Моделирование биофизических реакций в интеллектуальных системах
Описана разработка моделей активации и взаимодействия систем обработки сенсорной информации на основе исследования биоэлектрической активности коры головного мозга человека. Получены регрессионные полиномы отражающие статистическое моделирование реакций головного мозга человека на внешние раздражите...
Збережено в:
| Опубліковано в: : | Математичні машини і системи |
|---|---|
| Дата: | 2005 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут проблем математичних машин і систем НАН України
2005
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/58968 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Моделирование биофизических реакций в интеллектуальных системах / С.Г. Золкин // Мат. машини і системи. — 2005. — № 2. — С. 147-154. — Бібліогр.: 2 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859742810873266176 |
|---|---|
| author | Золкин, С.Г. |
| author_facet | Золкин, С.Г. |
| citation_txt | Моделирование биофизических реакций в интеллектуальных системах / С.Г. Золкин // Мат. машини і системи. — 2005. — № 2. — С. 147-154. — Бібліогр.: 2 назв. — рос. |
| collection | DSpace DC |
| container_title | Математичні машини і системи |
| description | Описана разработка моделей активации и взаимодействия систем обработки сенсорной информации на основе исследования биоэлектрической активности коры головного мозга человека. Получены регрессионные полиномы отражающие статистическое моделирование реакций головного мозга человека на внешние раздражители. Эти регрессионные полиномы могут быть использованы при прогнозировании формирования ассоциативных связей в коре головного мозга человека.
У статті описано розробку активації та взаємодії систем обробки сенсорної інформації на основі дослідження біоелектричної активності кори головного мозку людини. Отримано регресійні поліноми, які відображають статистичне моделювання реакцій головного мозку людини на зовнішні подразники. Ці регресійні поліноми можуть бути використані при прогнозуванні формування асоціативних зв’язків у корі головного мозку людини.
The development of models of activation and interaction of systems of processing sensory information is described on the basis of researching bioelectrical activity of cerebral cortex. The regressive polynomials, reflecting statistical modeling reactions of the brain of the man on external irritants. These regressive polynomials may be used when forecasting formation of associative connections in cerebral cortex of the man.
|
| first_indexed | 2025-12-01T19:01:31Z |
| format | Article |
| fulltext |
yдк 004.89
с.г. 3oлltиH
tloдЕли P0BAH и Е БиoФ и3и Ч ЕGкиx P EAкЦи Й B и HтEлл EктyA,l ЬH Ь|x
сиGтEtшAх
Аbstnct: The devеlopment of models of adivation and interaction of sрterns of proсessiтg sё/?so4r infarmаtion is
desсibвd oл tfie basls af researching bioeleсtiсal activitу of cеrеbral сorteх. 7he regressfue palуrlomials' reflecting
*disticat modeling readions of thе brain of the man an ertomd irritaлfs. Гfiese regress/ve po[уnornials maу be used
whвn forecasting forrnation of аssoсlbliye сonneсtians in cercbral corteх of the man.
l{эу words: bioeleсtrical artivitу brain, аssoсlatiye еoпnedions, сзlrebra{ corteх, sensory informatian"
Анomaфя: У rmammi onЦсaнo pфpoбlry aкmuвaф ma взaeмoОii cucmeм oбpo6кu celсopЮг iнфopмaцi нa
ш+oвi doслiОжвння бioвлeкmpuuнoi aкmuвнaсmi кopu aoлoвнoaa мaзку люОuнu. Оmpшlaнo peepaciЙнi пoлiнoмu,
яi вiОoGpaжaюmь clnamuсmuчнr нoФIl,lo€'аl+ня peaкфЙ еoпoвнoeo мaзt<у люОuнu нa зoвнitltнi пoОpaзнuкu. Iti
peepeеiЙнi noлiнaмu 'rФliry{nь буmu вuкopucmaнi пpu пPoaнoЗувartнi фopмувaння acaфamuвнuх зa,язхiв у кapi
фIl'o*Юao мaaсулюОuнu.
Iлtoчвl clтoвa:5ioелeкmpuuнa aкmuвнiспь rrфt<у, Кapa aoлoвнoеo мo3I<у, aвфamuвнu зв'язкi, сeнcopнa
i+фopмaфя.
Aннomaцuя: Опucaнa paзpafiomкa мoОeлeЙ at<muвaLцJu u взauмфeЙcmaж eucmeм oбpaбomкu ceнсopнoЙ
utфoщtaцtu нa aсНoве ucслфoвaнuя бuoэлекmpuueскoii aкmuвнoсmu кopьI eoлoвHoao ttoaaa чeлoвеKa.
fToлуeньl pвepecсaoнныe lIoлl]l.tottbt oпpa}кaюupJ* clnamurmuчeс'{oo мoёeлupoвaнuе poaкцlй eoлОвнoЭo
чoFoвеKa нa вr\/a!|/a€ padpaхumeлu Эma peеp*cuoнньtе l7o./7af/otИbr frfoеуm 6ыmь uспoлanoвaны пpu
фopмupoвaнuя aфau,рamuеньж cвязеЙ в кope aoлog]oeo мсBaa чeлфrKa.
