O‘zgartirilgan Z-SCORE VA KO‘P MOSHINALARNI O‘RGANISH ARXITEKTURALARINI YAXSHLASH FOYDALANISH FOYDALANISHDA EEG Signallaridan Haydovchilarning Charchoqligini Aniqlash UCHUN MUSTAHKAM RAMA 1-qism.

ANTRACT: Elektroansefalogramma (EEG) kabi fiziologik signallar haydovchining miya faoliyatini kuzatish uchun ishlatiladi. Portativ EEG tizimi bir qancha afzalliklarga ega, jumladan, ishlash qulayligi, iqtisodiy samaradorlik, portativlik va bir nechta jismoniy cheklovlar. Biroq, EEG signallarini tahlil qilish qiyin bo'lishi mumkin, chunki ular ko'pincha mushaklarning faolligi, ko'zning miltillashi va kiruvchi shovqinlarni o'z ichiga olgan turli artefaktlarni o'z ichiga oladi. Ushbu tadqiqot haydash simulyatsiyasida qatnashgan 19 yoshdan 24 yoshgacha bo'lgan 12 nafar yosh, jismonan sog'lom erkak ishtirokchilarning qayta ishlanmagan EEG ma'lumotlaridan bunday kiruvchi signallarni yo'q qilish uchun mustaqil komponent tahlili (ICA) yondashuvidan foydalangan. Bundan tashqari, haydovchining charchoq holatini aniqlash O1, O2, Fp1, Fp2, P3, P4, F3 va F4 dan olingan ko'p kanalli EEG signallari yordamida amalga oshirildi. Haydovchi charchoq tasnifining ishonchliligini oshirish uchun vaqt chastotasi domenining uzluksiz to'lqinli konvertatsiyasidan (CWT) olingan xususiyatlar bilan kengaytirilgan o'zgartirilgan z-skordan foydalanildi. Taklif etilayotgan metodologiya bir qator afzalliklarga ega. Birinchidan, ko'p kanalli EEG tahlili uyqu bosqichini aniqlashning aniqligini oshiradi, bu haydovchining charchoqlarini aniq aniqlash uchun juda muhimdir. Ikkinchidan, xususiyatlarni ajratib olishda yaxshilangan o'zgartirilgan z-skor an'anaviy z-skor texnikasiga qaraganda mustahkamroq bo'lib, uni chet qiymatlarni olib tashlash va tasniflash aniqligini oshirish uchun samaraliroq qiladi. Uchinchidan, haydovchilarning charchoqlarini aniqlash uchun tavsiya etilgan yondashuv uzoq qisqa muddatli xotiradan (LSTM) foydalanadigan konvolyutsion neyron tarmoqlari (CNN), takroriy neyron tarmoqlari (RNN), sun'iy neyron tarmoqlari (ANN) kabi bir nechta mashinani o'rganish tasniflagichlarini qo'llaydi. Yordam vektor mashinalari (SVM) kabi texnikalar. Beshta klassifikatorni baholash 5-katta oʻzaro tekshirish orqali amalga oshirildi. Natijalar shuni ko'rsatadiki, tavsiya etilgan tizim haydovchi charchoqlarini aniqlashda o'ta aniqlikka erishadi, o'rtacha aniqlik darajasi 96.07 foiz . Tasniflagichlar orasida ANN klassifikatori eng muhim aniqlikka erishdi - 99,65 foiz, SVM klassifikatori esa 97,89 foiz aniqlik bilan ikkinchi o'rinni egalladi. Qabul qiluvchining ish tavsifi (ROC) va egri chiziq ostidagi maydon (AUC) tahlili natijalariga ko'ra, barcha tasniflagichlarning o'rtacha AUC qiymati 0,95 bo'lgan ajoyib ko'rsatkichlarga ega ekanligi kuzatildi. Ushbu tadqiqotning hissasi EEG signallaridan haydovchining charchoqlarini aniq aniqlay oladigan keng qamrovli va samarali asosni taqdim etishdan iborat.

Cistanche charchoqqa qarshi va chidamlilikni kuchaytiruvchi vosita sifatida harakat qilishi mumkin va eksperimental tadqiqotlar shuni ko'rsatdiki, Cistanche tubulosa qaynatmasi og'irlikdagi suzuvchi sichqonlarda shikastlangan jigar gepatotsitlari va endotelial hujayralarini samarali himoya qilishi, NOS3 ekspressiyasini oshirishi va jigar glikogenini rag'batlantirishi mumkin. sintez, shuning uchun charchoqqa qarshi ta'sir ko'rsatadi. Feniletanoid glikozidga boy Cistanche tubulosa ekstrakti zardobdagi kreatin kinaz, laktat dehidrogenaza va laktat darajasini sezilarli darajada kamaytirishi va ICR sichqonlarida gemoglobin (HB) va glyukoza darajasini oshirishi mumkin va bu mushaklarning shikastlanishini kamaytirish orqali charchoqqa qarshi rol o'ynashi mumkin. va sichqonlarda energiyani saqlash uchun sut kislotasini boyitishni kechiktirish. Murakkab Cistanche Tubulosa tabletkalari og'irlikni ko'taruvchi suzish vaqtini sezilarli darajada uzaytirdi, jigar glikogen zaxirasini oshirdi va sichqonlarda mashqdan keyin qon zardobidagi karbamid darajasini pasaytirdi, bu uning charchoqqa qarshi ta'sirini ko'rsatdi. Cistanchis qaynatmasi sichqonlarning chidamliligini oshirishi va mashq qilishda charchoqni yo'q qilishni tezlashtirishi mumkin, shuningdek, yuk mashqlaridan keyin qon zardobida kreatin kinazning ko'payishini kamaytirishi va mashqdan keyin sichqonlarning skelet mushaklarining ultrastrukturasini normal holatda saqlashi mumkin, bu uning ta'siri borligini ko'rsatadi. jismoniy kuch va charchoqqa qarshi kurash. Cistanchis, shuningdek, nitrit bilan zaharlangan sichqonlarning yashash vaqtini sezilarli darajada uzaytirdi va gipoksiya va charchoqqa chidamliligini oshirdi.

