Метод подбора и выявления воздействий релаксирующих картин на корректировка психофизиологического состояния человека

РЕФЕРАТ

Работа содержит 70 страниц, 25 рисунков, 19 таблиц. Было использовано 12 источников.

Цель работы : повысить скорость и эффективность исследования и корректировка психофизиологического состояния человека за счет разработки метода подбора да обнаружение влияний релаксирующих картин для корректировка психофизиологического состояния человека.

Проведено обзор основных положений проведение исследований, сбора данных и корректировка психофизиологического состояния человека Описаны основные проблемы обработки собранных данных для анализа, подбора релаксирующих картин да определено необходимость в разработке методов для подбора да определение влияний на психофизиологический состояние релаксирующих картин. Предложено метод подбора релаксирующих картин для корректировка психофизиологического состояния человека на основе нейронных сетей Применение предложенного метода позволяет подать на вход набор параметров: цветовую преференцию, день рождений, субъективные ощущение да получить на выходе релаксирующую картину для проведение сеансов корректировка психофизиологического состояния. Предложен метод выявления воздействий на психофизиологическое состояние человека, какой позволяет, за счет гибкого механизма конфигурации постройки графиков, строить разнообразные параметры исследования психофизиологического состояния человека и выявлять их зависимость и влияние на человека. Разработано программное обеспечение предложенных методов подбора да обнаружение влияний релаксирующих картин на состояние человека, какое увеличивает эффективность работы психологов с исследование психофизиологического состояния человека, за счет быстрых да точных вычислений. Разработано стартап-проект программного обеспечения и проведен анализ рынка, потенциальных клиентов, которого видно, что рынок пока свободен от аналогов такого продукта, но имеет нем потребность.

Ключевые слово: релаксирующие картины , цветная преференция, тест преференций, психофизиологический состояние, зимовник, метод подбора, метод обнаружение, нейронные сети.

СОДЕРЖАНИЕ

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

ПО Программное обеспечение

ВВЕДЕНИЕ

Цель работы : повысить скорость и эффективность исследования и корректировка психофизиологического состояния человека за счет разработки метода подбора да обнаружение влияний релаксирующих картин для корректировка психофизиологического состояния человека.

Объект исследование : метод корректировка психофизиологического состояния человека.

Предмет исследование : глубокое машинное обучение, нейронные сети.

Для достижения цели исследования были поставлены и решены следующие основные задачи:

Теоретический результат исследование:

Практический результат работы:

РАЗДЕЛ 1

ОБЗОР ОСНОВНЫХ ПОЛОЖЕНИЙ ПРОВЕДЕНИЯ ИССЛЕДОВАНИЙ, СБОРА ДАННЫХ И КОРРЕКТИРОВКИ ПСИХОФИЗИОЛОГИЧЕСКОГО СОСТОЯНИЯ ЧЕЛОВЕКА.

При многих известных методах еще не разработаны точные критерии оценки психофизиологического состояния человека для ранней диагностики, прогнозы изменения адаптационных процессов, нарушений, формирование коллектива, учитывая показатели психологической совместимости. Выяснение этих показателей достаточно важно при подборе специалистов, которые работают в экстремальных условиях [1].

В результате возможны мозаичные экспрессии личностных качеств и перестройки психофизиологических функций, что может проявляться симптоматикой дипрессивности и психоэмоциональных расстройств, приводящих к потери работоспособности [1]. Поэтому для работы в подобных условиях определяются повышены требования к состояния адаптивных резервов психофизиологических функций и при отборе кандидатов применяют углубленные методы исследований, а также новые технологии обследование с учетом специфики условий трудовой деятельности [1].

Перспективным оказался метод определение психофизиологических особенностей путем оценка результатов цветной преференции. Использование цветной преференции в качества инструмента психофизиологического тестирование и цветовой биорегуляции имеет достаточно убедительное теоретическое обоснование и подтверждено соответствующими патентами [2, 3, 12].

В ходе исследования цветовой преференции человека для определения индивидуальных преференций используется комплект тестовых карт эталонных цветов, представлен в двух вариантах: «БИОКОЛОР – I» и

«БИОКОЛОР – II» (рис 1.1, 1.2).

Тест преференций «БИОКОЛОР» (I и II) базируется на 12 цветных. карт в форме квадрата.

