Алгоритм комплексного антропоскопічного, антпропометричного та дерматогліфічного дослідження при судово-медичній ідентифікації невідомої особи

Автор(и)

  • Галина Зеленчук Івано-Франківський національний медичний університет, м. Івано-Франківськ, Україна https://orcid.org/0000-0002-8618-9224
  • Наталія Козань Івано-Франківський національний медичний університет, м. Івано-Франківськ, Україна https://orcid.org/0000-0003-1017-5077
  • Валерія Чадюк Івано-Франківський національний медичний університет, м. Івано-Франківськ, Україна https://orcid.org/0000-0001-7392-7905

DOI:

https://doi.org/10.24061/2707-8728.1.2021.5

Ключові слова:

антропоскопічні параметри, антропометричні параметри, дерматогліфічні параметри, нейромережеве прогнозування

Анотація

У статті представлені матеріали та методи дослідження, що використовуються як для ідентифікації невідомої особи, так і з метою прогнозування схильності людини до протиправних дій різних ступенів тяжкості. Зокрема, в даній статті розписані антропоскопічні, антропометричні, дерматогліфічні методи, метод статистичної обробки даних і нейромережеве прогнозування, що широко застосовуються в сучасній криміналістиці та судово-медичній експертизі. Сформульовані актуальність і завдання вище вказаних методів дослідження з метою прогнозування схильності особи до протиправних дій різних ступенів тяжкості.

Посилання

Mishalov VD, Gunas IV, Kryvda GF, Bachinsky VT, Voichenko VV. Actualy questions of forensic medical dermatoglifics. Судово-медична експертиза. 2018;1:17-9. doi:10.24061/2707-8728.1.2018.5

Полушкін ПМ, Алсібай ОВ, Неровна КВ, Шевченко ВА. Сучасний стан і перспективи дослідження дерматогліфіки у практиці медико-психологічного обстеження студентів і молоді. Вісник Дніпропетровського університету. Біологія. Медицина. 2012;3(1):91-7.

Київ: Вища школа; 2000. Гинзбург, Елементи антропології для медиків; с. 31-102.

Noise reduction in speech processing. Springer: Berlin, Heidelberg; 2009. Benesty J, Chen J, Huang Y, Cohen I, Pearson correlation coefficient; p. 1-4. doi: 10.1007/978- 3-642-00296-0_5

Rojas R. Neural networks: a systematic introduction. Springer; 1996. 512 p.

Simon Haykin. Neural networks and learning machines. 3-rd ed. Pearson, NY: Prentice Hall; 2009. 906 p.

Specht DF. Probabilistic neural networks. Neural networks. 1990;3(1):109-18. doi: https://doi.org/10.1016/0893-6080(90)90049-Q

Karlik B, Olgac AV. Performance analysis of various activation function sin generalized MLP architectures of neural networks. International Journal of Artificial Intelligence and Expert Systems. 2011;1(4):111-22.

TIBCO. Neural Networks in Statistica Program [Internet]. TIBCO Software Inc; 2020 [cited 2021 Jan 17]. Available from: http://www.statsoft.com/textbook/neural-networks/

Jetbrains. IntelliJ IDEA [Internet]. Prague: JetBrains; 2021 [cited 2021 Jan 17]. Available from: https://www.jetbrains.com/idea/documentation/

Oracle [Internet]. Oracle; 2021 [cited 2021 Jan 18]. Available from: https://www.oracle.com/index.html

Oracle. Potts J, Hildebrandt N, Gordon J, Castillo C. JavaFX: Getting Started with JavaFX [Internet]. Oracle; 2014 [cited 2021 Feb 5]. Available from: https://docs.oracle.com/javase/8/javafx/get-started-tutorial/jfx-overview.htm

JFoenix [Internet]. Available from: http://www.jfoenix.com/documentation.html

Cios KJ, Pedrycz W, Swiniarski RW. Data mining methods for knowledge discovery. Vol. 458. New York: Springer Science & Business Media; 2012.

Machine Learning Algorithms. Brownlee J. Classification And Regression Trees for Machine Learning. [Internet]. Machine Learning Mastery; 2016 [cited 2021 Feb 12]. Available from: https://machinelearningmastery.com/classification-and-regression-trees-for-machine-learning/

References

Mishalov VD, Gunas IV, Kryvda GF, Bachinsky VT, Voichenko VV. Actualy questions of forensic medical dermatoglifics. Судово-медична експертиза. 2018;1:17-9. doi:10.24061/2707-8728.1.2018.5

Polushkin PM, Alsibai OV, Nerovna KV, Shevchenko VA. Suchasnyi stan i perspektyvy doslidzhennia dermatohlifiky u praktytsi medyko-psykholohichnoho obstezhennia studentiv i molodi [Modern state and prospects of dermatoglyphics research in practice of medical-psychological examination of students and youth]. Visnyk Dnipropetrovs'koho universytetu. Biolohiia. Medytsyna. 2012;3(1):91-7. (in Ukrainian)

Київ: Вища школа; 2000. Гинзбург, Елементи антропології для медиків; с. 31-102.

Noise reduction in speech processing. Springer: Berlin, Heidelberg; 2009. Benesty J, Chen J, Huang Y, Cohen I, Pearson correlation coefficient; p. 1-4. doi:10.1007/978-3-642-00296-0_5

Rojas R. Neural networks: a systematic introduction. Springer; 1996. 512 p.

Simon Haykin. Neural networks and learning machines. 3-rd ed. Pearson, NY: Prentice Hall; 2009. 906 p.

Specht DF. Probabilistic neural networks. Neural networks. 1990;3(1):109-18. doi:10.1016/0893-6080(90)90049-Q

Karlik B, Olgac AV. Performance analysis of various activation function sin generalized MLP architectures of neural networks. International Journal of Artificial Intelligence and Expert Systems. 2011;1(4):111-22.

TIBCO. Neural Networks in Statistica Program [Internet]. TIBCO Software Inc; 2020 [cited 2021 Jan 17]. Available from: http://www.statsoft.com/textbook/neural-networks/

Jetbrains. IntelliJ IDEA [Internet]. Prague: JetBrains; 2021 [cited 2021 Jan 17]. Available from: https://www.jetbrains.com/idea/documentation/

Oracle [Internet]. Oracle; 2021 [cited 2021 Jan 18]. Available from: https://www.oracle.com/index.html

Oracle. Potts J, Hildebrandt N, Gordon J, Castillo C. JavaFX: Getting Started with JavaFX [Internet]. Oracle; 2014 [cited 2021 Feb 5]. Available from: https://docs.oracle.com/javase/8/javafx/get-started-tutorial/jfx-overview.htm

JFoenix [Internet]. Available from: http://www.jfoenix.com/documentation.html

Cios KJ, Pedrycz W, Swiniarski RW. Data mining methods for knowledge discovery. Vol. 458. New York: Springer Science & Business Media; 2012.

15. Machine Learning Algorithms. Brownlee J. Classification And Regression Trees for Machine Learning. [Internet]. Machine Learning Mastery; 2016 [cited 2021 Feb 12]. Available from: https://machinelearningmastery.com/classification-and-regression-trees-for-machine-learning/

##submission.downloads##

Опубліковано

2021-10-18

Номер

Розділ

Оригінальні дослідження