Charchoq hissi haqida nima deyishni bosing

【Batafsil ma'lumot uchun:george.deng@wecistanche.com / WhatApp:8613632399501】

HUKUK: Ishyarat fiziologi, seperti elektroensefalogramma (EEG), digunakan bagi memerhati aktiviti otak pemandu. Sistem EEG mudah alih menyediakan beberapa kelebihan, termasuk kemudahan operasi, keberkesanan kos, mudah alih dan sedikit sekatan fizikal. Namun, isyarat EEG mungkin sukar dianalisis kerana ia seeing mengandungi pelbagai artifak, termasuk aktiviti otot, mata berkedip dan bunyi yang tidak diingini. Kajian ini menggunakan pendekatan analisis komponen bebas (ICA) bagi membuang isyarat tidak diperlukan daripada ma'lumotlar EEG yang belum diproses daripada 12 peserta lelaki muda, cergas fizikal berumur 19 hingga 24 to'g'ridan-to'g'ri simulyatsiya qilingan. Tambahan, pengesanan keadaan lesu pemandu telah dijalankan menggunakan isyarat EEG berbilang saluran yang diperoleh dari O1, O2, Fp1, Fp2, P3, P4, F3, dan F4. Penambah baik skor z digunakan dengan ciri diekstrak daripada transformasi wavelet berterusan (CWT) domain frekuensi masa bagi meningkatkan kebolehpercayaan klasifikasi keletihan pemandu. Metodologi yang dicadangkan menawarkan beberapa kelebihan. Pertama, analisis EEG berbilang saluran meningkatkan ketepatan pengesanan peringkat tidur, penting bagi pengesanan keletihan pemandu secara tepat. Kedua, penambah baik skor z dalam pengekstrak ciri adalah lebih teguh daripadateknik skor z konvensional, menjadikannya lebih berkesan bagi membuang un luaran dan meningkatkan ketepatan pengelasan. Ketiga, pendekatan yang dicadangkan bagi mengesan keletihan pemandu menggunakan pelbagai pengelas pembelajaran mesin, seperti Rangkaian Neural Konvolusi (CNN), Rangkaian Neural Berulang (RNN), Rangkaian Neural Buatan (ANN) texnik yang menggunakan Penjang Penjang (ANN) texnik yang menggunakan Penjang Memori (Pendekatan yang) mesin seperti Mesin Vektor Sokongan (SVM). Penilaian lima pengelas dilakukan melalui pengesahan silang 5 kali ganda. Dapatan kajian menunjukkan cadangan rangka kerja ini mencapai ketepatan yang luar biasa dalam mengenal pasti keletihan pemandu, dengan qadar ketepatan purata 96.07 foiz . Antara kesemua pengelas, pengelas ANN mencapai ketepatan paling ketara sebanyak 99,65% , dan pengelas SVM menduduki tempat kedua dengan ketepatan 97,89% . Berdasarkan qo'shimcha tahlil qilish operasi penerima (ROC) va kawasan di bawah lengkung (AUC), didapati semua pengelas mempunyai prestasi cemerlang, dengan purata nilai AUC 0,95. Sumbangan kajian ini adalah terletak pada rangka kerja yang komprehensif dan berkesan mengesan keletihan pemandu secara tepat melalui isyarat EEG.

KALİT SO'ZLAR: haydovchining charchashi; elektroensefalogramma (EEG); z ball; chuqur o'rganish

1.KIRISH

Jahon sogʻliqni saqlash tashkiloti statistik maʼlumotlariga koʻra, har yili taxminan 127000 kishi yoʻl-transport hodisalarida hayotdan koʻz yumadi, bu qurbonlarning deyarli uchdan bir qismini oʻsmirlar va yoshlar tashkil qiladi [1]. Charchoq haydash yo'l-transport hodisalarida o'limga olib keladi va konservativ hisobda o'n mingdan ortiq o'limga yordam beradi. So'nggi paytlarda ba'zi avtonom transport vositalari haydovchilarning charchoqlari tufayli yo'l-transport hodisalarining oldini olish uchun ogohlantirish tizimini taklif qilishdi. Tizim haydovchilarni avtomashinada signal berish orqali uzoq vaqt haydashdan tanaffus qilishni taklif qiladi, haydovchiga haydashni to'xtatish va kofe-breyk olish haqida ogohlantiradi.

