ПРИМЕНЕНИЕ ИНС В ИНТЕРФЕЙСАХ ЧЕЛОВЕК – МАШИНА

В настоящее время почти не осталось сфер человеческой деятельности, которых не касается автоматизация, получившая наибольшую популярность за последние несколько лет. На сегодняшний момент большую известность приобрели методы, которые основаны по принципу организации и функционирования биологических нейронных сетей. В статье приведен аналитический обзор возможностей применения искусственных нейронных сетей (ИНС) при разработке интерфейсов человек – машина, основанных на различных физических принципах взаимодействия с организмом человека. Данный интерфейс обеспечивает взаимодействие пользователя с управляемыми им машинами. Приведены примеры использования интерфейсов человек – машина в бытовой, медицинской и военных областях. Эффективность обусловлена гибкостью, нелинейностью, быстродействием и обучаемостью систем, основанных на нейронных сетях. Таким образом, пользователи могут проводить контроль процесса с большой точностью, добиваясь наилучшего результата. Рассмотрены вопросы применения ИНС в системах управления техническими объектами, основанных на распознавании естественной речи, отслеживании направления взгляда, анализе электрической активности головного мозга и мышечных волокон человека. Описаны задачи предварительной обработки информации, классификации, анализа результата, полученного с помощью обработки нейронной сетью.

1. Локтионов Н.П. Обзор систем распознавания речи // Молодежный научный форум: Технические и математические науки: электр. сб. ст. по мат. XLIII междунар. студ. науч.-практ. конф. № 3(43). URL: https://nauchforum.ru/archive/MNF_tech/3(43).pdf (дата обращения: 19.01.2019)

2. Ле Н. В. Распознавание речи на основе искусственных нейронных сетей [Текст] // Технические науки в России и за рубежом: материалы Междунар. науч. конф. (г. Москва, май 2011 г.). — М.: Ваш полиграфический партнер, 2011. — С. 8-11. — URL https://moluch.ru/conf/tech/archive/3/712/ (дата обращения: 18.01.2019).

3. Малин, И. К., Крапивенко, А. В. Система отслеживания направления взгляда с использованием доступной видеоаппаратуры / И. К. Малин, А. В. Крапивенко // Электронный журнал «Труды МАИ». – Вып. 36. – С. 7–11.

4. Duchowski A. T. Eye Tracking Methodology: Theory and Practice. Springer, 2007, 22

5. Шепета Александр Павлович, Жаринов Игорь Олегович Перспективы применения в авиации интегрированных нашлемных систем нейрофизиологического контроля // Информационно-управляющие системы. 2003. №6, с. 58-62.

6. Glenstrup A. J., Engell-Nielsen T. Eye-controlled media: present and future state. University of Copenhagen DIKU, June 1995.

7. Сидорова М.А., Сержантова Н.А., Чулков В.А. Некоторые аспекты применения компьютерных технологий нейросетевого прогнозирования в медицине //XXI век: итоги прошлого и проблемы настоящего плюс. 2015. № 4 (26). С. 94-100.

8. Черний В.И., Острова Т.В., Качур И.В. Применение метода нейросетевого моделирования для исследования электрической активности мозга человека, укладывающейся в понятие «норма» // Искусственны интеллект. 2008. №2. С. 76-87.

9. Лаврентьева С.В. Нейросетевые алгоритмы обработки электроэнцефалограмм для диагностики эпилепсии. Автореферат диссертации. Минск, 2010. 22 с.

10. Жиганов С.В. Использование каскада нейронных сетей для анализа ЭЭГ данных //Вестник научного общества студентов, аспирантов и молодых ученых. 2015. №1. С. 14-22.

11. Пен О.В. Использование вейвлет-нейросетей для анализа ЭЭГ в диагностике эпилепсии. URL: http://elib.sfukras.ru/hancHe/2311/18967

12. Мусакулова Ж.А. Разработка нейросетевой автоматизированной системы классификации данных ЭЭГ//Альманах современной науки и образования. №2. 2014. С. 118-120.

13. Мусакулова Ж.А. Нейросетевой анализ данных электроэнцефалограммы. Альманах современной науки и образования. Тамбов: Грамота, 2017. № 4-5. С. 68-72

14. Будко Р.Ю., Старченко И.Б., Будко А.Ю. Распознавание лицевой электромиограммы в системе управления вспомогательными устройствами. Перспективные системы и задачи управления, Материалы Двенадцатой Всероссийской научно-практической конференции и Восьмой молодежной школы-семинара «Управление и обработка информации в технических системах», Ростов-на-Дону, 2017г. С. 572-574

15. Будко Р.Ю., Чернов Н.Н, Будко А.Ю. Распознавание мышечных усилий по сигналу лицевой электромиограммы в режиме реального времени // Научный вестник НГТУ. – 2018. – № 2 (71). – С. 59–74. – doi: 10.17212/1814-1196-2018-2-59-74.

16. Будко Р.Ю., Старченко И.Б., Будко А.Ю. Preprocessing Data for Facial Gestures Classifier on the Basis of the Neural Network Analysis of Biopotentials Muscle Signals. First International Conference, ICR 2016, Budapest, Hungary, August 24-26, 2016, Proceedings, Springer International Publishing, Vol. 9812, Online ISBN 978-3-319-43955-6, pp. 163-171.

17. . Будко Р.Ю., Старченко И.Б. Создание классификатора мимических движений на основе анализа электромиограммы. Труды СПИИРАН. 2016. Выпуск 46. C. 76-89.