Помощь в учёбе, очень быстро...
Работаем вместе до победы

Хаотическая динамика поведения сложных биомеханических систем в многомерных фазовых пространствах состояний на примере постурального тремора

Диссертация: Хаотическая динамика поведения сложных биомеханических систем в многомерных фазовых пространствах состояний на примере постурального тремора
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

С точки зрения детерминистского подхода (применяемого при описании систем первого типа), многократное повторение любого процесса обеспечивает идентификацию модели БДС в фазовом пространстве состояний, а в стохастике — статистической функции распределения. Но возможность получения функции распределения для динамики поведения любой стохастической системы (в рамках второй, стохастической парадигмы… Читать ещё >

Содержание

  • СПИСОК СОКРАЩЕНИИ
  • 1. ИДЕНТИФИКАЦИЯ СЛОЖНЫХ ДИНАМИЧЕСКИХ СИСТЕМ В РАМКАХ ДЕТЕРМИНИСТСКОГО И СТОХАСТИЧЕСКОГО ПОДХОДОВ
  • 2. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ОРГАНИЗАЦИИ УПРАВЛЕНИЯ В НЕРВНО-МЫШЕЧНОЙ СИСТЕМЕ ПРИ ПОСТУРАЛЬНОМ ТРЕМОРЕ НА ОСНОВЕ КОМПАРТМЕНТНО-КЛАСТЕРНОЙ МОДЕЛИ ФУНКЦИОНАЛЬНЫХ СИСТЕМ ОРГАНИЗМА ЧЕЛОВЕКА
  • 3. НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ИДЕНТИФИКАЦИИ ПАРАМЕТРОВ ПОРЯДКА ДЛЯ СИСТЕМ С ХАОТИЧЕСКОЙ ДИНАМИКОЙ ПОВЕДЕНИЯ
  • 4. МЕТОДЫ МНОГОМЕРНЫХ ФАЗОВЫХ ПРОСТРАНСТВ В ИДЕНТИФИКАЦИИ СЛОЖНЫХ ДИНАМИЧЕСКИХ СИСТЕМ С ХАОТИЧЕСКОЙ ДИНАМИКОЙ ПОВЕДЕНИЯ
    • 4. 1. Расчет параметров квазиаттракторов в оценке влияния различных величин статических нагрузок на параметры постурального тремора
    • 4. 2. Стохастические и хаотические оценки параметров тремора при температурных воздействиях

Хаотическая динамика поведения сложных биомеханических систем в многомерных фазовых пространствах состояний на примере постурального тремора (реферат, курсовая, диплом, контрольная)

Исследование сложных биологических динамических систем (БДС) на сегодняшний день является актуальной, но и весьма трудоемкой задачей. Это обусловлено тем, что в каждый момент времени состояние такой системы (биомеханической, в частности) принимает новое значение, отличное от предыдущего. Фактически это означает непрерывное, хаотическое изменение таких БДС. Определить положение вектора состояния системы в следующий момент времени невозможно в принципе [67, 75, 162]. Если представить динамику поведения вектора состояния системы (ВСС) х=(х], х2, ., xj в многомерном фазовом пространстве состояний (ФПС) в виде непрерывной линии, то конкретное значение данного вектора xt (то есть точка в таком многомерном ФПС) не имеет информационной значимости, так как в следующий момент времени эта точка сместится в другую область фазового пространства состояний (2-й постулат теории хаоса-самоорганизации, предложенный Еськовым В.М.) [38]. Таким образом, ВСС совершает непрерывное вариационное (хаотическое) движение в ФПС, но не вокруг среднего значения, как этого требует стохастика, а в пределах некоторого объема ФПС, который мы будем называть (как это принято в теории хаоса-самоорганизации — ТХС) квазиаттрактором (КА). Телеологичные свойства БДС, наличие хаотической динамики ВСС в области квазиаттрактора, самоорганизация таких систем в пределах КА — все эти свойства определяют сложность и синергизм в динамике поведения таких хаотически-самоорганизованных систем или систем третьего типа (СТТ). Поэтому применение традиционных методов детерминистского и стохастического подходов (ДСП) при описании таких сложных систем (complexity, по определению И. Р. Пригожина и его последователей) недостаточно [174, 191]. Обязательным условием ДСП является неоднократное воспроизведение начального состояния системы х в момент времени t0, наличие возможности стационарных режимов и точек покоя.

