Аннотация:
Расстройство аутистического спектра (РАС) — это неврологическое состояние, характеризующееся нарушениями социального взаимодействия. Такой диагноз имеет экономические и социальные последствия из-за его высокой распространенности и связанной с ним заболеваемости. Данные с датчиков электроэнцефалограммы (ЭЭГ) являются числовыми и служат входными для прогнозов на основе машинного обучения. Входные данные включают характеристики, извлеченные из сигналов ЭЭГ, такие как отношение тета/бета, тета/альфа и другие относительные показатели мощности, которые тесно связаны с когнитивным контролем и динамикой внимания. Эти данные организованы в сбалансированные классы «Внимание» и «Нет внимания», включающие в общей сложности 33 936 образцов. В настоящей статье предлагаются 12 взвешенных и средневзвешенных ансамблевых моделей для повышения точности прогнозирования сигналов внимания у людей с РАС. Для ансамблирования были разработаны и обучены с помощью различных оптимизаторов три многослойные архитектуры персептрона. Точность используемой ансамблевой модели из трех многослойных персептронов достигла 95.90 %. Полученные результаты могут способствовать развитию новых диагностических и образовательных подходов, а также послужить основой для будущих исследований, применяющих методы машинного обучения и создания инновационных технологий для тренировки внимания.
Полный текст:
PDF файл (2620 kB)