В тестах «БИОКОЛОР – I» и «БИОКОЛОР – II» цветные карты имеют собственные порядковые номера в следующий последовательности: цвета интеллектуального фактора – 1, 2, 3, 4; цвета эмоционального фактора – 5, 6, 7, 8;

цвета физического фактора – 9, 10, 11, 12. Используемые в тесте цвета самооценки физического, эмоционального и интеллектуального тонуса состояния человека, с точки зрения психофизиологии, соответствуют определенным субъективным цветовым ассоциациям [1].

«БИОКОЛОР – I» тестовый набор имеет 12 карт с самыми насыщенными цветами цветного круга "Colorid". на обороте карт присутствует нумерация соответствующая спектральном расположению цветов за временной стрелкой [1].

«БИОКОЛОР – II»: тестовый набор имеет 12 цветных карт, которые имеют такие же цвета, как и «БИОКОЛОР – I», но с модификацией путем парного диагонального ритмического расположения цветов на одной квадратной карте (согласно с спектрального порядка)[1].

Полученные результаты теста преференций позволяют оценить иерархию. уровней физического, эмоционального да интеллектуального тонуса в самочувствие человека. Так зависимость основывается на присутствует закономерности соответствия преференции к определенным волновым зонам цветовых спектров в зависимости от текущего физического, эмоционального и интеллектуального тонуса (рис. 1.1) [1, 11].

За результатами исследование цветной преференции предоставляются рекомендации по коррекции психофизиологического состояния испытуемых [3, 10]. Индивидуально и для групповых тренингов применяются цветдинамические картины-таблицы, которые являются составной частью метода и используются для релаксации, гармонизации да повышение устойчивости к экстремальных и стрессовых воздействий, нормализации прохождение процессов адаптации в неблагоприятных условиях[8].

В процессе зрительного ощущение и восприятие цвет динамических картин- таблиц на фоне цветовой адаптации проявляется эффект релаксации и возникают положительные эмоции, что важно для коррекции нарушений психофизиологического статуса человека [8] В основе биорегуляционного действия – активация механизмов ощущение и восприятие закономерностей цветовых контрастов. Этот процесс можно представить в виде такого себе, индивидуально избранного «визуального массажа» системы сенсорного восприятия стимулов волнового спектра в диапазоне видимого света.

Алгоритм цветовых выборов в процессе визуального восприятие цвет динамических картин-таблиц:

а) преференциальный выбор цветности; б) адаптация к этой цветности;

в) выбор цветности, противоположной (комплементарной) к предыдущей избранной цветности (таким образом, каждый раз создается промежуточное равновесие);

г) каждый следующий выбор – это, как правило, цветность, что вступает в последовательный (сукцессивно) контраст к комплементарной цветности (Рис. 1.3, 1.4).

Рис. 1.3 Стрелками объединены цветности, показывающие противоположный (комплементарный) контраст. Пунктиром – цветности, что показывают последовательный сукцессивно контраст

Динамика последовательных цветовых выборов базируется на психофизических и психофизиологических свойствах ощущение цвета да цвета и прослеживается в всех цвет динамических композициях.

Рис. 1.4 Последовательность цветовых выборов в процессе визуального восприятия цветности в соответствии с законом комплементарного (К) и сукцессивного (С) контраста, начиная с красной цветностью: а) по часовой стрелкой; б) против часовой стрелки

Важным элементом гармоничного влияния картин-таблиц есть их эстетическая составляющая – совокупность триадных цветовых гармоний [4]. Триадных полихроматическая гармония выступает в конкретном случае как трехзначная пространственно-временная цвет динамических стимуляция (рис. 1.5).

Рис. 1.5. На рисунке линиями показаны гармонические взаимосвязи цветовых. триад. Белыми линиями обозначено большое (расширенное), а серыми – малое (сжатый) цветтриадное пространство

Зрительное восприятие гармонии цветности среды, не привязанное к оскорбление, поэтому, информационно нейтрально. Универсальный порядок постройки композиций нет требует анализа содержания, а сила их влияния базируется на законах цветной динамики, поэтому восприятие цвета динамических картин-таблиц благоприятно влияет на психофизиологический состояние человека.

Для процесса сбора данных уже разработано ПО, позволяющее вносить результаты исследования цветной преференции и определять результирующую преференцию. Что разрешает психологам быстро вносить результаты тестирование и дает возможность для дальнейшей визуализации данных и их анализа. на рис. 1.6 изображено пример работы метода определение цветной преференции.

