Оцінки точності ідентифікації око-рухової системи людини за допомогою ступінчатих тестових сигналів
DOI:
https://doi.org/10.15276/aait.07.2024.20Ключові слова:
око-рухова система, моделювання, моделі Вольтерри, технологія айтрекінгу, точність моделювання, нейрофізіологічний станАнотація
У цьому дослідженні вивчаються методи ідентифікації нелінійних динамічних систем для моделювання око-рухової
системи (ОРС) людини, з акцентом на точне представлення перехідних характеристик, отриманих із ступінчатих тестових
сигналів. Інтегральні нелінійні моделі були застосовані для врахування нелінійної динаміки та інерційних властивостей
ОРС. Експериментальні дані «вхід-вихід» були зібрані за допомогою сучасної технології айтрекінгу, що дозволило
ідентифікувати багатовимірні перехідні характеристики (БПХ), які описують динамічну поведінку ОРС у відповідь на
візуальні стимули. У дослідженні було використано методи апроксимації та компенсації для розробки моделей на основі
інтегро-степеневих рядів (ІСР), а також метод найменших квадратів (МНК) для побудови моделей на основі інтегростепеневих поліномів (ІСП). Метод компенсації, хоч і є менш обчислювально вимогливим, продемонстрував нижчу
точність, що обмежує його застосування для завдань, які потребують високої точності. Моделі третього порядку виявили
нестабільність у своїх перехідних характеристиках, що обмежує їх практичне використання. Моделі другого порядку,
зокрема квадратичні моделі ІСП, розроблені за допомогою МНК, виявилися найточнішими та найефективнішими з точки
зору обчислень. Ці моделі забезпечили точне й узгоджене представлення динаміки ОРС, із значним зменшенням рівня
похибок при використанні трьох тестових сигналів замість двох. Це підкреслює важливість достатньої кількості даних для
підвищення надійності моделей. Результати підтверджують придатність квадратичної моделі ІСП, уточненої методом
найменших квадратів, для подальших досліджень. Ця модель забезпечує надійну основу для розвитку досліджень у сфері
персоналізованої оцінки психофізіологічних станів шляхом створення класифікаторів. Її точність і стабільність роблять її
цінним інструментом для вивчення методів класифікації станів у медичній сфері, когнітивних науках та інших галузях, що
вимагають точного моделювання динамічних систем.