Elektroansefalogramma (EEG) kabi fiziologik signallar haydovchining miya faoliyatini kuzatish uchun ishlatiladi. Portativ EEG tizimi boshqa elektroensefalografiya tizimlariga nisbatan bir qator afzalliklarga ega, jumladan, ishlash qulayligi, iqtisodiy samaradorlik, portativlik va bir nechta jismoniy cheklovlar [2]. EEG signallarida mushaklarning faolligi, ko'zning miltillashi va kiruvchi shovqin kabi artefaktlarning mavjudligi tahlil qilish uchun sezilarli qiyinchilik tug'dirishi mumkin. Shu sababli, joriy maqola EEG signalidan bunday shovqinni yo'q qilish uchun mustaqil komponent tahlili (ICA) texnikasidan foydalanishni taklif qiladi. Ko'pgina tadqiqotlar shuni ko'rsatdiki, uyqu bosqichini aniq aniqlashning muhim komponenti ko'p kanalli EEGni tahlil qilishdir [3]. Shunday qilib, ushbu tadqiqot haydovchining charchoq holatini aniqlash uchun O1, O2, Fp1, Fp2, P3, P4, F3 va F4 dan olingan ko'p kanalli EEG signallarini ko'rib chiqadi.

Vaqt chastotasi domenining xususiyatlari, yaxshilangan o'zgartirilgan z-skorli uzluksiz to'lqinli transformatsiya (CWT) haydovchi charchoq tasnifining aniqligini oshirdi. Yaxshi natijalarga erishish uchun eng yaxshi xususiyatlarni tanlash muhimdir. Morlet ona to'lqini boshqa usullardan ustun bo'lgan hisoblash samaradorligi tufayli an'anaviy CWT texnikasida keng tarqalgan amaliyotdir. Buning sababi, Morlet to'lqini kamroq hisoblashlarni o'z ichiga oladi, ularning aksariyati tez Furye transformatsiyasi orqali amalga oshiriladi va kamroq kod talab qiladi [4].

Ma'lumotlarni tahlil qilish va sifatni nazorat qilish sohasida cheklovchilarni aniqlash statistik tahlillarning aniqligi va asosliligini ta'minlashda hal qiluvchi qadamdir. Z-skori ma'lumotlar to'plamidagi chegaralarni aniqlash uchun keng qo'llaniladigan usuldir, ammo u ekstremal qiymatlarga sezgir va bunday chegaralar mavjud bo'lganda mustahkam hisoblanmaydi. O'zgartirilgan z-skor ushbu muammoni hal qilish uchun joriy etildi, bu chetga nisbatan kamroq sezgir bo'lib, turli ilovalarda chetni aniqlashning mashhur usuliga aylandi. So'nggi yillarda o'zgartirilgan z-skor, shuningdek, mashinani o'rganish va signallarni qayta ishlashda xususiyatlarni ajratib olish uchun qo'llanildi, bu erda aniq va ishonchli tahlil uchun chet qiymatlarni olib tashlash juda muhimdir. Ushbu maqola signalni qayta ishlashda, xususan, EEG signallari yordamida haydovchi charchoqlarini aniqlashda xususiyatlarni ajratib olish uchun o'zgartirilgan z-skor usulini takomillashtirishni taqdim etadi.

Biz taklif qilgan usul bir nechta kuchli tomonlarga ega. Birinchidan, ko'p kanalli EEG tahlilidan foydalanish uyqu bosqichini aniqlashning aniqligini oshiradi, bu haydovchining charchoqlarini aniq aniqlash uchun juda muhimdir. Ikkinchidan, biz xususiyatlarni ajratib olishda kengaytirilgan o'zgartirilgan z-skordan foydalanish an'anaviy z-skor texnikasiga qaraganda ancha ishonchli bo'lib, uni chet qiymatlarni olib tashlash va tasniflash aniqligini oshirish uchun samaraliroq qiladi. Uchinchidan, bizning yondashuvimiz mashinani o'rganish bo'yicha turli xil tasniflagichlardan foydalanadi, bu haydovchi charchoqlarini aniqlashning keng qamrovli va aniq usulini taqdim etadi.

Ushbu maqolada uzoq qisqa muddatli xotirani o'z ichiga olgan konvolyutsion neyron tarmoqlari (CNN), takroriy neyron tarmoqlari (RNNs), sun'iy neyron tarmoqlari (ANN) kabi turli xil mashina o'rganish tasniflagichlaridan foydalangan holda haydovchi uyquchanligining aniq darajalarini aniq aniqlash metodologiyasi keltirilgan. (LSTM) va Vektorli mashinalarni qo'llab-quvvatlash (SVM) kabi mashinalarni o'rganish yondashuvlari. Tasniflashning statistik xususiyatini yaxshilash uchun o'zgartirilgan z-skor texnikasi ham joriy etildi, bu taklif qilingan usulning aniqligini sezilarli darajada yaxshiladi. Ushbu yondashuvning samaradorligini baholash uchun haydovchining charchoqlari va normal holatlarini farqlash uchun 5- marta oʻzaro tekshirish strategiyasi qoʻllanildi.

