Аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях
This study investigates the reduction of informational models of the human eye movement system (EMS) constructed from experimental eye-tracking «input–output» data. Second-order Volterra integral models are employed to account for the dynamic and nonlinear properties of the system under investigatio...
Gespeichert in:
| Datum: | 2025 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Ukrainisch |
| Veröffentlicht: |
Kamianets-Podilskyi National Ivan Ohiienko University
2025
|
| Online Zugang: | http://mcm-tech.kpnu.edu.ua/article/view/332206 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Mathematical and computer modelling. Series: Technical sciences |
Institution
Mathematical and computer modelling. Series: Technical sciences| _version_ | 1856543283127255040 |
|---|---|
| author | Павленко, Віталій Лукашук, Денис |
| author_facet | Павленко, Віталій Лукашук, Денис |
| author_sort | Павленко, Віталій |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2025-07-29T19:23:08Z |
| description | This study investigates the reduction of informational models of the human eye movement system (EMS) constructed from experimental eye-tracking «input–output» data. Second-order Volterra integral models are employed to account for the dynamic and nonlinear properties of the system under investigation. Model identification is performed using the least squares method based on the EMS responses to test step signals. The resulting multidimensional transient characteristics are used to construct a set of diagnostic feature spaces, including a space of heuristic features, as well as spaces formed through sampling and wavelet decomposition. An analysis of model variability with respect to the respondent’s psychophysiological state is carried out, along with model reduction by selecting the most informative components. Based on the generated features, psychophysiological state classification is performed using a Bayesian classifier and the support vector machine (SVM) method. Classification performance is evaluated using the probability of correct recognition criterion, taking into account robustness to noise. The presented results confirm the feasibility of using quadratic models for constructing diagnostic features in intelligent technologies for psychophysiological state assessment. |
| first_indexed | 2025-09-17T09:25:52Z |
| format | Article |
| id | mcmtechkpnueduua-article-332206 |
| institution | Mathematical and computer modelling. Series: Technical sciences |
| language | Ukrainian |
| last_indexed | 2025-09-17T09:25:52Z |
| publishDate | 2025 |
| publisher | Kamianets-Podilskyi National Ivan Ohiienko University |
| record_format | ojs |
| spelling | mcmtechkpnueduua-article-3322062025-07-29T19:23:08Z Analysis of the Reduction of Diagnostic Models of the Eye Movement System in Psychophysiological Studies Аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях Павленко, Віталій Лукашук, Денис This study investigates the reduction of informational models of the human eye movement system (EMS) constructed from experimental eye-tracking «input–output» data. Second-order Volterra integral models are employed to account for the dynamic and nonlinear properties of the system under investigation. Model identification is performed using the least squares method based on the EMS responses to test step signals. The resulting multidimensional transient characteristics are used to construct a set of diagnostic feature spaces, including a space of heuristic features, as well as spaces formed through sampling and wavelet decomposition. An analysis of model variability with respect to the respondent’s psychophysiological state is carried out, along with model reduction by selecting the most informative components. Based on the generated features, psychophysiological state classification is performed using a Bayesian classifier and the support vector machine (SVM) method. Classification performance is evaluated using the probability of correct recognition criterion, taking into account robustness to noise. The presented results confirm the feasibility of using quadratic models for constructing diagnostic features in intelligent technologies for psychophysiological state assessment. Досліджуються можливості редукції інформаційних моделей око-рухової системи людини, що побудовані на основі даних експериментів з айтрекінгу у форматі «вхід–вихід». Застосовуються інтегральні моделі Вольтерри другого порядку, які дозволяють враховувати динамічні та нелінійні властивості досліджуваного об’єкта. Ідентифікація моделей виконується методом найменших квадратів на основі відгуків ОРС на тестові ступінчасті сигнали. Отримані багатовимірні перехідні характеристики використовуються для побудови множини просторів діагностичних ознак, зокрема простору евристичних ознак, а також просторів, що сформовані за допомогою семплінгу та вейвлет-декомпозиції. Здійснено аналіз варіативності моделей залежно від стану респондента, а також проведено редукцію моделей шляхом вибору найбільш інформативних компонент. На основі сформованих ознак виконано класифікацію психофізіологічного стану із застосуванням байєсівського класифікатора та методу опорних векторів. Ефективність класифікації оцінюється за критерієм вірогідності правильного розпізнавання з урахуванням стійкості до шумів. Представлені результати підтверджують доцільність використання квадратичних моделей для побудови діагностичних ознак в інтелектуальних технологіях оцінювання психофізіологічного стану людини. Kamianets-Podilskyi National Ivan Ohiienko University 2025-06-09 Article Article application/pdf http://mcm-tech.kpnu.edu.ua/article/view/332206 10.32626/2308-5916.2025-27.67-81 Mathematical and computer modelling. Series: Technical sciences; 2025: Mathematical and computer modelling. Series: Technical sciences. Issue 27; 67-81 Математичне та комп'ютерне моделювання. Серія: Технічні науки ; 2025: Математичне та комп'ютерне моделювання. Серія: Технічні науки. Випуск 27; 67-81 2308-5916 10.32626/2308-5916.2025-27 uk http://mcm-tech.kpnu.edu.ua/article/view/332206/325215 Авторське право (c) 2025 Математичне та комп'ютерне моделювання. Серія: Технічні науки |
| spellingShingle | Павленко, Віталій Лукашук, Денис Аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях |
| title | Аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях |
| title_alt | Analysis of the Reduction of Diagnostic Models of the Eye Movement System in Psychophysiological Studies |
| title_full | Аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях |
| title_fullStr | Аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях |
| title_full_unstemmed | Аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях |
| title_short | Аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях |
| title_sort | аналіз редукції діагностичних моделей окорухової системи у психофізіологічних дослідженнях |
| url | http://mcm-tech.kpnu.edu.ua/article/view/332206 |
| work_keys_str_mv | AT pavlenkovítalíj analysisofthereductionofdiagnosticmodelsoftheeyemovementsysteminpsychophysiologicalstudies AT lukašukdenis analysisofthereductionofdiagnosticmodelsoftheeyemovementsysteminpsychophysiologicalstudies AT pavlenkovítalíj analízredukcíídíagnostičnihmodelejokoruhovoísistemiupsihofízíologíčnihdoslídžennâh AT lukašukdenis analízredukcíídíagnostičnihmodelejokoruhovoísistemiupsihofízíologíčnihdoslídžennâh |