http://dspace.nbuv.gov.ua:80/handle/123456789/110269 2026-04-15T12:17:45Z http://dspace.nbuv.gov.ua:80/handle/123456789/110295 Авторы номера 181 за 2015 г. 2015-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/110294 Мультифрактальный анализ в исследовании биоэлектрической активности мозга Майоров, О.Ю.; Фенченко, В.Н. Разработана методика оценивания ЭЭГ с позиций мультифрактального анализа для изучения масштабных свойств ЭЭГ в норме, при патологии и измененных состояниях. Предложено использовать ширину мультифрактального спектра, которая может служить индикатором измененных состояний мозга или патологии. Состояние той или иной области коры головного мозга или подкорковой структуры предложено оценивать по величине смещения спектра сингулярностей при переходе от одного состояния к другому. Анализ значений экспонент Гёльдера дает диагностический инструмент и позволяет провести содержательную интерпретацию процессов, протекающих в головном мозге.; Розроблено методику оцінювання ЕЕГ з позицій мультфрактального аналізу для вивчення масштабних властивостей ЕЕГ в нормі, при патології та змінених станах. Запропоновано використовувати ширину мультифрактального спектру, яка може служити індикатором змінених станів мозку або патології. Стан тієї чи іншої області кори головного мозку або підкоркової структури запропоновано оцінювати за величиною зсуву спектру сингулярностей при переході від одного стану до іншого. Аналіз значень експонент Гёльдера дає діагностичний інструмент і дозволяє провести змістовну інтерпретацію процесів, що протікають в головному мозку.; The purpose of work is to create a method of objective quantitative assessment of parameters of multifractal summary bioelectric activity (EEG); to study EEG multifractality in healthy volunteers, subjects in altered states of conscious and pathologic EEGs. For the qualitative estimation of the multifractality of the EEG signal, the use of multifractal spectrum width, which can serve as an indicator of altered and pathologic brain states, is proposed. The state of different brain areas can also be assessed according to the offset value of a singularity spectrum of the transposition between different states. Analysis of Hölder exponents can provide an exact diagnostic tool and allow substantial interpretation of different processes in the brain. 2015-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/110293 Метод идентификации многосвязных систем по частотным характеристикам Мельничук, С.В. Исследована возможность применения метода структурно-параметрической идентификации систем с одним входом и одним выходом для построения аппроксимирующих моделей систем с несколькими входами и выходами. Предложен алгоритм, основанный на объединении моделей, соответствующих динамике исследуемого объекта по отдельным входам и отдельным выходам, в одну многосвязную модель.; Досліджено можливість застосування методу структурно-параметричної ідентифікації систем з одним входом та одним виходом для побудови апроксимуючих моделей систем з багатьма входами та виходами. Запропоновано алгоритм, заснований на об'єднанні моделей, які відповідають динаміці об’єкту дослідження за окремими входами та окремими виходами, в одну багатозв’язну модель.; In order to generalize the method it is proposed to identify SISO models of subsystems, that describes individual inputs and outputs, and then combine them. The main purpose of research is to develop an algorithm, that combine separate SISO models into one general MIMO model. Separate SISO models determined by their invariant properties. As simple combination of SISO models leads to a MIMO model of large dimension, and some invariant properties in different models may be similar, it makes sense to carry out unification by equating this invariants. 2015-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/110292 Adaptation and Learning in Some Classes of Identification and Control Systems Zhiteckii, L.S.; Nikolaienko, S.A.; Solovchuk, K.Yu. The purpose of the paper is to establish the global convergence conditions of the gradient online learning algorithm in the neural network model by utilizing the probabilistic asymptotic analysis and to derive the convergent adaptive control algorithm guaranteeing the boundedness of the signals in the closed-loop system which contains the multivariable memoryless plant with an arbitrary matrix gain in the presence of unmeasurable disturbances whose bounds are unknown.; Рассмотрены задача обучения нейросетевых моделей для идентификации неопределенных нелинейных систем в стохастической среде и задача адаптивного управления линейным многомерным объектом без памяти с произвольным матричным коэффициентом усиления при наличии нерегулярных ограниченных возмущений, уровни которых априори неизвестны. Установлены достаточные условия сходимости алгоритма обучения нейронных сетей и асимптотические свойства алгоритма адаптивного управления многомерным объектом. Полученные результаты являются фундаментальными.; Розглянуто задачу навчання нейромережних моделей для ідентифікації невизначених нелінійних систем у стохастичному середовищі та задачу адаптивного керування лінійним багатовимірним об'єктом без пам'яті з довільним матричним коефіцієнтом підсилення за наявності нерегулярних обмежених збурень, рівні яких апріорі невідомі. Встановлено достатні умови збіжності алгоритму навчання нейронних мереж, а також асимптотичні властивості алгоритму адаптивного керування багатовимірним об'єктом. Одержані результати є фундаментальними. 2015-01-01T00:00:00Z