Рассматриваются способы синтеза и идентификации обучаемых скрытых марковских моделей, которые применяются для исследования динамики распределений зон актив ности в коре головного мозга. Состояния моделей определяются заранее известными типовыми распределениями этих зон. Модели первого приближения формируются с помощью статистического анализа и их обработки посредством самоорганизующихся карт Кохонена. Затем эта структура подвергается коррекции. Для обучения моделей используются гистограммы наблюдаемых частот состояний системы. Cвободные параметры моделей идентифицируются методом минимума хи-квадрат. Синтез выполняется при наличии неопределённостей, включая отсутствие полной информации о состояниях системы и связях между ними. Неидентифицированные наблюдения определяются с помощью карт Кохонена или кластерного анализа. Связи между состояниями определяются в соответствии со смежностью их кластеров или состояний областей топологических карт Кохонена. Подход иллюстрируются практическим примером.
ЦИТАТА
On an approach to synthesis and identifi cation of mathematicalmodels for studying cerebral cortex activity В сборнике: Когнитивные исследования. – 2014. – С. 197-218
Представлена новая система тестирования, основанная на использовании факторных моделей и самоорганизующихся карт Кохонена. Метод фильтрации артефактов, искажающих результаты тестирования и обусловленн...
Цель работы - формализация и оптимизация процесса оценки способностей и компетенций путем создания факторных моделей и внедрения методов и алгоритмов принятия решений, учитывающих информацию о времени...