Другие показатели зимовщиков: физические да эмоциональные сохраняются файл таблицах да сохраняются и заполняются по отдельности. Эта часть все еще остается проблемной для психологов, потому что такой формат тяжел для поддержки да анализа данных. Процесс заполнение таких таблиц часто сопровождается ошибками, вызванными человеческим фактором. На рис. 1.7 показан пример одной с таблиц.

Процесс подбора релаксирующих картин базируется на обработке данных физических да эмоциональных показателей собранных в таблицах да цветных преференциях. Этот процесс очень сложный, поскольку область полностью нет изучена, поэтому психологам чтобы принимать решения по релаксирующим картинам, несмотря на полученные данные, характеристики. А еще и кроме этого, необходимо принимать во внимание предварительные исследования и предварительные сеансы корректировки психофизиологической состояния да их результаты, чтобы увеличить эффективность корректировка.

Стоит отметить, что во время сбора данных психолог сам, находясь на антарктической станции, может быть под влиянием стрессовых ситуаций, быть занятым другими срочными делами. Поэтому данные могут иногда быть неполные или неточные, что у свою очередь будет уменьшать точность и эффективность проведения корректировки психофизиологического состояния зимовщиков Подытожив, можно определить основные проблемы сбора да обработки данных: большая количество данных для анализа с таблиц разного формата, погрешности при заполнении таблиц, необходимость сравнивать результаты с

предыдущими рексационными сеансами.

Приведенные выше проблемы можно решить с помощью машинного обучение, которое развилось в подобласть искусственного интеллекта, которая охватывала разработку самообучающаяся алгоритмов для получение с этих данных знаний с целью исполнение прогнозов Вместо этого того чтобы в ручном режиме подбирать

релаксирующие изображение, обнаруживать зависимости и строить модели на основе анализа больших объемов данных, методология машинного обучения предлагает для выделение знаний с данных более действенную альтернативу – постепенное улучшение качества прогнозных моделей и принятие решений, управляемых данным [5]. Для подбора релаксирующих картин достаточно рассмотреть одну из направлений машинного обучение: выделение подгрупп за помощью кластеризации, где подгруппы это ралаксирующие картины или их группы.

Кластеризация – это метод развертывание данных, какой разрешает организовать группу информации, что содержит подгруппы или кластеры, какая нет мало предыдущих признаков принадлежности данных к любой с групп [5]. Все кластеры появляются только при проведении анализа, а каждый такой кластер объединяет группу похожих объектов, которые Обязательно имеют отличные черты от других таких групп. Кластеризация необходима при структуризации данных, которые имеют связи между собой[9].

Рис. 1.8 Выделение групп кластеров на основе зависимостей параметров х 1 да х 2

за помощью кластеризации

Наглядное изображение способа показано на рис. 1.8, где представлено разделение массива данных без какой-либо маркировки на три группы на основе зависимостей параметров: х 1 да х 2 , с использование метода кластеризации [9].

Выводы

РАЗДЕЛ 2

МЕТОД ПОДБОРА РЕЛАКСИРУЮЩИХ КАРТИН ДЛЯ КОРРЕКТИРОВАНИЯ ПСИХОФИЗИОЛОГИЧЕСКИЙ СОСТОЯНИЯ ЧЕЛОВЕКИ

Получены результаты исследований в различных областях могут быть достаточно важными для развития украинского государства в экономическом да научных направлениям. Исследователями, зимовниками, на антарктической станции есть выдающиеся украинские ученые с многолетним опытом. В результате проживание в замкнутому коллективе и в суровых климатических условиях, существенно отличающихся от привычной им среды, состояние зимовщиков может ухудшаться, что, в свою очередь, замедляет ведение исследований на антарктической станции [1]. Во время проживание на Антарктида, организм зимовщиков находится нет только под отрицательным влиянием специфического климата, но и специфического цветного окружение, преимущественно состоящее из серого и белого цветов. Психологи разработали методы оценки и корректировки психофизиологического состояния человека на основе цветной преференции [3], которые уже неоднократно показали положительные результаты. Для оценки психофизиологического состояния зимовщиков проводят тест преференций, какой складывается с двенадцати цветных карт [1]. На основе полученных результатов, с помощью методов на основе цветной преференции, проводятся исследование да оценка психофизиологического состояния зимовщиков. После этого начинается процесс подбора релаксирующих картин для корректировка психофизиологического состояния, какой базируется на обработке данных физических да эмоциональных показателей собранных в таблицах и цветовых преференциях Этот процесс очень сложен, поскольку область полностью не изучена, поэтому психологам чтобы принимать решения по релаксирующих картин, несмотря на полученные данные, характеристики. А еще и кроме этого, необходимо брать к внимания предыдущие исследование да предыдущие сеансы корректировка психофизиологического состояния да их результаты, чтобы увеличить

эффективность корректировки Поэтому целесообразно разработать метод, который позволит подбирать релаксирующие картины на основе проведенных оценочных исследований и учитывающий предыдущие сеансы пересмотра релаксирующих картин. Что в свою очередь уберет нагрузку с психологов и увеличит скорость определение релаксирующих картин.

