Please use this identifier to cite or link to this item: http://hdl.handle.net/11701/10825
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorНемнюгин Сергей Андреевичru_RU
dc.contributor.authorКузьмина Дарья Сергеевнаru_RU
dc.contributor.authorKuzmina Dariaen_GB
dc.contributor.editorКуперин Юрий Александровичru_RU
dc.contributor.editorKuperin Iurii Аleksаndrovichen_GB
dc.date.accessioned2018-07-25T20:11:15Z-
dc.date.available2018-07-25T20:11:15Z-
dc.date.issued2017-
dc.identifier.other031275en_GB
dc.identifier.urihttp://hdl.handle.net/11701/10825-
dc.description.abstractЦелью данной работы являлось нахождение количественного параметра для классификации медитаторов по временным рядам из записей ЭЭГ по группам - опытные и неопытные медитаторы. Таким предполагаемым параметром является показатель Ляпунова. В работе был использован метод вычисления спектров показателей Ляпунова с помощью комитета нейронных сетей. Основополагающим предположением в данной работе являлось то, что наличие положительного главного показателя Ляпунова будет означать принадлежность испытуемого к группе опытных медитаторов, а наличие отрицательных либо близких к нулю главных показателей Ляпунова будет говорить о том, что данный испытуемый - из группы неопытных медитаторов. Проведенные в работе исследования полностью подтвердили поставленную гипотезу. Таким образом, мы определили параметр, с помощью которого возможно классифицировать медитаторов по временным рядам из записей ЭЭГ по группам опытных и неопытных. Использованный в работе метод также может быть применен при исследовании временных рядов иной природы - финансовых, химических и т.д.ru_RU
dc.description.abstractThe goal of this work was to find the quantitative parameter for the classification of meditators from time series of EEG records by groups - experienced and inexperienced meditators. Such proposed parameter is the Lyapunov exponent. In this work, we used the method of computation of spectrum of Lyapunov exponents by using a committee of neural networks. A fundamental assumption of the work was that the presence of a positive main Lyapunov exponent will mean the assignment of the subject to a group of experienced meditators, when the presence of the negative or close to zero main Lyapunov exponents will say that this subject is from the group of inexperienced meditators. Carried out researches have fully confirmed the set hypothesis. Thus, we determined the parameter by which it is possible to classify the meditators from time series of EEG records by groups of experienced and inexperienced subjects. The used method can also be applied in the study of time series of different natures - financial, chemical, etc.en_GB
dc.language.isoru-
dc.subjectискусственные нейронные сетиru_RU
dc.subjectкомитеты искусственных нейронных сетейru_RU
dc.subjectглавный показатель Ляпуноваru_RU
dc.subjectложные показатели Ляпуноваru_RU
dc.subjectспектр показателей Ляпуноваru_RU
dc.subjectметод погружения в лаговое пространствоru_RU
dc.subjectреконструированный аттракторru_RU
dc.subjectQR-алгоритмru_RU
dc.subjectвременные рядыru_RU
dc.subjectЭЭГru_RU
dc.subjectмедитацияru_RU
dc.subjectartificial neural networksen_GB
dc.subjectcommittees of artificial neural networksen_GB
dc.subjectthe main Lyapunov exponenten_GB
dc.subjectspurious Lyapunov exponentsen_GB
dc.subjectspectrum of Lyapunov exponentsen_GB
dc.subjectthe method of immersing into the lag spaceen_GB
dc.subjectreconstructed attractoren_GB
dc.subjectthe QR algorithmen_GB
dc.subjecttime seriesen_GB
dc.subjectEEGen_GB
dc.subjectmeditationen_GB
dc.titleApplication of neural network methods for calculating Lyapunov exponents in time series of EEG for differentiating various states of consciousnessen_GB
dc.title.alternativeПрименение нейросетевых методов для вычисления ляпуновских показателей по временным рядам ЭЭГ для дифференциации различных состояний сознанияru_RU
Appears in Collections:BACHELOR STUDIES



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.