С точки зрения детерминистского подхода (применяемого при описании систем первого типа), многократное повторение любого процесса обеспечивает идентификацию модели БДС в фазовом пространстве состояний, а в стохастике — статистической функции распределения. Но возможность получения функции распределения для динамики поведения любой стохастической системы (в рамках второй, стохастической парадигмы) не снимает проблемы необходимости определения (предсказания) конечного состояния БДС в ФПС. Следует вспомнить, что стохастика всегда требует повторения процесса, в котором его конечный результат будет флуктуировать около среднего значения. В этом случае мы всегда имеем неравномерное распределение в отличие от ТХС, где обычно имеется равномерное распределение для вектора состояния любой биосистемы. БДС в фазовом пространстве всегда представляет хаотическую динамику движения ВСС в пределах КА.

Сложность в динамике поведения систем третьего типа приводит нас к выводу, что для описания таких систем необходимы новые методы (отличные от методов ДСП), позволяющие качественно и количественно описывать любые сложные БДС и биомеханические системы в частности. При этом, если в ДСП построение модели БДС — это искусство, то в ТХС мы имеем фактически полученный КА в ФПС. Исходя из этого, появляется острая необходимость в построении и анализе математических моделей хаотической динамики поведения таких СТТ, в автоматизации методов их исследования путем внедрения новых программ на базе ЭВМ, в автоматизации обработки данных, полученных при идентификации систем с хаотической динамикой поведения. Особенности динамики поведения таких сложных систем третьего типа (complexity) были исследованы в данной диссертационной работе на примере организации и управления постуральным тремором, который возникает при работе нервно-мышечной системы человека. Именно тремор представляется как наиболее яркий пример хаотической динамики поведения ВСС в ФПС, имеющий чисто механическую основу, т. е. тремор — объект физики с одной стороны, и биофизики в частности. Таким образом, в настоящее время исследование динамики поведения сложных биомеханических систем нуждается в расширении исследовательской базы, в необходимости введения дополнительных алгоритмов и критериев оценки динамики поведения сложных биосистем не только на основе детерминистского или стохастического подходов, но и на основе учета уникальных свойств БДС-сотр1ехйу, демонстрирующих непрерывную хаотическую динамику поведения ВСС в ФПС.

Так как описанные системы характеризуются максимальной неопределенностью, то исследование СТТ составляет фундаментальную задачу не только биофизики и биомеханики на современном этапе их развития, но и всего естествознания. Результаты наших исследований послужат дальнейшему развитию современной теории хаоса и самоорганизации, а также могут создать некоторую положительную динамику в продвижении методов теории хаоса и самоорганизации в биологических и медицинских науках. Это имеет огромное значение для естествознания и биофизики сложных систем, к которым относятся и биомеханические системы.

Таким образом, целью настоящей работы является теоретическое и экспериментальное доказательство существования непрерывной хаотической динамики поведения параметров биомеханической системы человека при постуральном треморе и создание базиса для моделирования таких процессов на основе анализа их поведения в многомерном фазовом пространстве состояний. Для достижения поставленной цели решались следующие задачи:

1. Изучить возможность возникновения периодических и хаотических режимов в описании постурального тремора при помощи компартментно-кластерных моделей.

2. Продемонстрировать хаотическую динамику поведения нейроэмуляторов при решении простейшей задачи бинарной классификации, что должно объяснить и хаотическую динамику поведения нейросетей мозга, участвующих в регуляции движений.

3. Осуществить идентификацию сложных динамических биомеханических систем с хаотической динамикой поведения методами многомерных фазовых пространств на примере организации постурального тремора.

Изучение возникновения хаотических режимов наряду с периодическими режимами функционирования НМС при постуральном треморе является принципиально новой задачей при изучении хаотически-организованных систем. Наличие хаотической динамики в нейросетях мозга, участвующего в организации контроля непроизвольных движений, и построение компартментно-кластерных моделей, демонстрирующих различные режимы динамики поведения биомеханической системы, является слабо изученной проблемой биофизики и может иметь прикладное значение не только для биологии, но и для медицины.

Научная новизна работы.

1. Разработана двухкластерная трехкомпартментная модель, имитирующая работу нервно-мышечной системы человека, что позволяет наглядно оценить динамику поведения каждого из компартментов, участвующих в организации постурального тремора.

2. Выполнено экспериментальное доказательство хаотической динамики нейронных сетей головного мозга человека на примере нейроэмулятора.

3. Предложен принципиально новый метод расчета параметров квазиаттракторов при описании динамики в системе организации постурального тремора.

4. Выполнена идентификация параметров квазиаттракторов в оценке влияния температурных воздействий на параметры тремора как некоторых внешних управляющих воздействий, что доказывает новые возможности теории хаоса-самоорганизации в биомеханике.