!лloчфыe cnoвa: бuaэлeкmpuЧecl<aя aКmuвнoсmь мaaЭa, кopa ёolloвI]oao мolёa, accoцuamuвньIr свя3u,
. Bвeдениe
пpоблer'ы. Пpи сoздaн}tи }.tнтeллeктyaлЬнЬIx с}lстeм, кaк пp?Bило, исIlолЬзyloтcя
бaзиpyющиeся на }lмитаци]4 oсoбeнносгёй вoспpl,|ятия, flepepaботки и oтoбpФкeн}4я
ции BЬlGllJи['и )tФtBoтl{Ь|ми и ЧeлoBexoм, Pазpaбота}tнЬ]e аIтгopl4тi'Ьt рoбoтoтeхH}1чeскиx
B opиeнтиpoBанЬ] нa HrпoсprдсгBeнHylo обpабoткy зByкoвoй и видeоинфopмацl4и с
рeaкЦиeй систё}vtЬl. ПoтщбнoстЬ B oЦёHкe GлyЧaйнЬж измeнeний вкeЦIнeй оpeды и
}lскycствeнньlмt4 интrллeктyалЬl{Ьlfo|и оl{стeniай't.l адeкBaтнЬlx pешeний состaBляeт
исс'Ileдoвaний peeкций Чeлoвeка.
литeparypнЬlx llcтoчннков. ИнтeгpaтивнЬ|ё фyнкцши цeнтpалЬнoй нepвной GистeMы (ЦHc)
- gтo тaк}te фyнкции' кoтOpыe нe свя3а}lы HeпoсpeдстBeннo с oбpaботкоЙ сенсopньж
или yпpaвлeниei' двигатeлЬнЬll'},t и вereтaтиBныinи Цeнтpаi.rи. Coглaснo физиолoгинeскиt'
интeгpaтиBныe фyнщии l.{НC лeжат в oс|{oвe Gознaния, prЧи, }'ыцrлeния (пoнимaнпя v|
понятия ми), па il|ят}l (вшюvая пpoцeссЬt oбрeн ия), эмoци й. Gгpyкгyрьr'
3a peaли3аЦl,|ю этltх фyнкций, ,Ioкал}вoвaны глaвI{Ьlьt oбрaзoм в нoвoй кope гoлoвнoго
(нeoкoщeксe) t1]. B каЧegгBе oдt{oгo из оснoB|tЬtх ш|rтoдoв },rз}д{eн}tя мeхан}lзt'ioв oбpaбoтки
и yt}pавлeния пoBeдeн}4e}| чeлoввl€ в нacrOяц{ee вpeмя пpимeняeтся
исслeдoвeн иe (ээг), peзyлЬтaты кoтopoгo пo3Boлякlт дrл aтЬ
o coстoя}|ии кoРЬl гoлoB}loгo l'tо3га 1.| пpoЦeссax, пpoтeкaк}tцltх в Heй (peaщии
3mriн G.Г." 2005
102&9763. |\Латeмaпtчнi triашиl{и iсистel!iи' 2005. iд2 147
прoбyЦteния, aктивaЦи}', тoprvloжeния и т.д.). Тaк, ргиотpaциЯ Ьprгма (1'4 гЦ) и e.pитмa (4-8 гф
xapaКтepнa для liioзroвoй дeятeль}|oсги взpoсЛoгo чeлoвeкa в сoстoянии снa, с[.pt4тьr (E-13 ГЦ)
дoмиtlиPyrт y ЧелoBeкa B сосToян}tl,t бoдpствовaн}tя с зaкpЬlтЬlп,и глa3aми. Пpи oтl(pЬlтЬlх глaзax ил]|
пoстyплeнии сигнaлoв oт tрyгl4x opгaнoB ЧyвстB e.BoлнЬl исЧeзaют (блoкaда оt-pитfula) и cшlrняются
Boлнaми $-pитмa (1}30 Гф, vтo хaрaКгeризyeт p-pшм l(аlt oдl{y из peакций кopЬt Ha внeшниe
pa3дp€D{мтелn [1,2l.
Пoстанoвка 3адaчи. L{eлью paботьl яBляeтся сoзданиe .vtaтeп'атиЧeск}tx мoдeлeЙ пpoгHoзt
биофизинескоЙ peакции кopЬl гoлoвHoГo мoзгa нa вoздeйстBиe paзлиЧHых стиlvlyЛoв: зpитeлЬньog
cЛ}rxовЬlx, соtvlатoсeHсopHЬlх и ltolitплeксa этих paздpaxмтвлой' a тaЮкe 0прeteлeHиe вoзlЙoжнoсп
испoлЬзoBaHия пoлyЧeннЬ|Х tvloдeлей для пpoгнOзиpoBaния B интeллeктyaлЬнЬlx систвмax. Ддn
рeaлшaЦии пoсгaвЛeilной зада.rи }1сп0лЬзylотся c.пelfiрaЛЬFlьrй и коppeляционньtй aнaлизы ээГ' 8
тaи{e },eтoдЬl статисТиЧeской обpaботки вЬ|3BаHнЬ|х пoтэltЦ}taлoв (BП) кopьt пpи вoздeйств]lt
3 pитeЛ Ьн Ь|x, сл}.хo вЬlx и cомaтoсrнсоp}| Ьlx paзд рaжцтeлe й'
2. iЛодeгrиpoвafiиe пpoгнo3a биофrrзннeскиx peaкцrrй кopьt ft}'loвHoгo li'loзfit нa воздeйствr.