2. ALOQALI ASARLAR

Atrof-muhit monitoringi, geologiya, epidemiologiya va ma'lumotlarni qazib olish kabi turli sohalarda chegaralarni aniqlash juda muhimdir. O'zgartirilgan z-skor - bu har bir nuqtaning kutilgan qiymatini baholash uchun qo'shni ma'lumotlar nuqtalarining o'rtacha o'rtacha qiymatini hisobga olgan holda, chetlab o'tishlarni aniqlashning tez-tez qo'llaniladigan usuli. Aggarval va boshqalar. fazoviy avtokorrelyatsiyaga ega bo'lgan ma'lumotlar to'plamlarida fazoviy chegaralarni aniqlash uchun o'zgartirilgan z-skor usulini taklif qildi [5]. Texnika odatdagi arifmetik o'rtacha o'rniga kesilgan o'rtachadan foydalangan holda z-ball testining aniqligi va mustahkamligini yaxshilaydi. Tadqiqot simulyatsiya qilingan va real dunyo ma'lumotlar to'plamidagi usulni baholadi va fazoviy chegaralarni aniqlashda istiqbolli natijalarni ko'rsatdi. Aggarval va boshqalar tomonidan taklif qilingan o'zgartirilgan z-skor usuli bo'lsa-da. fazoviy avtokorrelyatsiya bilan fazoviy chegaralarni samarali aniqlaydi, u fazoviy avtokorrelyatsiyasiz ma'lumotlar to'plamida yaxshi ishlamasligi mumkin. Bundan tashqari, o'rtacha arifmetik o'rniga qisqartirilgan o'rtacha qiymatdan foydalanish ma'lumotlar to'plamidan qimmatli ma'lumotlarning yo'qolishiga olib kelishi mumkin.

Sandbhor va boshqalar. ma'lumotlarni qazib olishda chetlab o'tishlarni aniqlashning ahamiyati va ularning bashorat qilish modellarining sifati va natijasiga ta'sirini o'rganib chiqdi [6]. Tadqiqotning asosiy maqsadi ko'chmas mulk qiymatini prognoz qilish uchun neyron tarmoqlarda (NN) chetga chiqishlarni aniqlashning eng samarali yondashuvini aniqlash edi. Mualliflar mulkni sotish ma'lumotlarining 3094 ta misolida Tukey standart og'ishi (SD), o'rtacha, z-skor, o'rtacha mutlaq og'ish (MAD) va o'zgartirilgan z-skor kabi bir nechta bir xil o'zgaruvchan qiymatlarni aniqlash usullarini baholadilar. Topilmalar asosida shuni aytish mumkinki, ushbu muammoni hal qilishda median texnikasi chetni aniqlashning eng samarali usuli bo'lib chiqdi. Garchi Sandbhor va boshqalar. median texnikasi ko'chmas mulk qiymatini bashorat qilish uchun neyron tarmoqlarda chet elliklarni aniqlashning eng samarali yondashuvi ekanligini aniqladi, shuni ta'kidlash kerakki, bu xulosa boshqa turdagi ma'lumotlar to'plamiga yoki chetni aniqlash usullariga tegishli bo'lmasligi mumkin. Bundan tashqari, tadqiqot faqat bir xil o'zgaruvchanlikni aniqlash usullarini baholadi va ba'zi ilovalarda samaraliroq bo'lishi mumkin bo'lgan ko'p o'lchovli usullarni hisobga olmadi.

Leite va boshqalar. rulmanlardagi nosozliklarni aniqlash uchun entropiyaga asoslangan xususiyatlardagi o'zgarishlarni aniqlash uchun ko'rsatkich sifatida o'zgartirilgan z-skorining samaradorligini baholash uchun tadqiqot o'tkazdi [7]. Tadqiqot uch xil entropiya o'lchovlaridan tashqari, vaqt, chastota va vaqt chastotasi domenlari bo'yicha 12 ta entropiyaga asoslangan xususiyatlardan foydalanishni o'z ichiga oldi, xususan, Shennon entropiyasi, Renyi entropiyasi va Jensen-Renyi divergentsiyasi. Taklif etilgan texnika nosozlik nuqtasiga qadar o'tkazilgan tajribalardan olingan ikkita haqiqiy ma'lumotlar to'plamini qayta ishlash uchun qo'llanildi. Bundan tashqari, entropiyaga asoslangan xususiyatlarning ishlashini tekshirish uchun turli nuqsonlari bo'lgan uchta rulman tekshirildi. Natijalar shuni ko'rsatdiki, o'zgartirilgan ball entropiyaga asoslangan xususiyatlardagi o'zgarishlarni aniqlashning ishonchli usuli bo'lib, uning podshipniklarning tebranish signallaridagi anomaliyalarni erta aniqlash potentsialini ta'kidlaydi. Ushbu topilma taklif qilingan texnikadan rulmanlardagi nosozliklarni aniqlash uchun samarali foydalanish mumkinligini ko'rsatadi. Shu bilan birga, shuni ta'kidlash kerakki, tadqiqot faqat o'zgartirilgan z-skor usulining samaradorligini nosozlik nuqtasiga qadar o'tkazilgan tajribalar natijasida olingan ikkita haqiqiy rulmanli ma'lumotlar to'plamida va turli nuqsonlari bo'lgan uchta rulmanda baholadi.