5. Исследования тремора пальца кисти руки испытуемого в горизонтальной и вертикальной плоскостях при статических нагрузках продемонстрировали возможность метода фазовых пространств в идентификации биомеханических систем.

Научно — практическая значимость.

1. Разработанную двухкластерную трехкомпартментную модель, имитирующую работу нервно-мышечной системы человека, целесообразно использовать в медико-биологических исследованиях для количественной и качественной оценок характера влияния внешних возмущений на параметры тремора биомеханических систем организма человека.

2. Идентифицируемые параметры тремора биомеханической системы человека являются существенными диагностическими признаками и обеспечивают идентификацию различных функциональных состояний организма.

3. Разработанная программа для ЭВМ (гос. регистрация № 2 013 611 828) обеспечивает идентификацию наиболее важных диагностических признаков, что находит применение в современной медицине.

4. Созданная программа для ЭВМ (гос. регистрация № 2 013 611 829) осуществляет разбиение индивидуумов на приблизительно одинаковые группы по оценке межаттракторных расстояний путем построении матриц этих расстояний.

5. Разработанная программа для ЭВМ (гос. регистрация № 2 013 611 827) предназначена для решения задач в персонифицированной медицине, например, в случае, когда по одним признакам пациент стоит ближе к одной группе заболеваний, а по другим — к другой. Программа может быть использована в научных исследованиях и при создании диагностических систем в медицине.

выводы.

1. Разработанная компьютерная модель, имитирующая систему контроля непроизвольных движений (постуральный тремор), обеспечивает описание динамики поведения эфферентной системы в режиме хаоса и классическом стационарном состоянии (сЬс/Ж=0). В зависимости от интенсивности управляющего драйва выходной сигнал системы может совершать колебания как периодического характера, так и хаотического.

2. Искусственные нейронные сети при каждом новом цикле обучения выдают одно и то же решение поставленной задачи, но процесс решения этой задачи (внутренняя конфигурация и веса связей) каждый раз происходят по-разному, что проявляется в отсутствии возможности идентификации параметров порядка при простых итерациях. Нейроэмуляторы при простых итерациях невозможно использовать для идентификации главных диагностических признаков в медицине, а само это состояние нейросети имитирует хаос в системах контроля и управления постуральным тремором.

3. Выполнена идентификация сложных биомеханических систем с хаотической динамикой поведения при помощи методов многомерных фазовых пространств и методов стохастики, которая может быть использована для диагностических целей (например, для диагностики состояния нервно-мышечной систем человека при постуральном треморе конечности человека).

ЗАКЛЮЧЕНИЕ

.

Проведенные исследования по анализу и идентификации динамики поведения сложных биомеханических систем с хаотической динамикой поведения, построение математических и имитационных моделей, свидетельствуют о суперпозиции чисто хаотического движения (постурального тремора) с некоторыми произвольными (управляющими) влияниями со стороны ЦНС. Хаотическую составляющую в микродвижениях нельзя убратьэто базовое свойство биомеханической системы, и это свойство имеет диагностическую ценность. На протяжении нескольких десятков лет ведутся споры между учеными о характере динамики постурального треморахаотическая эта динамика или произвольная — периодическая. Результаты наших собственных исследований показывают, что действительно тремор по своей природе носит хаотический характер, однако, на фоне хаоса имеют место и периодические колебания, которые, впрочем, непрерывно изменяют свои параметры.

Таким образом, путем создания математической и имитационной моделей удалось осуществить доказательство непрерывной хаотической динамики в организации постурального тремора конечности человека. Работа самих нейросетей мозга тоже имеет характер хаоса (по внутреннему состоянию), но внешне возникает цель и некоторый (кажущийся) порядок.