pa3личllЬlx стиiiyлов
.flдя peгистраЦии биоэлeкrpичeскoй aКгивHocтl4 futoзгa в видe элeктpoaнцeфaлoгpaммы (ЭЭQ
испoлЬзoвaн нeйрoфиз}loлoгичeски Й комплeкс, кoтoрьlй вКIl Ючaeт:
1} 8-кaнaльньlй элeкгpоэнцeфалoгpаф фиpмьt МedicoЦ
2) пepсotlаЛЬньtй кoмпьloтep G аналoгo-цифpoвым пpеобpaзоватeЛе}' и спeЦ!raлЬ}lЬlfut
пpoгpafu! i l l l } l ьtм обeспeЧeн }leм (B RAl Nн/tAPл для сохpанl loсти и обpаботки
элrктрoэнцeфaЛCIгpамм i топoгpaфинeскoe кa pт} lpo ван иe ЭЭ Г) ;
3) раздpa}кaЮЦ{}ie yсТpoЙства {PУ}: фотoстиь.tyJlяция, нayшнl4к&t и т.д.
B экспеpимeнтe yЧаствotsаl-IИ 150 здopовЬD( tltHд}lв}.|дyyniloв, пpавшeЙ, в Boзpacтe от 18 дo
g1gт ИспьtТ-veмый помe'llaIiся нa сTyл в зaтeМнeнHyю комнary, 3апись ЭЭГ осyщеGтBлялаcЬ
ЧyвствитёЛЬности ЭЭГ-кaнала 100 мкBlсм. Пoстoяннaя BрeмeHи сoстaвляла 0,3 сeк' a филь
BepxFlих чаcтoт . 50 Гц, чтo oтBeЧaeт noлосe peГистpиpyeмыx колeбаний 0,5-50 Гц' в
наxoдятGя измepяeМыe pитtviЬl ЭЭГ: Ьритм {1-4 гЦ)' 0.pитм (4.8 гц), сl1.pитм (8.13 гц)' сr,2-pитм (s
Гф, p1.pитм (13.20 Гф, B2-pитм {20-30 Гц).
Прoвeдeннaя клaссификaЦия пoзBoлила oпpeдeлитЬ GoвolryпнoстЬ изfutepяeliь|x нa ooъe
иrcЛetoваFlия пepeмeннЬlx как У,i, гДe t =i i =|9 i хp, p =G (факгopьr X1, X2 Xg
paняоlpoваньt):
$;- зHaЧoниe BП (вызвaннoгo пoтrнЦиалa) i-го pитмa (тaбл.1) нa j-oм кo}tтрoлЬHoм
(тaбл.2);
Х1 - 3pиТeлЬHыe рa3др€DкиТeли, гдe фaкгор рaнжиpоBан cлeдyющиlЙ oбpазoм:
свeт {2Гф, Xз=2- бeльlй свeт (5Гф, Хt=3 - бeлый свeт (10Гф, Х1=4 - кpaсньtй свeт,
CBеТ, Х1=6 * зeлeньtй CBBT, Хl=7 - oткpЬ|тыe глa3a, x1=8 -ДвyMepHoe изобpажeние;
X2 - сЛ}Хoвыe pа3дp€Dкитоли, гte фaкгop paнжI4poBaн слeдyющип4 oбpaзoм: x2=1
yxa (10Гф, x2=2 -зByк нa лeвoe yхo (10Гф' хf3.3вyк нa пpaвoe цо (10Гф;
Хt=1 _
Хl=5 *
- 3вyк Hа
148 |ssN 1028.9763' Мaтeмaтичнi мaшини i оистeMи, 2005' }€
xз _ oбoнятeлЬ}iыe pаздpаrкитe;Iи, гдe фaкгop paнжиpoван слetyюt4t.li,6 oбpaзом: Xз=1 - зaпаx
кaмфopЬl, Xз=2 - зaпаx aпeлЬсиHа, Хз=3 - запаx мятьl;
х4 - комплeкс щздpаяоtтелeй, гдe фaкгор paфкиpoBaн следyющиM oбpазoм: ц='|
зpитeлЬHыe pаздpФк}'тeлИ,щ=2 - слyхoвыe pаздр€D|i}'тeли, ц=3 - обoнятeлЬныe разДp€l}|{l4тeли.
