Трофимов Александр Геннадьевич

С. 114-136

Предложен метод построения пространства характерных признаков для классификации электроэнцефалограмм, основанный на выделении источников электрической активности мозга. В качестве характерных признаков для классификации выбраны простейшие статистические характеристики дипольных моментов эквивалентных токовых диполей, а для классификации в построенном пространстве использован метод ближайших соседей. В результате экспериментальных исследований на реальных данных показано, что точность предложенного метода сравнима с точностью существующих классических подходов в интерфейсах "мозг-компьютер".

Рассматривается задача классификации многомерных нестационарных сигналов. Излагается метод формирования вектора характерных признаков сигнала на основе анализа динамических паттернов. Для классификации в пространстве характерных признаков предложено использовать нейросетевой подход. Приводятся результаты экспериментальных исследований разработанных алгоритмов для решения прикладной задачи распознавания сигналов электроэнцефалограмм.

Рассматривается метод идентификации динамических систем в классе самообучающихся нейронных сетей. С использованием методики VQTAM построена самообучающаяся нейросетевая модель уровня глюкозы в крови больных сахарным диабетом 1‑го типа. Проведена серия экспериментальных исследований построенной модели и оценена её точность.