Search

Darbo tikslas – naudojant radialinės bazės funkcijų neuroninį tinklą optimizuoti periodinį su pamaitinimu biotechnologinį procesą. Darbe analizuojamas biotechnologinių procesų modeliavimas taikant medžiagų masės balansą bei technologinių parametrų optimizavimas, dirbtinių neuroninių tinklų struktūra, jų veikimas ir pritaikymas. Analizuojamas straipsnyje aprašytas periodinis su pamaitinimu biotechnologinis procesas. Darbe buvo sudarytas periodinio su pamaitinimu biotechnologinio proceso imitacinis modelis ir gauti modeliavimo rezultatai, kurių metu naudojamas Pontriagino maksimumo principu apskaičiuotas optimalus pamaitinimo profilis. Optimalus pamaitinimo profilis pakeičiamas į radialinės bazės funkcijų neuroninį tinklą. Šešiais skirtingais atvejais atliekamas neuroninio tinklo optimizavimas taikant evoliucinį optimizavimo metodą, kurio tikslo funkcija – maksimalus galutinio produkto (baltymų) kiekis biotechnologinio proceso pabaigoje. Visais nagrinėtais optimizavimo atvejais gauti būsenos kintamųjų x, s ir px trajektorijų nuokrypiai galiniuose taškuose, palyginti su referenciniais duomenimis, yra mažesni už realiame procese matuojamų biomasės ir substrato koncentracijų bei tikslinio baltymo aktyvumo matavimo tikslumą (~10%). Tyrimo rezultatai demonstruoja, kad taikant parametrinio optimizavimo metodiką ir radialinės bazės funkcijų tinklą nagrinėtame biotechnologiame procese gaunami optimizavimo rezultatai, analogiški referenciniams duomenims. Taip dar kartą patvirtinamas abiejų metodikų rezultatų teisingumas ir atitikimas eksperimentiškai gautiems duomenims., Project‘s goal is to optimize fed-batch biotechnological process using radial basis function network. The work examines modeling of mass balance based biotechnological processes, optimization of technological parameters, structure, application and operation of artificial neural networks. Paper on fed-batch biotechnological process is analyzed. The work consists of fed-batch process imitation model where Pontriagin‘s principle of maximum is used to calculate optimal feeding profile. Later optimal feeding profile is substituted with approximation of radial basis function neural network. Neural network is optimized in six different cases, using evolutionary optimization method. Methods goal function is to maximize the ammount of product (protein) at the end of cultivation process. In all of the cases, state variables x, s and px deviations of trajectories in process ending points, in comparison with reference data, are less than 10% which is the accuracy of measurements in real biotechnological process of biomass, substrate concentration and specific protein activity. Research results show that using parametric optimization method and radial basis function network, optimization results are analogical to reference data. This confirms that results obtained from both methodologies match experimental data and are correct.

There are a lot of flaps from various donor sites used in today’s maxillofacial surgery but there is no clear tendency when to use the Chinese flap. Study aim: to find out the qualities and use radial forearm free flap in maxillofacial reconstruction. Materials and methods: articles published in English not older than 5 – 10 years old from databases such as Pubmed,Science Direct, Google Scholar have been analyzed. A literature review has been completed. Results: free radial forearm flap has a consistent anatomy but exceptions have been documented and they have to be noticed. There is no uninamous opinion in chosing the flap’s venous drainage. Performing and Alen’s test before surgical procedure is mandatory. If the test results are not in the normal range, then a Doppler’s ultrasonography should be performed. The free radial forearm flap has thin flexible skin and long vascular pedicle. It can be used to reconstruct various intraoral and mandibular defects. Many harvesting techniques have been described and they depend on the defect. Complications that occur using free radial forearm flap without a bone component can be treated conservatively. According to the statistics complications that occur using it with a bone component allow it to be used in a one stage mandibular defect reconstruction and achieve succesful results. Donor site coverage remains a problem. The results for covering the donor’s site are achieved using artificial skin and a split – thickness skin graft. Conclusion: the free radial forearm flap with or without a bone component is appropriate for the use maxillofacial reconstruction.

Ištirta ketvirtos eilės paprastoji diferencialinė lygtis, sukonstruoti jos sprendiniai absoliučiai ir tolygiai konverguojančiomis laipsninėmis eilutėmis. The fourth succession’s ordinary differential equation was explored, its assertions were constructed in to absolutely and gradually convergent degree rows.

Neuroniniai tinklai ypatingi tuo, kad juos galima apmokyti. Radialinių bazinių funkcijų neuroniniai tinklai naudojami kaip aproksimavimo funkcijos atpažįstant objektus ir apdorojant signalus. Norint gerai vizualizuoti daugiamačius duomenis radialinių bazinių funkcijų neuroniniais tinklais, daug kas priklauso nuo to, kokie metodai bus parenkami geram rezultatui gauti ir į kokius duomenis atsižvegiant bus vizualizuojami analizuojami įėjimo duomenys (pavyzdžiui, pagal svorius, ar pagal bazinių funkcijų reikšmes). Darbe yra detaliai ištirti radialinių bazinių funkcijų (RBF) neuroniniai tinklai bei šio metodo galimybės duotiems taškams vizualizuoti. Darbo uždavinys — sukurti radialinių bazinių funkcijų neuroninių tinklų algoritmą daugiamačiams duomenims vizualizuoti. Tinklo apmokymui buvo parinkti efektyvūs metodai bazinės funkcijos parametrams rasti. Kompiuteriniams eksperimentams atlikti naudotas MATLAB programinis paketas. Atlikta algoritmo lyginamoji analizė pagal šiuos aspektus:  svorius;  bazinių funkcijų gautas reikšmes;  vizualų duomenų projekcijų įvertinimą. Radialinių bazinių funkcijų neuroninių tinklų efektyvumas labai priklauso nuo bazinių funkcijų centrų parinkimo. Darbe atskleistos naujos galimybės greitam daugiamačių duomenų vizualizavimui plokštumoje ir erdvėje. Tai sudaro pagrindą tolesniems tyrimams šioje duomenų analizės srityje. Neural networks are special, because they can “learn“. Radial Basic Function Type Neural Networks are used as functions for approximation in object recognition and signal processing. When trying to achieve good visualization of data by using RBFN, a lot depends on the methods used to achieve this result and the data, used to visualize and analyze input data (e.g. by weight or by basic function values). This thesis contains detailed analysis of Radial Basic Function (RBF) neural networks and the possibilities of this method to visualize the given points. The task of this thesis is to explore the possibility of RBF application in visualization of multidimensional data. For network "education", the effective methods for finding basic function parameters were chosen. Computer experiments where conducted with MATLAB software. A comparative analysis of the algorithm was performed according to the following aspects:  weights;  values, obtained by basic functions;  visual evaluation of data projections. Efficiency of RBFN depends greatly on selection of the centers of basic functions. The research showed, that RBNF can be successfully applied in multidimensional data visualization. Thesis gives new possibilities for displaying multidimensional data on a plane and in space. This serves as a background for future researches in this field of data analysis.