https://lurianjournal.ru/ojs/index.php/lurian/issue/feed Lurian Journal 2023-12-30T19:44:54+00:00 Mariya V. Zinnatova LurianJournal@mail.ru Open Journal Systems https://lurianjournal.ru/ojs/index.php/lurian/article/view/109 Преморбидные особенности пациентов с депрессивным расстройством личности 2023-12-30T19:03:25+00:00 Наталья Владимировна Жукова nataly-n.tagil@mail.ru Алёна Александровна Староверова Alinastaroverov@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+00:00 Copyright (c) 2023 Lurian Journal https://lurianjournal.ru/ojs/index.php/lurian/article/view/110 Cognitive Neuroscience – 2023: VI Международный форум по когнитивным нейронаукам (7-9 декабря 2023 г.) 2023-12-30T19:17:25+00:00 Ксения Игоревна Кунникова kunnikova.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+00:00 Copyright (c) 2023 Lurian Journal https://lurianjournal.ru/ojs/index.php/lurian/article/view/111 Использование многослойного перцептрона для предсказания эмоционального состояния человека 2023-12-30T19:31:53+00:00 Елизавета Олеговна Шлычкова E3286@yandex.ru Артём Николаевич Шевляков a.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+00:00 Copyright (c) 2023 Lurian Journal