Архив статей журнала
В результате проведенных исследований разработан метод классификации адаптационного потенциала организма человека. Метод основан на использовании данных, которые получают при проведении функциональной пробы, ассоциируемой с функцией Хэвисайда, путем проведения которой получают модель переходного процесса в живой системе. Представляя живую систему квазилинейной, на основе ее импедансной модели получают спектральные характеристики живой системы, на основе которых формируют дескрипторы для модели машинного обучения. Для получения импедансной модели живой системы предложена методика трехфазного эксперимента. Методика трехфазного эксперимента заключается в моделировании функции Хэвисайда в процессе выполнения велоэргометрической функциональной пробы на трех уровнях функционального состояния организма человека. Это позволяет вычислять дескрипторы для трех «ветвей» классификатора адаптационного потенциала. Классификатор адаптационного потенциала включает драйвер построения линейной импедансной модели живой системы, формирователь дескрипторов и модуль принятия решений. В качестве линейной импедансной модели живой системы используется амплитудно-фазочастотная характеристика четырехполюсника, построенная по переходной характеристике модели живой системы, а дескрипторы вычисляются по импедансной модели Войта, адекватной экспериментально полученной амплитудно-фазочастотной характеристике модели живой системы. Проведены оценки показателей качества дихотомического классификатора адаптационного потенциала на экспериментальной группе студентов и аспирантов, разделенных на два класса посредством показателя активности регуляторных систем. Они показали, что уровень истинно положительных и истинно отрицательных результатов при классификации неизвестных примеров в удовлетворительной степени соответствуют экспертным оценкам. Это позволяет рекомендовать его для использования в практической медицине, например, в биотехнических системах реабилитации, спортивной медицине, а также для контроля динамики функционального состояния пациента в процессе лечения.
Работа посвящена созданию аппаратно-программного прототипа беспилотного транспортного средства и изучению вариантов его архитектуры в попытке создать универсальное стандартное решение для такого типа устройств. Рассматривается задача управления беспилотником таким образом, чтобы имелась возможность гибкого переключения источников управляющих команд и алгоритмов управления. Для этого подсистемы генерации и исполнения управляющих команд связываются посредством очереди сообщений, что дает возможность комбинировать автономный и дистанционно управляемый режим работы беспилотника. Предлагается метод генерации управляющих команд при следовании объекта по программной траектории, основанный на нейронной сети. Входными данными сети являются координаты программной траектории и текущее состояние объекта, а выходными - управляющие воздействия. В работе описывается аппаратная и программная составляющая устройства автомобильного типа, архитектура системы его управления, структура нейронной сети, возможные подходы к ее обучению. Обсуждается создание обучающей выборки как на моделируемых, так и на реальных данных о движении, что позволяет беспилотному устройству «обучаться» разным стилям вождения. Приводятся результаты экспериментов с различными обучающими выборками, которые демонстрируют практическую применимость предложенного метода управления. Уделено внимание аспектам структуры нейронной сети, включая выбор количества слоев и нейронов. Указано на возможность использования «промежуточных» точек программной траектории для улучшения свойств движения объекта. В целом делается вывод о перспективности применения нейронных сетей в управлении беспилотниками, в тех случаях, когда требуется комбинирование и гибкое переключение алгоритмов управления.