Таблица 1. CooтвeтотBиr l:гo индекса BызванHoгo пoтeнЦиалa yi peгистpиpyeмoМy pитlvly
Тaблицa
Cхeматичeскoe изобpaкeниe всex пoложений элeКгpoДoв Ha поBepxнogти гоftоBЬl
испытyeR'oгo в B!'tдe пpоe!(Ции свepxy и их oбoзнаЧeния пр,'sедeHы нa pис'l.
oснoвньle тоЧки oтвeдeния биопoтeнциaлoв были нaлон<eны с.l}OтBrтствeHHo ft'eЦqyНapCIдHoй
систe'йe (10-20}, в котоpoЙ сooТвeтGтBиe ',.!Ф+{qy
пoло}кltlияlvlи кФЦцoгo эЛeKrp0да с aHатofulиЧrскиfr,lи
cтpyКrypаMи и oблaстями l(OpЬ| гoЛoвнoгo lvloзгa т0ЧHо
yстaнo BлeНo pентгeнoЛoгl,tЧeски, оПpeteЛе}lЬl исХoднЬle ТоЧ ки
оточётa, yЧтeна вapиабeльнocтЬ аHaтo}лиЧrсIflх сТрy|ггyp" a
тaкжr pa3[,!rpoв и фоpмьl Чepепа' Точки oтвeдeния
сooтвeтстBylот тein обласгям Ь'oзга, |{а |(отopЫr oни
прorциp].ются: лобнaя - Fp1, Fp2 (frопtаlis), цeнтрaЛЬ}tая -
с3' с4 (сеntгa|is), зaтылoЧнaя t О1, CI2 {оссipitаlis)' висоЧнaя -
т3' T4 (temрога|is). ПpименялoсЬ ]vto}lolloляpнoe оТBeдeниe,
пpи кoтоpoм кoлeбaния г]oтeнЦиaла peгиcтpиpyloТся ТoлЬкo
пoд элeКгpoдol\,l, раGпoЛo)кeннЬlм нaд а ктl4врloй ткан ью,
B качeствe n,|атeЬ.'aтиЧeскoго аппаpата |\,{orqeлироBaния
приttят отатистичeский кopprляЦиol{lJo.peгpeссиoнньtй
анализ. BoзмoiкнoстЬ пpoвeдeния lинo)кeотBeннoгo кoppeляЦионl{o.peГpeсс}toннoгo aнализа
oбyсловлeнa нал}rчиe.ъ4 достатoЧнoй по объeмy выбоpоннoй сoвoкyпl.loсти вxofqнЬж и вЬIxoднЬlx
пepeмeннЬlx' xapaктepизyющeй обьeкг исслeдoвания и пoлyнeннoЙ нa оснoвe пpoвeдения
лaбopeтopнЬlХ экспepиfutrнтов.
Coглaснo aлгoритмy Beгpecсиo}|нoгo aнaлизa, Для oцeнки Bлияl.lия на Beличинy BП вxoдящих
фarгopoв, а таюкe в3aиr\4Floгo BIll.lяFlия BП в зависиlvloсти oт pltтп'oв колeбаниЙ и мopфологии
апpиopи бьtл зaдан вид многoфaКгopнЬlx пoлинoмoв (1):
Pиc.1" Cхемa pазt\{rщeния
элeктpoдoB для t\4oнoпoляp-
Hoгo oтвeдeния биoпoтeнЦиa-
лoв
2" Cоотвeтrтвие дго и}rдrкса Bь!зBаHl{огo пoтeнЦиaлa ylr
эJIrкТDoдoв
paспoлoжeниЮ|(oнтpoлЬFlЬlх
у; = b,*F,b*, У. j **u*, *-* b oX o,
lssN ,!028-9763' Мaтeмaтичнi l,talllин}t i сиотeми, 2005, N92
(1)
i i
I
1 2 3 4 5 G 7
Pегистpиpyeмьlй
pитiil {1.4Гц} (4.8Гц)
сr1
{8-1 3Гш)
p1
{1}20Гц)
p2
120.30Гu}
a2
{9-11Гt.t]
cpeднee
{1-3CIгц)
oв
J 1 ё 3 4 5 6 I o
Cигнал нa Fp1 Fp2 с3 с4 c1 o2 I J T4 Cpeднeе
149
ГДr у{ _знaчeние вЬlзBанl{огo tтOтe}tЦ}'aлa l:го pитмa {тaбл. 1} на j+м эIIeкгродe (тeбл' 2) пpи
примeнeни}l ргo фaпoрa;
-}* - знaveниr BыSвeннoгo Лoтeнц}taлa m.го pt.lтt\,tа на J-o}v| элeктpoдe пpи ]lpl{мe}|eнии p-гo
фактopа;
}и
_ знaЧeниe вызBа}l}|oГo гIотeнциaлa Ёгo pитмa на ,}ol!,l эЛеlсгpoдe tlpl,l пpиMеl{eнии Рro
фaкгopa;
bo,b*,b,,,b, _ oцeнки знaчений коэффициeнТoв peгрeссииi
bnjУmj = 0, ecли m=i;
bin уr, = 0, ecлу| n=i.
B peзyльтaтe экспepиri4eнта бьlли сoставлeньl инфopмaциоI.tнЬIe i i tатPицЬ|, на
oсHoвaн ии tсoтоРЬlx pассЧитЬlBaл]4GЬ кoэффицnентЬt кoppeляции, оI{eнки
коэффициeнтoв рeгpёссии и всe нeoбходимЬle видЬl стaтистиЧeских oцeнoк для
слyЧaeв воздeйствия:
а) зpительнЬl i;tи paздpaжитeЛЯMи X1;
б} слyxoвьl},и paздрaЖиТBЛяМИ x2]
в) зaпaхoвЬl l t lи рaздpa)кИТёЛЯМt,t Х3i
г} кoмплeксotvl всёх pa3tрa)китeлeй xq.
