AI在不平衡的数据下做出正确的决定。”

　　当前，人工智能及其元素越来越多地用于医学，银行和IT领域。但是，仍然存在AI准确性的问题，尤其是在处理不平衡数据的情况下，因为在许多行业中，某些类别的数据明显多于其他类别时，可能会出现这种情况。而且，对于研究人员来说，最重要的往往是最小类的实例。

　　“不平衡数据的一个例子是对献血患者数据库的分析：他们中的大多数最有可能是健康的，但是需要识别的人会小得多。通用算法不能有效地解决这一问题，从而导致无法处理数据具有较高的准确性以供后续实际使用。现在，最常见的方法之一是校正数据本身：减少不平衡或将它们压缩为多数类，或者合成其他目标数据并将其包含在观察表中。我们认为，这种方法并不完全正确：如果我们裁剪数据，我们可能会丢失一些重要信息，如果添加，那么可能会与真实数据混淆，

　　据她介绍，TUSUR研究人员使用元启发式算法来选择信息功能，这些功能使您可以配置模糊分类器，从而过滤出冗余特征，优化参数，提高分类准确性并按最终分类分离数据。训练分类器的过程是根据包括研究人员在内的医疗机构提供的真实数据进行的，研究人员在俄罗斯基础研究基金会的资助下领导了该项目。

　　班路指出，模糊分类器将首先在医学中有用，在医学中，数据的边界常常模糊不清，例如，当疾病刚刚开始时，一个人很难识别明显的体征。这位科学家说：“如果训练AI处理不平衡的数据，它将帮助医生识别已经处于初始阶段的疾病。”