Garchi chegaralarni aniqlash noyob ma'lumotlar nuqtalarini aniqlash uchun kuchli vosita bo'lsa-da, bir nechta cheklovlarni hisobga olish kerak. Misol uchun, ba'zi hollarda, qaysi ma'lumotlar bayroqqa ishora qilishini aniqlashni qiyinlashtiradigan chegarani tashkil etuvchi aniq ta'rif bo'lmasligi mumkin. Bundan tashqari, chegaralarni aniqlash usullari noto'g'ri ijobiy yoki salbiy natijalarni keltirib chiqarishi mumkin, bu esa noto'g'ri xulosalar va tavsiyalarga olib keladi. Bundan tashqari, ma'lum bir ma'lumotlar to'plami yoki muammo uchun mos keladigan chegaralarni aniqlash usulini tanlash murakkab bo'lishi mumkin va barchaga mos keladigan yagona echim yo'q. Bundan tashqari, chegarani aniqlash anomal ma'lumotlar nuqtalarini aniqlashi mumkin bo'lsa-da, u har doim ham chetga chiqishning asosiy sababini hal qila olmaydi yoki muammoni hal qilishni ta'minlay olmaydi. Shuning uchun, chetga chiqishni aniqlashdan maksimal darajada foydalanish uchun tahlilning maqsadlari va kontekstini diqqat bilan ko'rib chiqish juda muhimdir. Bundan tashqari, ma'lumotlar to'g'risida kengroq tushunchaga ega bo'lish va har qanday aniqlangan anomaliyalarning asosiy sabablarini bartaraf etadigan samarali echimlarni ishlab chiqish uchun boshqa tahliliy vositalar va usullar bilan birgalikda foydalanish muhim ahamiyatga ega.

EEG signallarida charchoqning asosiy mexanizmlarini aniqlash uchun bir necha usullar taklif qilingan. Ulardan biri bitta usul entropiyalarning alohida turlarini yakka kanalga asoslangan xususiyatlar to'plami sifatida hisoblashni o'z ichiga oladi [8]. Quintero-Rincon bir kanalli EEG signalidan foydalangan holda real vaqt tizimlarida haydovchining charchoqlarini aniqlashning sodda va samarali usulini taqdim etdi [9]. Algoritm eng muhim kanalni tanlaydi va ansambl sumkali qaror daraxtlari tasniflagichi yordamida charchoqni aniqlash uchun to'rtta xususiyat parametrini chiqaradi. Tszyansi texnologiya universiteti maʼlumotlar bazasidan olingan maʼlumotlardan foydalangan holda, tavsiya etilgan yondashuv 1.8-ikkinchi vaqt kechikishi bilan 92,7 foiz aniqlikka erishadi. Ammo shuni ta'kidlash kerakki, tadqiqot usuli muayyan ma'lumotlar to'plamida baholangan va boshqa ma'lumotlar to'plamlarida va turli sharoitlarda uning samaradorligini aniqlash uchun qo'shimcha tadqiqotlar talab qilinishi mumkin. Bundan tashqari, 1,8 sekundlik vaqtni kechiktirish ba'zi holatlarda real vaqt rejimida monitoring qilish uchun amaliy bo'lmasligi mumkin va charchoqni aniqlashda kechikish bo'lsa, haydovchi xavfsizligiga mumkin bo'lgan ta'sirni hisobga olish muhimdir.

Boshqa bir tadqiqotda Jing va boshqalar. sub'ektiv va ob'ektiv monitoring usullaridan foydalangan holda past kuchlanishli va gipoksiya platosi muhitida haydash charchoqlarini aniqlashga qaratilgan [10]. Haqiqiy vaqtda haydash testlaridan olingan EEG signallari uyg'oq, tanqidiy va charchoq holatlarida signal tendentsiyasini baholash uchun chiziqli bo'lmagan va chiziqli tahlillardan o'tkazildi. (plyus th)/ va ( plus )/th energiya xususiyatlari ushbu muhitda haydash charchoqlarining potentsial belgilari sifatida aniqlandi, bu esa haydash charchoqlari haqida ogohlantirish tizimini ishlab chiqish uchun asos bo'ldi. Biroq, tadqiqot ma'lum bir muhitda dala haydash charchoq sinovlari bilan cheklangan va boshqa muhitlarda va haydash sharoitida topilmalarni tasdiqlash uchun qo'shimcha tadqiqotlar talab etiladi.