.{ля каждогo вoздeйствия бьlло пocтpoeнo 63 pегpeссиoFl l|Ьlх пoлинoi i a, кoтopыe
подBeрглиGЬ кaскад}|oЙ пpоцедype оптиtv! l l3аЦи}r. Peгpeссиott}|Ь,t!, пoл}|tto}'a&t
GoотBeтcтBylот cтaт}lотиЧecкиe oЦeнки Si . o. ' . 'oЧ}taя диспеpс}rя мaсштaбиpoваннoЙ
слyvайной BeлиЧl4нЬ l z , F l _ кРитepий Фишepа, R . кoэффициeнт мHожeствeннoй
дeTepь{иHации. f lля oЦeнoк кoэффициeнтoв peгрeссии pаcсЧитaны знаЧeния t.кpитеpия
Отьюдeнтa, кoтoрыe yкaзывaЮт На GтeпertЬ вл}tян}lя фактоpoв на oтl(л}tк l , l yЧ}lтывaЮтGя
IIpи }rсклк}Чeнии HeзнaЧиfulЬlx фактopoв в кaскаднoй peгpесоиoннoй пpoцедype' B xoдe
дaльнeйшeгo аHaлиза, }tа oсHoвaнии пoЛyЧeннЬlх статиGтиЧeскиx oцeнoк, с yЧeтoш|
пoгpeшнoстeй измepeния, внoсt4fr 'Ь|x сyбъeктивнoй oцeнкoй oпepaтopа 1'| тexничeскиl,tи
сpeдGтBaми' пoЛyЧeны Gлeдyющ}te pe3yлЬтaты:
1. Под дeйствиeм фaктopов хp }|а l(oнтpoлЬl{Ьlх элeктpoдeх пpoисxoдит
уn4eнЬЦJeниe ypoЕ}tя Б.ритма {1-4 Гц) пpи возникнoвeн},|и с}tгнaлов 0.pитма {4.8
гц} ' f f , .pитмa {8 .13 Гц) ' B-pитмa (13-30 Гц) , Чтo сooтвeтствyeт бoльшинствy
пpoвeдeнныx paFIeo нeyЧнЬlx иcслeдoвaний' Cтaтистt4Ческиe оцeнки пoлyЧeннЬlx
пoли}io}'oв нaxoдяTся в cЛeдyющих пprдeлах:
- 0 , 0028
стaтист иЧeскo гo [4атeр иaла peгpecси ol| н ЬI fut и IIoл и нoмa fti и ;
150 lssN 1028-9763. Матeмaтичнi мaЦJи}tи i систeми, 20о5' lв2
. в '1647з < F1 < 17g,ao41 - paссvитаннь|e зHаЧeния t loкaзыBaют стат},tстиЧrскyю
надeЛ(нoстЬ пoлyчeннЬlx рeгpeссиoннЬlx пoлиt{o}noв, Т.e' Gooтвeтств}'e
пprдставлeннЬtх пoлинoмaми cвязeй peалЬf lo GyщeстByющим;
- a '87752 < R < 0 ,9944 - pаосЧитa}{ныr зHaЧeния oцeнивaют дoл lо BapиaЦии
peзyлЬтaтивнoгo фaктopа за сЧeт пpедстaвлeннЬ lх B пoлин0 i ,1e фактopoв в
общeй вapиaЦи} l рeз] lлЬтата , т ,e rтoка3ывaЮт близoсть пoлyЧeннЬ lx
peГpeсcиo} l l {ь lх пoлинoпnoв к фyнкциoнальнoй GBязи.
2. Ha контpoлЬ}lЬlx элeктpOдаx пpol{схoдиТ yп4eнЬL[Jeниe ypoBня 0-pитtda (4-s Гц)
пpи Bо3F lи l (нoBeHи} l сигHалoЕ 6-pитмa ( r -a Гф, с [ -p} tт Iu !a (8-13 Гц) , B .ритмa i13 .30
Гц i , нто сo0тBетстByrт бoЛЬЦlи l - l ствy пpoвrдeннЬ|x paнеe HayЧ} lых иослeдoвaниЙ'
Cтатистическиe оЦeнки пoлyЧe} iнЬ lх полиномов нaхoдятся B слeдyЮщt4х
пpeделах:
- 0 , 00072 = S i s 0 , 09654 ;
- 1A,43292 < F , < g3,7g0. tg;
- 0 , 9 f 0 95<R<0 , 9958 .
3 , Hа кo}|тpoлЬ} lыx aлeктpодax прoисxoдит падeниe ypoвня (блoкaда) u , -pитма {8 .
13 Гц) I ]pи вo3 l - |и l tнcвrнии с} ' гHaлoB 6-pитма (1-4 Гц) ,0 .pитма (a-8 Гц) , p .pитмa
(13.30 ГЦ) , Чтo сooтBeтотByrт большинствy пpoвeден l . lЬ|Х paнer нayЧнЬ lx
иослeдoваниЙ. Cтaтистичeск}le oЦе}lкt.t пoлyЧeннЬIх г?oлиHoМoв }lаХoдятся в
оледyющl, lx прeдrлаx:
- 0 , 00078 = S i < 0 , 094З4 ;
- 9 , 73054 < F1 < 943 , 962g5 ;
- 0 , 8 8546< f f<0 , 99913 .