Поскольку, метод подбора будет базироваться на нейронных сетях, необходимо в первую очередь определиться с структурой данных, которые будут подаваться на вход сети. Для начала можно взять следующие параметры: результирующую цветную преференцию, дата рождение да субъективные ощущение. Весь набор этих параметров уже привязаны к дате и будут использоваться вместе, то есть комбинацией.

Результирующая цветная преференция . Этот параметр может быть представлен в двух колонках: показатель перед проведение сеанса релаксации и после того, чтобы можно было учитывать влияние релаксирующих картин на психофизиологический состояние. Цветная преференция может равняться одном из значений 1, 2, 3, 4, что соответствует реальным цветным значениям преференции: красная, желтая, синяя, смешанная.

Дата рождения . Также существует модель о циклах психофизиологического состояния человека, которые имеют свою частоту повторение подъемов да спадов, начиная от дня рождение человека (рис. 2.1) [2]. Поэтому в данном контексте подбора релаксирующих картин, это есть важным параметром. Дата рождение будет равно целому числу, такой формат необходим и более удобен для обработки, хранения. Субъективные ощущения . Субъективные ощущения собираются во время пребывания зимовщиков на антарктической станции, это формат журнала обращений к врачу. Конечно все возможные обращения имеют свои категории и группы и могут быть закодированы обычными целыми числами. Также к этого точки может быть добавлен параметр – депрессия.

Депрессия также вычисляется за помощью проведение теста, а на выходе получаем числовой показатель, как оценка состояния депрессии зимовщика.

Рис. 2.1 Пример изображение изменения циклов психофизиологического состояния человека

– биоколор

Любимый цвет . Нет имеет теории, какая б основывалась на зависимости подбора релаксирующих картин и любимого цвета, но зависимость между цветной преференцией, точно существует. Да, как основа проведение теста преференций это выбор последовательности цветов, которые больше всего нравятся, но в зависимости от состояния эта последовательность будет изменяться. Вот именно поэтому, любимый цвет может накладывать своего рода погрешности или же просто иметь определенное влияние на поведение и выбор цветных карт во время проведения теста преференций. Можно добавить его как необязательный параметр да проследить возможны его зависимости. Цвет будет представляться десятичной цифрой, какая имеет свой подходящий цвет.

После того, как определились с набором параметров, можно рассмотреть о обработку данных. Конечно ж, нет можете использовать категории в вашей логистической модели или нейронной сети, поскольку они работают с числовыми векторов. Решением этой проблемы могу быть прямое кодирование.

Суть в поэтому, что если в нас есть, скажем, три разных категории, мы используем три разных столбика для их отображения. Потом мы просто устанавливаем значение столбца, какой отображает категорию в каждому наблюдении, равной единице. На рис. 2.2 изображен пример таблицы с входным данным.

Например, в нас есть четыре категории для цветной преференции: 1, 2, 3 и 4. Это значит, что у нас есть четыре столбца. Если значение категории равно 3, то пишем единицу в четвертом столбцы. Если значение категории равна 2, пишем единицу в третьем столбце и так далее. Естественно, что в любом наблюдении единица будет находиться только в одном из этих четырех столбцов. В этом и состоит прямое кодирование по показателю времени.

Опишем постановку задачи разработки метода подбора реликсирующих картин.

Дано : таблицу с данными о цветовой преференции, день рождение, субъективные ощущение.

Найти : релаксирующую картину.

Для решение поставленной задачи необходимо сформировать нелинейный классификатор, являющийся нейронной сетью и который можно создать ,

объединяя несколько единиц логистической регрессии, или нейронов. Такой классификатор позволит определять конкретную релаксирующую картину или их группу для корректировки психофизиологического состояния человека Поскольку, перед исследованием нет можно оценить, или будут классы релаксирующих картин представлены в нейронный сети быть разделены за помощью линий, или гиперплощин, будут ли нелинейное разделение, ставим целью создать нелинейный классификатор. Который будет по своей природе подходящим для всех возможных случаев распределения, то есть универсальным.