Bundan tashqari, Zhang va boshqalar. haydovchi charchoqni aniqlash samaradorligini oshirish uchun miya tarmoqlarida (CBNs) klasterlash deb nomlanuvchi innovatsion yondashuvni taklif qildi [11]. CBNs yondashuvi elektroensefalogramma (EEG) ma'lumotlaridan noyob ulanish xususiyatlariga ega bo'lgan fazoviy tugunlarni aniqlash uchun klasterlash algoritmidan foydalanadi. Ushbu tugunlardan olingan to'lqinli entropiya xususiyatlari so'ngra fazoviy-vaqtinchalik tasvirlarga aylantiriladi va charchoqning turli bosqichlarini farqlash uchun tasvir chetini aniqlash texnikasi yordamida tekshiriladi. Bu usul signal shovqinini kamaytiradi va sub'ektiv his-tuyg'ularning boshlanishidan oldin charchoqni aniqlaydi, bu erta ogohlantirish va baxtsiz hodisalarning oldini olish uchun potentsial foydali vositaga aylanadi. Tadqiqot signallarni aralashtirish qiyinligi va cheklangan namuna hajmi, mavjud usullar bilan taqqoslash va haqiqiy haydash stsenariylarida tekshirishning yo'qligi sababli haydovchining charchoqlarini ishonchli aniqlash uchun vaqt va chastota sohalarida EEG ko'rsatkichlaridan foydalanish cheklovlarini ko'rsatdi. Keyinchalik, oldingi tadqiqotchi EEG signallari yordamida haydovchining charchoqlarini avtomatlashtirilgan aniqlash uchun aqlli tizimni taklif qildi [12]. Ushbu tizim aniqlash aniqligini oshirish uchun tekstura deskriptorlari va gibrid xususiyatni tanlash usulidan foydalanadigan xususiyatlarni yaratish tarmog'ini o'z ichiga oladi. Taklif etilayotgan tizim EEG signallari yordamida charchoqni aniqlash uchun 97,29 foiz ta'sirchan tasniflash aniqligiga erishdi, bu uning haydovchining charchoqlarini samarali aniqlash imkoniyatlarini ta'kidladi. Biroq, tavsiya etilgan ramka an'anaviy mashinani o'rganish algoritmlaridan foydalangan, bu uning murakkab va dinamik haydash muhitlariga moslashish qobiliyatini cheklashi mumkin.

Taklif etilayotgan tadqiqot EEG signallari yordamida haydovchi charchoqlarini samarali aniqlash uchun yangi yondashuvni taqdim etadi [13]. Usul korrelyatsiya koeffitsientlariga asoslangan yangi kanal tanlash algoritmidan, tasodifiy pastki fazo k-eng yaqin qo'shnilar (k-NN) va xususiyatlarni olish uchun quvvat spektral zichligi (PSD) yordamida ansambl tasniflagichidan foydalanadi. Yondashuv EEG signallari yordamida haydovchining charchoqlarini aniqlashda 0.5-ikkinchi vaqt oynasida 99,99 foizlik ta'sirchan aniqlikka erishdi. Taklif etilgan usul kuchli ishlashni namoyish etadi va EEG asosidagi haydovchi charchoqlarini samarali aniqlashi mumkin. Biroq, yuqori hisoblash murakkabligi tufayli, k-NN asosidagi ansambl klassifikatori real vaqtda ilovalar uchun mos kelmasligi mumkin. Hwang va boshqalar. individual ishlash bo'shliqlarini ko'rib chiqadigan boshqa tadqiqotda mavzudan mustaqil EEGga asoslangan haydovchi charchoq holatini tasniflash modelini taklif qildi [14]. Mualliflar tasniflash modelida mavzu belgilarining noto'g'ri tasniflanishini keltirib chiqarish uchun qarama-qarshi ta'lim usulidan foydalanganlar. Bundan tashqari, ular shaxslar o'rtasidagi ishlash tafovutlarini minimallashtirish uchun sub'ektlar orasidagi masofani minimallashtirish (IFDM) texnikasini o'z ichiga olgan. Ularning usuli cheklangan, mavzu belgilariga ega EEG ma'lumotlar to'plamlari bo'yicha o'qitish imkonini berdi va SEED-VIG ma'lumotlar to'plamida baholandi, natijada uyquchanlikni tasniflashda yuqori aniqlik va individual ishlash o'zgaruvchanligi kamaydi. Biroq, asosiy kamchiliklardan biri shundaki, EEG signallari odamlar o'rtasida katta farqlarni o'z ichiga oladi, bu esa barcha odamlar uchun yaxshi ishlashi mumkin bo'lgan yagona modelni yaratishni qiyinlashtiradi.