4. Haибoлee инфоpмaтиBHЬl l i . l l4 прeдGтaвляloтcЯ peгpec.иoH!{ыe .тoл&t*loмЬl '
пoл}.чeннЬIe npи вoздействии фактоpoв xp нa ЧастoтHЬlx под.qиal lа3oнах B-pитма
(13-30 Гц) : р1 (13-20 Гц) и р2 (20 .30 Гц) . Отaтистt ' lЧeскиr oЦeHк}r поЛyчeнНЬlх
11oли}toп4оB нgХoдятся в GлeдyIощиX пpeДeлaх:
- 0,14179
"
, f i , < 0,46673;
- 2 , 14579 < F1 < 7 ,A712g ;
- 0 ,53397<R<0.85858.
Пoсколькy пpоЦeдypа peгpeсGиoнHoгo aнaлизa ЧyвсТвитeльна lt l4склюЧe}lиto фaкгopoв 1.oй стeпeни,
8 кaЧrствe статиcгиЧeскиx t{oдeлeй бьlли вЬlДeЛенЬl пoлинoiilЬt (2) - (,|6), для кoтoрЬl* Si, < 0.2 :
I
У",
=.0,0868Уls-0,,|0,t3Уzs- 0,1169y35 +0,2501 y55-0,0280Уas + 0,5973 у75-a,1573Уцz-a,2371уц+
+ 0,0802 ya6 - 0,3959 Уqв +,l,6981 yag - 0,0058 xl ;
lssN 102&.9763. Мaтeматичнi МaшиHи i сиотeь!и, 2005, N92
(2)
2
1. '
.f цs
1 t
Y ".-
?
v, .
1 t
J + 1
J
1 t
J 1 ь
3
' t t
Y - _r ' } з
1
v =-0,1269yrо-0,1096Уао-0 '2665Узо +0, , t962Уsо-0,0201 Уоо+0,9327Уzo.0,4376уцl-a,2139Уцz-
J 1 6
- 0,5018 Уcз + 0,1190 ya5 - 0,2912 Уqz + 2,0833 Уqg . 0,0096 хl ; (3)
1
v =-0,3530Уrz-0,3?65Уzт-0,4188Узт -0,1568Уя -0,0287Ув; +,t ,9787y7i+0,2827y+l+
7 a n
+ 0,1660 }a3 - 0,0449 Уцд+ 0,a471 уa5- 0,1424 y* - o,зszз У+в + 0,8419 y+g - 0,0008 xr ; (4)
= -0,1469 Уrs . 0,2047 Уzэ - 0,2946 Уэs + 0,2541 }55 . 0,0266 Уss + 1,0785 yzэ - 0,6463 yqr -
- 0,2599уaa -0,1788уa7 + 2,2187Уаs + 0,0,t56xz; (5)
= .0 , 1878У rо . 0 ' 2209У :о - 0 , 4304Уза+0 ,1119Уsо -0 , 0330Уво+1 ,5050y76 . 0 , 1721 Уq t - 0 , 1113y+z -
. a , 27a2У+з+0 ,0579Уцц+0 ,0613у45 -0 , 35C I4 t a7 -0 , 2481 Удв+1 ' 9117yщ+0 ,0021 x z ; ( 6 )
= -0 , 2539У l z . 0 , 2854y27 -0 , 3164Уз z+1 ,4045Уz z+0 ,1629Уqз . 0 , 0795Уqq . 0 , 1156уa5 -
- 0'0864 Yдr .0,257? Уeз + 1 ,3507 Yss + 0,0177 хz ; Г0
А
v- - =.0,2438 y17.0,3136 }27 - 0,3538 yз7 .0,0454 У+т + 0,03]9 y57 +,l,4057 Утт + 0,7053 ysr _
t J !
. 0.2203 Уэz + 0,2659 }sз - 0,3678 Уsд . 0,3161 Уsв + 0,7690 Уsg - 0,0046 xz ,
= -a,2a22 Уrз ' 0,2056 y25 - 0,4028 yз5 - 0,0060 Усs + 1'4005 y75 - a,22g2 yal . 0,2623 уa2 .
.0,2062 Уaэ -a,2133 y44 + 0,0705 у46 . 0,3771 Уgв + 2,0083 yq,s + 0,0066 хз ;
= -0'1562 Ylс - 0,.!729 }26 . 0,4146 Узь + 0,3302 у56 - CI,G065 Уоо + 1,2803 y76 - 0,4252 ya1-
.0,1288 y42 .0,0763 y4з - 0,0380 уaa+ o,a272 у45 - 0,3261 Уцl + 1,9482 уцg + 0,0033 хз ;
j
v = -0,2930 Уlz - 0,3014 у27. О.3417 Узz + 0'2188 y57 - 0,0226 Уоz + 1,6427 у77 - 0,'1419 ya2 +
J a z
+ B'?506 y ;3 .0 1542 ! € -0 1459 Уgз + 0.8199 yзg - 0'0062 "xз .