Выше уже проведено анализ зависимых данных, на основе которых сейчас психологи подбирают релаксирующие картины. Также описан подходящий для тренировка нейронной сети формат данных: структура да кодирование значений

категорий. Поэтому следующей задачей по разработке метода будет создание схемы нейронной сети да ее конфигурация.

Можно выделить основные пункты по организации нейронной сети:

В этом пункте основное внимание уделено тому, как делать прогнозы. нейронной сети. Другими словами, имея вектор входных данных, как вычислить вектор исходных данных и как интерпретировать числа, получаемые на выходе.

В нейронных сетях исходные числа представляют собой вероятности. того, что входные данные принадлежат к того или другого класса.

Надо отметить, что в этом пункты никакой выходные дни результаты нейронной сети без смысла. Логистическая регрессия включает в себя набор весовых коэффициентов, а поскольку нейронная сеть состоит из множества логистических единиц, она также включает в себя набор весовых коэффициентов. В случае логистической регрессии мы используем градиентный спуск для выяснение значений этих коэффициентов и называем этот процесс «обучением». Напомним также, что мы имеем дело с двумя основными операциями – прогнозированием и обучением. Этот пункт посвящен именно прогнозирование, тогда как следующий

– обучение (рис 2.4). Только после того, как научимся учить нейронную сеть, результаты будут иметь смысл, но не раньше.

Нужно понимать, что сначала необходимо создать «мозг», но этот мозг не очень умен, поскольку еще не обучен, и потому прогнозы будут не очень точными. Затем мы его учим, и только после обучения мозг будет способен давать точные прогнозы, причем именно поэтому, что мы попробовали научить его этом.

Количество нейронов в скрытых слоях. Определение количества нейронов в скрытых слоях является очень важной частью решения вашей общей архитектуры нейронной сети Хотя эти слои не взаимодействуют непосредственно с внешним средой, они имеют огромный влияние на конечный результат. И количество скрытых слоев, и количество нейронов в каждом из этих скрытых слоев должны быть тщательно рассмотрены.

Использование слишком небольшой количества нейронов в скрытых шарах приведет к того, что называется подгонкой. Подгонка происходит,

когда в скрытых слоях слишком мало нейронов, чтобы адекватно обнаружить сигналы в сложном набор данных.

Использование слишком большого количества нейронов в скрытых слоях может привести к нескольких проблем. Во-первых, очень много нейронов в скрытых шарах может привести к переобучение. Переоснащение происходит, когда нейронно сеть имеет да у большую способность обработки информации, ограниченного объема информации, содержащейся в учебном наборе, недостаточно для обучения всех нейронов в скрытых слоях. Второй проблема может возникнуть, даже если систему адаптации достаточно. Неоправданно большая количество нейронов в скрытых шарах может увеличить время, необходимый для обучение сети. Количество времени обучение может увеличиться до такой степени, что невозможно адекватно научить нейрону сеть. Очевидно, что должен быть достигнутый определенный компромисс между слишком большим и слишком малой количеством нейронов в скрытых шарах.

Существует много практических методов определение правильной количества нейронов для использование в скрытых слоях, таких как следующие:

Или три правила обеспечивают отправную точку для рассмотрения. В конце концов, Выбор архитектуры для нейронной сети сводится к методу проб и ошибок. Топология нейронной сети в первоначальном состоянии с одним скрытым слоем, согласно с описанным выше, будет иметь вид, как на рис. 2.5. Входы нейронной сети отвечают данным, которые были подготовлены да закодированы накануне: цветная преференция, день рождения и субъективные ощущение. Первоначально скрыт шар нейронной сети был высчитанный на

основе методов описанных раньше, а Дальше экспериментальным путем будет осуществлено корректировка количества нейронов. При необходимости.

Функция активации нейронов. Рассмотрим две функции сигмоида да софтмакс. В некоторых случаях сигмоида и софтмакс есть эквивалентными. Придется немного поработать с математикой, чтобы показать эквивалентность сигмоиды и софтмакс.

Рис. 2.5 Топология нейронной сети с четырьмя входами с одним скрытым слоем, который имеет 7 нейронов, и из четырьмя выходами

Сначала выпишем уравнение для софтмакс. Вероятность того, что y = 1 , равно: