Застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках
The possibility of assessing the human psychophysiological state based on mathematical modeling of the eye movement system (EMS) using experimental eye-tracking data is investigated. To describe EMS dynamics, nonlinear integral models represented by quadratic Volterra polynomials in the form of mult...
Gespeichert in:
| Datum: | 2026 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Ukrainisch |
| Veröffentlicht: |
Kamianets-Podilskyi National Ivan Ohiienko University
2026
|
| Online Zugang: | https://mcm-tech.kpnu.edu.ua/article/view/354929 |
| 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_ | 1867026064179462144 |
|---|---|
| author | Павленко, Віталій Лукашук, Денис |
| author_facet | Павленко, Віталій Лукашук, Денис |
| author_sort | Павленко, Віталій |
| baseUrl_str | http://mcm-tech.kpnu.edu.ua/index.php/2308-5916/oai |
| collection | OJS |
| datestamp_date | 2026-06-03T08:09:01Z |
| description | The possibility of assessing the human psychophysiological state based on mathematical modeling of the eye movement system (EMS) using experimental eye-tracking data is investigated. To describe EMS dynamics, nonlinear integral models represented by quadratic Volterra polynomials in the form of multidimensional transient characteristics were used. Experimental “input-output” data were obtained during identification experiments with step test visual stimuli, which made it possible to construct EMS models for two orthogonal directions of eye movements: horizontal (Model1) and vertical (Model2). Based on the transient characteristics of the models, two types of diagnostic feature spaces were formed: a heuristic feature space and a feature space constructed from the coefficients of wavelet decomposition. To increase the representativeness of the datasets, data augmentation was performed by adding additive Gaussian noise with levels of 1%, 3%, and 5%. The performance of psychophysiological state classification was evaluated using the probability of correct recognition (PCR) with the Bayesian classifier and the Support Vector Machine (SVM) method using the Stratified k-Fold cross-validation procedure. An exhaustive search of feature combinations made it possible to determine the most informative combinations of two and three features in the investigated spaces. The obtained results showed that dataset augmentation and the use of multidimensional feature combinations significantly improve classification accuracy. The maximum PCR values were obtained when using heuristic feature spaces for the combined dataset formed based on Model1 and Model2. The results confirm the effectiveness of applying integral EMS models constructed from eye-tracking data in orthogonal directions in intelligent information systems for assessing the human psychophysiological state based on machine learning methods. |
| doi_str_mv | 10.32626/2308-5916.2026-29.71-94 |
| first_indexed | 2026-05-27T01:05:56Z |
| format | Article |
| id | mcmtechkpnueduua-article-354929 |
| institution | Mathematical and computer modelling. Series: Technical sciences |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-06-04T01:00:05Z |
| publishDate | 2026 |
| publisher | Kamianets-Podilskyi National Ivan Ohiienko University |
| record_format | ojs |
| spelling | mcmtechkpnueduua-article-3549292026-06-03T08:09:01Z Application of Integral Models of the Eye Movement System Constructed from Eye-Tracking Data in Orthogonal Directions Застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках Павленко, Віталій Лукашук, Денис The possibility of assessing the human psychophysiological state based on mathematical modeling of the eye movement system (EMS) using experimental eye-tracking data is investigated. To describe EMS dynamics, nonlinear integral models represented by quadratic Volterra polynomials in the form of multidimensional transient characteristics were used. Experimental “input-output” data were obtained during identification experiments with step test visual stimuli, which made it possible to construct EMS models for two orthogonal directions of eye movements: horizontal (Model1) and vertical (Model2). Based on the transient characteristics of the models, two types of diagnostic feature spaces were formed: a heuristic feature space and a feature space constructed from the coefficients of wavelet decomposition. To increase the representativeness of the datasets, data augmentation was performed by adding additive Gaussian noise with levels of 1%, 3%, and 5%. The performance of psychophysiological state classification was evaluated using the probability of correct recognition (PCR) with the Bayesian classifier and the Support Vector Machine (SVM) method using the Stratified k-Fold cross-validation procedure. An exhaustive search of feature combinations made it possible to determine the most informative combinations of two and three features in the investigated spaces. The obtained results showed that dataset augmentation and the use of multidimensional feature combinations significantly improve classification accuracy. The maximum PCR values were obtained when using heuristic feature spaces for the combined dataset formed based on Model1 and Model2. The results confirm the effectiveness of applying integral EMS models constructed from eye-tracking data in orthogonal directions in intelligent information systems for assessing the human psychophysiological state based on machine learning methods. Досліджено можливість оцінювання психофізіологічного стану людини на основі математичного моделювання око-рухової системи (ОРС) за експериментальними даними айтрекінгу. Для опису динаміки ОРС використано інтегральні нелінійні моделі, представлені квадратичними поліномами Вольтерри у вигляді багатовимірних перехідних характеристик. Експериментальні дані «вхід-вихід» отримано під час ідентифікаційних експериментів із візуальними ступінчатими тестовими сигналами, що дозволило побудувати моделі ОРС для двох ортогональних напрямків руху очей: горизонтального (Model1) та вертикального (Model2). На основі перехідних характеристик моделей сформовано діагностичні простори ознак двох типів: евристичний простір ознак та простір, побудований на основі коефіцієнтів вейвлет-декомпозиції. Для підвищення репрезентативності вибірки застосовано аугментацію датасетів шляхом додавання адитивного гаусового шуму з рівнями 1%, 3% та 5%. Ефективність класифікації психофізіологічного стану оцінювали величиною імовірності правильного розпізнавання (ІПР) із використанням байєсівського класифікатора та методу опорних векторів (SVM) при застосуванні процедури Stratified k-Fold cross-validation. Повний перебір поєднань ознак дозволив визначити найбільш інформативні поєднання двох та трьох ознак у просторах, що досліджувались. Отримані результати показали, що аугментація датасетів та використання багатовимірних комбінацій ознак суттєво підвищують точність класифікації. Максимальні значення ІПР отримано при використанні евристичних просторів ознак для комбінованого датасету, який сформовано на основі моделей Model1 та Model2. Отримані результати підтверджують ефективність використання інтегральних моделей ОРС, що будуються за даними айтрекінгу в ортогональних напрямках, в інтелектуальних інформаційних системах для оцінювання психофізіологічного стану людини на основі методів машинного навчання. Kamianets-Podilskyi National Ivan Ohiienko University 2026-05-15 Article Article Рецензована Стаття application/pdf https://mcm-tech.kpnu.edu.ua/article/view/354929 10.32626/2308-5916.2026-29.71-94 Mathematical and computer modelling. Series: Technical sciences; 2026: Mathematical and computer modelling. Series: Technical sciences. Issue 29; 71-94 Математичне та комп'ютерне моделювання. Серія: Технічні науки ; 2026: Математичне та комп'ютерне моделювання. Серія: Технічні науки. Випуск 29; 71-94 2308-5916 10.32626/2308-5916.2026-29 uk https://mcm-tech.kpnu.edu.ua/article/view/354929/346604 Авторське право (c) 2026 Віталій Павленко, Денис Лукашук https://creativecommons.org/licenses/by-nc-nd/4.0 |
| spellingShingle | Павленко, Віталій Лукашук, Денис Застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках |
| title | Застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках |
| title_alt | Application of Integral Models of the Eye Movement System Constructed from Eye-Tracking Data in Orthogonal Directions |
| title_full | Застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках |
| title_fullStr | Застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках |
| title_full_unstemmed | Застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках |
| title_short | Застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках |
| title_sort | застосування інтегральних моделей око-рухової системи, побудованих за даними айтрекінгу в ортогональних напрямках |
| url | https://mcm-tech.kpnu.edu.ua/article/view/354929 |
| work_keys_str_mv | AT pavlenkovítalíj applicationofintegralmodelsoftheeyemovementsystemconstructedfromeyetrackingdatainorthogonaldirections AT lukašukdenis applicationofintegralmodelsoftheeyemovementsystemconstructedfromeyetrackingdatainorthogonaldirections AT pavlenkovítalíj zastosuvannâíntegralʹnihmodelejokoruhovoísistemipobudovanihzadanimiajtrekínguvortogonalʹnihnaprâmkah AT lukašukdenis zastosuvannâíntegralʹnihmodelejokoruhovoísistemipobudovanihzadanimiajtrekínguvortogonalʹnihnaprâmkah |