=-0'013?Уls-0,0747y25-0,1052yз5-0,0066ta5-0,0085Уоs+0,4479у75-0,4321y5l+a,2487Узz-
- o,aт25 Уsз - 0,0322 Уsд + 0,3018 Уэо + 0,t452 y57.0,0107 Уss + 0'3894 y59.0,0001 x3 ; {12)
= .0,2465 Уt - 0,2714 Уzт . a3271 Узт + ,t,3579 yzт + 0,4390 Уsl - 0,1787 Уsа + 0,2493 ysз _
. a,2324 Уьq -0"0576 y56. 0,2367 Уэз + 0,8937 yэg - 0,0042 хз ; {13)
v =-aJ124У ls -0 , , l305Уzs-0 ,1737Узэ+0,242 i y55.0 ,0175Увs+0,7332y75-0 ,1310yц l -0 ,1109ya2+
a - -
r ' + l
+ 0'0344 }a . 0,2359 Уqд + 0'1037 Уq6 - 0,3347 Ув+ 1,6722ущ + 0,0020 х4 ; (14)
I
v .- =.0,134з t15 . 0,1280 }26 - 0,2916 y36 + 0,2198 }56 - 0,0144 Уос + 0,9937 уrc- 0,4756 yдl _
r' ;+Ф
.0'1888 ta2.0,3439 Уsз + 0,0909 ya5.0.3253 Удт + 2'0698 yun + 0'0110 ь ; (1q
1
v = -0,2955 Уrz - 0,31EE }27 - 0,3354 Узт - 0,0267 Уот + 1,6337 Утт + 0,1906 Уql + 0,2027 У+з-
v , -
. 0,0656 Уqа.0,1308 Уq6. 0,3108 Удв + 0,9604 ущ . 0,0085 ц ; (16)
/ _ 1 J l
152 lssN 102s-9763. Мaтематичнi мaЩиHи i cистeми, 2005' l€
153
I
3нaчeния Gтeтистичeских oЦeнoк tloлинollов (2) _ t16) пpt,'вeденЬl в таблицe 3,
Тaблицa 3. 3нaчeния сТатиGтичrскиx oцeнoк пoлинoМoв (2)': (16)
Ng полиномa
,S; Ft
z 0'141т9 7,07129 0,85858
0,18462 5,43081 0 ,81587
4 0,1 9873 5,0451 3 0 ,80179
0 , 1 6 1 9 8 6,21т01 0,83915
0, i 9625 5 ,13 i48 0,80512
7 0, '19543 5,15296 0,805s4
0,1 62З9 6,20151 l я?я / f i
Ч 0,14571 6,51244 0,85533
1 г 1 4J7576 5'7З051 0,82550
1 1 0,17387 5.79275 a,827З7
l z 0, I 9335 5,20908 0,80803
4'1. c,1 6494 6,10651 0,83624
t a 0,14736 6,73649 0,85287
1 5 n {яxяG 5,44612 0,81638
a'1982т \ n Б 1 1 - 7 0,80203
B кaхщом и3 пoл l lнoмов (2) - (16} рoлЬ l4скo}noгo oткликa Bыnoлняeт ypовeнь BП
вь lбрaнногo г loдtиaпaзoHа p .pитмa нa одHоn, l у13 ко} iтpолЬнЬ lx элeктрoдов, a poЛЬ
фaкторoв - ypoBl. lи BIl воeх дрyгих измeряe}, lЬlХ p}'тr\4oB F|а этol l , t элeкТроte, ypoвни BП
выбpaннoгo пoддиaпазoнa p .pитма Ha вGex дpyгиx l (oнтpолЬHЬlx элeктpoдax и фактор
внeшнeгo воздeйствия. Coгласно физиоЛoгиЧеским .qaННЬlм, pегисТpaЦия сиГналoв p .
pитма овидетелЬcтвyeт об aктивaЦии иcслeдye l i , toгo yЧaстка нeoкopТе|(са . Мoжнo
пpeдпoлo}китЬ, чТo yкa3aннЬle пoл14нo}vtЬ| сoдepЛ(aт инфoрмацию (знaки и BeлиЧl4ньI
oЦeнoк значeниЙ кosффиЦиeнтoB perрeссиt4 b4 и 3наЧёний f .кpитepия Cтьюдeнта дЛя
каждoй оцeнки i , характrризy}oщy lo активаЦи lo yЧасткoв кopЬ l г0лoвнoгo мoзга , a тaкжe
нaпpaвлeннoотЬ t. l cтeпeнЬ взeимoдeйGтBия lne)+иy yчaсткai l tи кopЬl пoд влияHиeNit
пpиI{eненнЬlх paздра}китeлeй' B пoлl|нo}лaх пpoявляsтся t ' l te i l(пoлytl lapная
фyнкциoнаJ tЬнaя асиM[ 'eтpия и l \ ,е}| (пoлyшapнЬ le связи yЧaсткoв кopЬ l ' 3ависящиe oт
типа paздpa)к]4тeля, Чтo Taк}+(e xaрaкTepи3yeтся зltаltoвЬlt1Jlи и Чl{сЛe}tнЬlми зHачeнияl i j tи
oцeнoк кoэффициeнтов 04 npи cooтBетотB}}ol{иx f1.1, измeренl{Ьlх t|а кot|тpолЬнЬlх
элeктpoдаx в paзнЬlx пoлyшapияx.
