https://lurianjournal.ru/ojs/index.php/lurian/issue/feedLurian Journal2023-12-30T19:44:54+00:00Mariya V. ZinnatovaLurianJournal@mail.ruOpen Journal Systemshttps://lurianjournal.ru/ojs/index.php/lurian/article/view/109Преморбидные особенности пациентов с депрессивным расстройством личности2023-12-30T19:03:25+00:00Наталья Владимировна Жуковаnataly-n.tagil@mail.ruАлёна Александровна СтаровероваAlinastaroverov@gmail.com<p>Целью данной статьи является описание первичных характеристик преморбидных особенностей депрессивного расстройства личности пациентов, которые предшествуют развитию заболевания (состояние, когда пациент находится на грани между здоровьем и болезнью). Раннее распознавание данных особенностей личности может помочь выявить тех, кто подвержен риску заболевания до появления первых симптомов и предупредить появление признаков депрессивного расстройства личности.</p>2023-12-30T00:00:00+00:00Copyright (c) 2023 Lurian Journalhttps://lurianjournal.ru/ojs/index.php/lurian/article/view/110Cognitive Neuroscience – 2023: VI Международный форум по когнитивным нейронаукам (7-9 декабря 2023 г.)2023-12-30T19:17:25+00:00Ксения Игоревна Кунниковаkunnikova.ksenia@mail.ru<p>Статья посвящена итогам VI Международного форума по когнитивным нейронаукам «Cognitive Neuroscience – 2023», прошедшего в Уральском федеральном университете с 7 по 9 декабря 2023 года.</p>2023-12-30T00:00:00+00:00Copyright (c) 2023 Lurian Journalhttps://lurianjournal.ru/ojs/index.php/lurian/article/view/111Использование многослойного перцептрона для предсказания эмоционального состояния человека2023-12-30T19:31:53+00:00Елизавета Олеговна ШлычковаE3286@yandex.ruАртём Николаевич Шевляковa.n.shevlyakov@utmn.ru<p>Настоящая работа посвящена использованию математических методов (модели машинного обучения – многослойного перцептрона, и генетического метода отбора признаков) для распознавания эмоционального состояния человека на основе данных его электроэнцефалограммы для дальнейшего применения полученных результатов при создании программного обеспечения для нейроинтерфейсов «мозг-компьютер». Целью исследования явилось обучение многослойного перцептрона на базе данных ЭЭГ для его дальнейшего использования при решении задач распознавания эмоционального состояния человека. За основу был взят датасет «Database for Emotion Recognition System – GAMEEMO», содержащий записи электроэнцефалограмм 28 участников эксперимента, а также данные анкет, в которых они отмечали собственные ощущения о выраженности тех или иных эмоций, а также их характер и интенсивность в рамках двух характеристик – валентность (valence) и возбуждение (arousal). Участники играли в одну из четырех компьютерных игр, каждая из которых должна была провоцировать одно из четырех эмоциональных состояний: скука, страх, спокойствие или радость, которые анализируются в данном исследовании. Признаками являются значения сигналов мозга, зарегистрированные через определенный временной промежуток в ходе прохождения участниками эксперимента одной из четырех игр. Отбор признаков-электродов происходил посредством генетического алгоритма для повышения точности предсказания и выявления наиболее важных, с точки зрения модели, областей мозга для декодирования состояний человека. В качестве основы для сопоставления эмоциональных состояний (скука, страх, радость и спокойствие) используется схема классификации аффективных слов, предложенная Дж. Расселом. В результате генетический метод отбора признаков позволил выявить закономерности в расположении отобранных электродов при распознавании эмоций. Точность предсказания удалось повысить, проанализировав определенные диапазоны фреймов и выявив те временные отрезки, когда участники эксперимента сильнее всего испытывали ту или иную эмоцию, в зависимости от событий, происходящих на данный момент по сюжету в игре.</p>2023-12-30T00:00:00+00:00Copyright (c) 2023 Lurian Journal