Application of neural network methods for calculating Lyapunov exponents in time series of EEG for differentiating various states of consciousness

Abstract

Целью 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.

The 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.