|ssN 1028-9763' Мaтeмaтичнi rdaIJJиHи i систeми. 2005. Ns2
3.3aключeниe
B peзyльтaтe пpoвeдeннЬlх исслeдoBаний пoказаHo, Чтo cтaт}'GтиЧескoe lul0tел}'poBaниe peакций
ГoлoBHoгo [4o3гa ЧrлoBeка на Bнeшниe pа3дрa}(итeли' oтp€Dкeннor пoлyЧrннЬllvll4 perpeccиoн}|Ь1lv|и
пoлинotvlаl\4и, опprдeляeт нa}.t{l{yю нoB}rзнy даннoй pабoтьl J.e. пo3в0Ляeт [Ipoгlro3иpoвaтЬ peакЦ].tlо
чeлoвeкa, пepенoся ee нa aдeквaтнoe пoвrдeниe шнтeллeктyaлЬнЬlx систeм и poбoтoв.
Пpaкгинeскoe зHаЧeниe дaннoй paбoтьt закЛ}очaeтся в тoti{, Чтo peгprcс}toнныe пoлнHor,tы (2) _ (16)
моryг бьtть испoлшoвaны пpи пporнозиpoвaнии фopмиpoвaния асGoЦиaтивных связeй B кope
гoлoвнoгo [,loзгa Чeлoвeкa, Чт0 Moжeт пoвлl,tЯтЬ }lа }tзinёнeниe скopocги при}tят}lя щшeний
интeллeКгyальнoЙ оистeмой poбoта.
спиGoк Лl4тЕPAтyPЬl
1 , Шмидт P., Тeвс Г' Физиолoгия Чeловeкa: B } т' - М,: МИP' 1996.
2. }ftдин H.М. БиoфизиЧecкиe мexанизIr'Ьl фoрмиpовaния элеlffpoэHцeфaлoгpaммьt. . М.; Hayкa, 1984.
154 lssN 1028-9763. lVlaтeматичнi мaшини iсистeми, 2005' }ф2
|
| id | nasplib_isofts_kiev_ua-123456789-58968 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1028-9763 |
| language | Russian |
| last_indexed | 2025-12-01T19:01:31Z |
| publishDate | 2005 |
| publisher | Інститут проблем математичних машин і систем НАН України |
| record_format | dspace |
| spelling | Золкин, С.Г. 2014-04-03T11:39:22Z 2014-04-03T11:39:22Z 2005 Моделирование биофизических реакций в интеллектуальных системах / С.Г. Золкин // Мат. машини і системи. — 2005. — № 2. — С. 147-154. — Бібліогр.: 2 назв. — рос. 1028-9763 https://nasplib.isofts.kiev.ua/handle/123456789/58968 004.89 Описана разработка моделей активации и взаимодействия систем обработки сенсорной информации на основе исследования биоэлектрической активности коры головного мозга человека. Получены регрессионные полиномы отражающие статистическое моделирование реакций головного мозга человека на внешние раздражители. Эти регрессионные полиномы могут быть использованы при прогнозировании формирования ассоциативных связей в коре головного мозга человека. У статті описано розробку активації та взаємодії систем обробки сенсорної інформації на основі дослідження біоелектричної активності кори головного мозку людини. Отримано регресійні поліноми, які відображають статистичне моделювання реакцій головного мозку людини на зовнішні подразники. Ці регресійні поліноми можуть бути використані при прогнозуванні формування асоціативних зв’язків у корі головного мозку людини. The development of models of activation and interaction of systems of processing sensory information is described on the basis of researching bioelectrical activity of cerebral cortex. The regressive polynomials, reflecting statistical modeling reactions of the brain of the man on external irritants. These regressive polynomials may be used when forecasting formation of associative connections in cerebral cortex of the man. ru Інститут проблем математичних машин і систем НАН України Математичні машини і системи Моделювання і управління великими системами Моделирование биофизических реакций в интеллектуальных системах Моделювання біофізичних реакцій в інтелектуальних системах Modeling biophysical reaction in intelligent systems Article published earlier |
| spellingShingle | Моделирование биофизических реакций в интеллектуальных системах Золкин, С.Г. Моделювання і управління великими системами |
| title | Моделирование биофизических реакций в интеллектуальных системах |
| title_alt | Моделювання біофізичних реакцій в інтелектуальних системах Modeling biophysical reaction in intelligent systems |
| title_full | Моделирование биофизических реакций в интеллектуальных системах |
| title_fullStr | Моделирование биофизических реакций в интеллектуальных системах |
| title_full_unstemmed | Моделирование биофизических реакций в интеллектуальных системах |
| title_short | Моделирование биофизических реакций в интеллектуальных системах |
| title_sort | моделирование биофизических реакций в интеллектуальных системах |
| topic | Моделювання і управління великими системами |
| topic_facet | Моделювання і управління великими системами |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/58968 |
| work_keys_str_mv | AT zolkinsg modelirovaniebiofizičeskihreakciivintellektualʹnyhsistemah AT zolkinsg modelûvannâbíofízičnihreakcíivíntelektualʹnihsistemah AT zolkinsg modelingbiophysicalreactioninintelligentsystems |