Пошук академічних текстів

Інформація × Реєстраційний номер 0825U003690, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 09-09-2025 Статус Запланована Назва роботи Моделі і методи інформаційної технології машинного навчання системи розпізнавання електроміографічних біосигналів у протезуванні Здобувач Супруненко Микита Костянтинович, Керівник Довбиш Анатолій Степанович Опонент Купін Андрій Іванович Опонент Чухрай Андрій Григорович Рецензент Барченко Наталія Леонідівна Рецензент Москаленко В’ячеслав Васильович Опис Дисертаційна робота присвячена підвищенню функціональної ефективності машинного навчання системи розпізнавання електроміографічних біосигналів (ЕМГ-біосигналів) для створення інтелектуального протезу шляхом побудови в рамках функціонального підходу до моделювання когнітивних процесів природнього інтелекту високо достовірних і оперативних вирішувальних правил. Об’єктом дослідження є слабоформалізований процес машинного навчання системи розпізнавання ЕМГ-біосигналів для керування протезом кісті руки з неінвазивною системою зчитування біосигналів за умови неповної визначеності даних. Предметом досліджень є моделі і методи інформаційної технології інформаційно-екстремального машинного навчання системи розпізнавання ЕМГ-сигналів для керування протезом кісті руки з неінвазивною системою зчитування біосигналів. Обрані методи дослідження базуються на принципах і методах інформаційно-екстремальної інтелектуальної технології машинного навчання для побудови високо достовірних і оперативних вирішувальних правил; методах теорії ймовірностей і математичної статистики для оцінки випадкових величин і перевірки статистичних гіпотез; методах та характеристиках теорії інформації для оцінки точності машинного навчання системи розпізнавання ЕМГ-біосигналів, які характеризують реакцією м’язів передпліччя на когнітивні команди відповідних жестів кісті та пальців руки; об’єктно-орієнтованій методології проектування складних систем для розробки інформаційного алгоритмічного та програмного забезпечення системи розпізнавання ЕМГ-сигналів, що навчається. Обґрунтовано актуальність теми дисертації, зазначено зв’язок роботи з науковими темами, сформульовано мету та задачі дослідження, визначено об’єкт, предмет та методи дослідження, показано наукову новизну та практичне значення отриманих результатів, наведено інформацію про практичне використання, апробацію результатів та їх висвітлення у публікаціях. За результатами аналізу сучасного стану та тенденцій розвитку протезування кінцівок людини з обмеженими функціональними можливостями показано, що перспективним напрямом підвищення функціональної ефективності протезу кісті руки з неінвазивною системою зчитування ЕМГ-сигналів є їх інтелектуалізація на основі машинного навчання. Незважаючи на значну кількість досліджень із вдосконалення взаємодії особи з інвалідністю з протезом кінцівки, зручність, функціональність та поширеність активних протезів в побуті все ще залишається на невисокому рівні. Якщо для формування вхідного математичного опису розроблено широку номенклатуру комп’ютерно-інтегрованих ЕМГ-сенсорів з фільтрацією і нормалізацією ЕМГ-біосигналів, то розроблення методів машинного навчання з високою точністю і оперативністю прийняття класифікаційних рішень все ще залишається проблематичним. Застосування традиційних методів інтелектуального аналізу даних Data Mining, включаючи штучні нейронні мережі (ШНМ), для інформаційного синтезу інтелектуального протезу не завжди забезпечує високу функціональну ефективність машинного навчання через високий ступінь перетину в просторі ознак класів розпізнавання. Показано перспективність використання в дисертаційних дослідженнях ідей і методів розробленої в Сумському державному університеті науковою школою професора Довбиша А. С. так званої інформаційно-екстремальної інтелектуальної технології (ІЕІ-технології) аналізу даних, яка ґрунтується на максимізації інформаційної спроможності системи в процесі машинного навчання. Але основна перевага методів інформаційно-екстремального машинного навчання полягає в тому, що вони на відміну від нейроподібних структур розробляються в рамках функціонального підходу до моделювання когнітивних процесів людини при формуванні та прийнятті класифікаційних рішень, тобто безпосередньо моделюють природний механізм прийняття рішень. Такий підхід на відміну від структурних методів дозволяє методам інформаційно-екстремального машинного навчання надати гнучкість при перенавчанні системи через розширення абетки класів розпізнавання. Крім того, побудова в рамках геометричного підходу вирішувальних правил робить їх практично інваріантними до багатовимірності словника ознак розпізнавання і суттєво підвищує оперативність прийняття класифікаційних рішень, що особливо важливо при керуванні інтелектуальними протезами. Водночас варто підкреслити, що методи інформаційно-екстремального машинного навчання здійснюються не в інтерактивному режимі, як це відбувається в штучних нейронних мережах, а в автоматичному і водночас потребують для формування навчальної матриці менше ніж на порядок зразків ЕМГ-сигналів. У дисертаційній роботі розв’язано важливе науково-практичне завдання розроблення інформаційної інтелектуальної технології машинного навчання системи розпізнавання ЕМГ-біосигналів для керування протезом кісті руки з неінвазивною системою зчитування біосигналів. Дата реєстрації 2025-09-05 Додано в НРАТ 2025-09-05 Закрити