Ko'rib chiqilgan tadqiqotlar EEG signallari yordamida haydovchi charchoqlarini aniqlashning turli usullarini taklif qiladi, ular bitta kanalli xususiyatlarni ajratib olishdan tortib, murakkabroq mashinani o'rganish modellarigacha. Keng tarqalgan yondashuvlardan biri quvvat spektri zichligi va turli entropiya o'lchovlarini xususiyatlar to'plami sifatida ishlatishni o'z ichiga oladi, boshqalari esa charchoqning turli bosqichlarini ajratish uchun klasterlash algoritmlari va tasvir chekkalarini aniqlashdan foydalanadi. Bir qator tadqiqotlar, shuningdek, qarama-qarshi o'qitish strategiyalari va komponentlarga xos partiyalarni normalizatsiya qilish orqali individual ishlash bo'shliqlari va mavzu o'zgaruvchanligini ko'rib chiqadi. Ushbu tadqiqotlar avtohalokatdan erta ogohlantirish va oldini olish, yuqori aniqlikka erishish va murakkab EEG ma'lumotlaridan ko'proq ma'lumot olish uchun yangi imkoniyatlarni taqdim etish uchun EEG asosidagi haydovchi charchoqlarini aniqlash imkoniyatlarini namoyish etadi. Biroq, usullar hisoblash murakkabligi, talab qilinadigan kanallar soni va erishilgan mavzu mustaqilligi darajasida farq qiladi, bu esa amaliy qo'llanmalar uchun eng samarali va samarali yondashuvni aniqlash uchun keyingi tadqiqotlar zarurligini ko'rsatadi.

Wilapiprasitporn va boshqalar. affektiv EEG ma'lumotlaridan foydalangan holda shaxslarni aniqlash uchun CNN va RNNni birlashtirgan chuqur o'rganish yondashuvini taklif qildi [15]. Ularning tadqiqotida Fiziologik Signallar (DEAP) maʼlumotlar toʻplamidan foydalangan holda his-tuygʻularni tahlil qilish uchun maʼlumotlar bazasidan foydalanilgan va tavsiya etilgan usul 99.90-100 foizgacha boʻlgan toʻgʻri tanib olish darajasi (CRR) bilan SVM bazaviy tizimidan ustun ekanligini koʻrsatdi. Yaqinda o'tkazilgan tadqiqotlar shuni ko'rsatadiki, CNN-GRU modellari miyaning frontal qismidagi EEG ma'lumotlaridan foydalangan holda shaxslarni aniqlashda CNN-LSTM modellaridan ustun turadi va ular affektiv holatlarning ta'siriga qarshi samarali kurashadi. Biroq, tavsiya etilgan usul EEG signallariga tayanadi, bu maxsus jihozlar va ma'lumotlarni yig'ish va tahlil qilish tajribasini talab qilishi mumkin. Qin va boshqalar. barmoq-tomir biometrikasi uchun xom tasvirlardan tomir xususiyatlarini ajratib olish uchun CNN va LSTMni birlashtirgan chuqur o'rganish modelini taklif qildi [16]. Taklif etilayotgan model ikkilik tomirlar teksturasini yo'q qilish uchun nazorat ostida kodlashdan foydalanadi, natijada umumiy foydalanish mumkin bo'lgan barmoq tomirlari ma'lumotlar bazasida baholanganda tekshirish aniqligi sezilarli darajada yaxshilanadi. Biroq, chuqur o'rganish modellari haddan tashqari moslashishga, o'quv ma'lumotlarini juda yaxshi o'rganishga va yangi ma'lumotlarni umumlashtirmaslikka moyil. Muntazamlashtirish va tashlab ketish kabi texnikalar ortiqcha moslashishning oldini olishga yordam beradi.

Mondal va boshqalar. Video ma'lumotlardan jarrohlik ish oqimlarini tahlil qilish uchun CNN va ikki tomonlama uzoq qisqa muddatli xotira (Bi-LSTM) modelidan foydalangan holda ko'p vazifali o'rganish tizimini ishlab chiqdi [17]. Ularning asosi fazalarni identifikatsiyalashda asboblarni bir vaqtning o'zida ishlatish uchun qo'shma tarqatish yo'qotish funktsiyasini o'z ichiga oladi. Taklif etilayotgan usul Cholec80 ma'lumotlar to'plamida baholanganda oldingi yondashuvlarga nisbatan mukammal vosita va fazalarni identifikatsiyalash samaradorligini ko'rsatdi. Biroq, ushbu tadqiqotning cheklovi shundan iboratki, u faqat bitta ma'lumotlar to'plamida baholangan va tavsiya etilgan yondashuv boshqa jarrohlik ma'lumotlar to'plamiga qanchalik yaxshi umumlashtirilishi noma'lum. Hu va boshqalar. Deep Complex Convolution Recurrent Network (DCCRN) ni taklif qildi, u ham CNN, ham RNN tuzilmalarini boshqara oladigan va murakkab qiymatli operatsiyalarni takrorlay oladigan tarmoq arxitekturasi [18]. Interspeech 2020 chuqur shovqinni bostirish (DNS) tanlovida DCCRN ob'ektiv va sub'ektiv ko'rsatkichlarga asoslangan oldingi tarmoqlarni ortda qoldirdi va o'rtacha fikr bahosi asosida real vaqtda trek bo'yicha yuqori o'rinni va real vaqtda bo'lmagan trek uchun ikkinchi o'rinni oldi. (MOS). Taklif etilgan 3,7M parametrli DCCRN tarmog'i ushbu vazifani bajarishda yuqori samaradorlikni ko'rsatdi. Biroq, tadqiqot toza muhitda nutqni yaxshilashga qaratilgan va haqiqiy dunyo stsenariylarida keng tarqalgan shovqinli yoki reverberant sharoitlarni hisobga olmadi.

Tadqiqotchilar CNN, U-net arxitekturasi, RNN va LSTM arxitekturasidan foydalangan holda turli xil yuk sharoitlari va hajm ulushi cheklovlari ostida minimal muvofiqlik va deformatsiya mezonlariga javob beradigan tizimli topologiya konfiguratsiyalarini yaratish uchun mashinani o'rganish modelini taklif qilishdi. Model tasodifiy yaratilgan chekli elementlar simulyatsiyasi ma'lumotlari va trening davomida elementlarni olib tashlash strategiyasidan foydalangan holda o'qitildi. Model ikki o'lchovli va uch o'lchovli konsol-nurli konstruktiv topologiya dizaynlarida qo'llanilganda vaqt, xarajat va amaliylik bo'yicha an'anaviy usullardan ustun keldi. Ushbu ma'lumotlarga asoslangan yondashuv dastlabki strukturaviy loyihalash jarayonlarini tezlashtirishi mumkin [19]. Biroq, tadqiqotning cheklovlari o'quv ma'lumotlariga bo'lgan ehtiyojni va real dunyo ilovalarida tasdiqlashning yo'qligini o'z ichiga oladi. Keyinchalik, boshqa tadqiqotchilar cheklangan ma'lumotlar mavjudligi va past ma'lumotlar sifati tufayli qishloq xo'jaligi meteorologiyasida quyosh nurlanishini baholash modellarini yaxshilashga e'tibor qaratdilar [20]. Bir nechta neyron tarmoq modellari (SVM, Extreme Learning Machine, CNN va LSTM) Janubiy Ispaniyada turli xil kiritish o'zgaruvchilari konfiguratsiyasidan foydalangan holda ishlab chiqilgan va sinovdan o'tgan. Ishlash turli statistik indekslar yordamida tahlil qilindi. Ushbu tadqiqotning bir cheklovi shundaki, u faqat harorat va nisbiy namlikni quyosh radiatsiyasini baholash uchun kirish parametrlari sifatida ishlatishga qaratilgan. Quyosh radiatsiyasiga ta'sir qilishi mumkin bo'lgan boshqa iqlim o'zgaruvchilari, masalan, atmosfera bosimi, bulut qoplami va shamol tezligi ushbu tadqiqotga kiritilmagan. Ushbu o'zgaruvchilarni kiritish quyosh radiatsiyasini baholashning aniqligini oshirishi mumkin.

Oldingi ishlarda turli xil ilovalar uchun turli xil chuqur o'rganish yondashuvlari muhokama qilindi, jumladan, affektiv EEGga asoslangan shaxsni identifikatsiyalash, barmoq-tomir biometrikasi, jarrohlik ish oqimini tahlil qilish, nutqni yaxshilash va tizimli topologiyani loyihalash. Taklif etilgan modellar oldingi usullarga nisbatan sezilarli aniqlik, samaradorlik va qo'llanilishini yaxshilashni ko'rsatdi. CNN, RNN va LSTM kabi turli xil chuqur o'rganish arxitekturalari EEG signallari, video ma'lumotlari va simulyatsiya ma'lumotlari kabi xom ma'lumotlardan xususiyatlarni ajratib oldi. Modellar turli ma'lumotlar to'plamlarida baholandi va tanib olish darajasi, o'rtacha o'rtacha aniqlik va o'rtacha fikr ballari bo'yicha eng so'nggi natijalarga erishildi. Bundan tashqari, qishloq xo'jaligi meteorologiyasida quyosh radiatsiyasini baholash modellarini yaxshilash uchun chuqur o'rganish modellari ishlatilgan.

Xulosa qilib aytadigan bo'lsak, chegarani aniqlash ma'lumotlardagi anomaliyalarni aniqlash uchun qimmatli vositadir. Shu bilan birga, uning cheklovlarini diqqat bilan ko'rib chiqish kerak, masalan, chetga chiqadigan narsaning aniq ta'rifi yo'qligi, noto'g'ri musbat yoki noto'g'ri salbiy ehtimoli va muayyan ma'lumotlar to'plami yoki muammo uchun mos usulni tanlash qiyinligi. EEG asosida haydovchi charchoqni aniqlash turli chuqur o'rganish usullaridan foydalangan holda erta ogohlantirish va baxtsiz hodisalarning oldini olish, yuqori aniqlikka erishish va murakkab EEG ma'lumotlaridan ko'proq ma'lumot olish uchun katta imkoniyatlarni ko'rsatdi. Bundan tashqari, chuqur o'rganish turli xil ilovalar uchun aniqlik, samaradorlik va qo'llanilishini sezilarli darajada oshirdi, masalan, affektiv EEGga asoslangan odamni identifikatsiyalash, barmoq-tomir biometrikasi, jarrohlik ish oqimini tahlil qilish, nutqni yaxshilash va tizimli topologiyani loyihalash. Chetni aniqlash va chuqur o'rganishda amaliy qo'llash uchun eng samarali va samarali yondashuvni aniqlash uchun qo'shimcha tadqiqotlar talab etiladi.

【Batafsil ma'lumot uchun:george.deng@wecistanche.com / WhatApp:8613632399501】