Показать весь текст

Список литературы

  1. В.И. Принципы соответствия в теоретической биологии и медицине (ТБМ) с позиции теории хаоса и синергетики / В. И. Адайкин, A.A. Глущук,
  2. B.М. Еськов, A.A. Устименко и др. // Материалы открытой окружной конференции в рамках акции «Спасти и сохранить», «Биоресурсы и природопользование в Ханты-мансийском автономном округе» проблемы и решения г. Сургут: Изд-во СурГУ, 2006. С. 127−130.
  3. П.К. Кибернетика функциональных систем / П. К. Анохин // Кн.: Кибернетика функциональных систем. М.: Медицина, 1998. — 285 с.
  4. В.А. Оценка управления статическим напряжением скелетной мышцы по ее микродвижениям / В. А. Антонец, Э. П. Ковалева // Биофизика. 1996. — Т. 41, № 3. — С.711−717.
  5. В.А. Статистическое моделирование непроизвольных микроколебаний конечности / В. А. Антонец, Э. П. Ковалева // Биофизика. 1996. — Т. 41, № 3.1. C. 704−710.
  6. P.A. Идентификация синергизма в биосистемах./ A.A. Балтикова, М. Я. Брагинский, В. В. Еськов.// Вестник новых медицинских технологий. -2011.- Т. XVIII, № 3 С.334−335.
  7. В.И. Обыкновенные дифференциальные уравнения / В. И. Арнольд // М.: Наука, 1971.
  8. Т.С. Периодические режимы в нелинейных диссипативных системах вблизи точки бифуркации / Т. С. Ахромеева, Г. Г. Малинецкий // Вычислительная математика и математическая физика. 1985. — Т.25, № 9. — С. 1314−1326.
  9. Т.С. О странном аттракторе в одной задаче синергетики / Т. С. Ахромеева, Г. Г. Малинецкий // Вычислительная математика и математическая физика. 1987. — Т. 27, № 2. — С.202−217.
  10. Л.О. Клиническая электромиография./ JI.O. Бадалян, И.А. Скворцов// М.: Медицина, 1986. 368с.
  11. С.Т. Стимуляционная электромиография и электронейрография в клинике нервных болезней./ С. Т. Байкушев, З. Х. Манович, В.П. Новикова//М., 1974. 144 с.
  12. JI.M. Компартментные модели нейронных механизмов усвоения закономерностей на основе теории самообучающихся рекурсивных фильтров / JT.M. Бакусов, Ш. М. Сафин, Р. В. Насыров // Вестник новых медицинских технологий. 2002.- № 3.- С. 72 — 75.
  13. H.H. Поведение динамических систем вблизи границ области устойчивости / H.H. Баутин. М.: Наука, 1984.- 260 с.
  14. H. А. Биомеханика и физиология движений. / H.A. Бернштейн Под ред. В. П. Зинченко. М.: Изд-во института практической психологии- Воронеж: НПО «МОДЭК», 1997. — 608 с.
  15. О.Я. Системный анализ двигательных реакций человека в разных режимах работы целенаправленного поведенческого акта / О. Я. Боксер, К. В. Судаков // Успехи физиол. наук. 1981. — Т. 2, № 1. — С. 3−31.
  16. М.Я. Сравнительная оценка эффективности методов проекций многомерного квазиаттрактора в фазовом пространстве состояний / М. Я. Брагинский, Г. В. Газя, A.A. Устименко и др. // Информатика и системы управления. 2010. — Т. № 2(24) — С. 13−16.
  17. М.Я. Исследование функциональных систем организма студентов Югры в условиях мышечных нагрузок методом фазового пространства состояний. / A.A. Балтикова, В. В. Козлова, Е.В. Майстренко// Современные наукоемкие технологии. 2010. — С.23−24.
  18. Т.В. Хаотическая динамика непроизвольных движений конечности человека в 4-мерном фазовом пространстве/ Т. В. Гавриленко, A.A. Балтикова, Д. А. Дегтярев, В. В. Еськов, A.C. Пашнин. // Сложность. Разум. Постнеклассика.-2012. № 1. — С.86−94
  19. Т.В. Метод многомерных фазовых пространств в оценке хаотической динамики тремора./ Т. В. Гавриленко, А. Е. Баженова, A.A. Балтикова и др.// Вестник новых медицинских технологий. -2013. № 1. С.25−28.
  20. А.И. Нейрокомпьютеры в биометрических системах. / А. И. Галушкин // М.: Радиотехника, 2007. 192с.: ил.
  21. .Д. Теоретическая и клиническая электромиография.- Д.: Наука. Ленингр. отд., 1990.-228 с.
  22. Голубев B. JL Болезнь Паркинсона и синдром паркинсонизма / B.JI. Голубев, Я. И. Левин, А. М. Вейн // Кн. -М.: МЕДпресс, 1999. 416 с.
  23. А.Н. Обучение нейронных сетей / А. Н. Горбань // Кн.: Обучение нейронных сетей. М.: Параграф, 1990. -160 с.
  24. А.Н. Нейронные сети на персональном компьютере/ А. Н. Горбань, Россиев Д. А. // Новосибирск: Наука, 1996. 276 с.
  25. В. С. Исследование произвольных движений руки у человека/В.С. Гурфинкель, В. А Сафронов, И. Г. Галь // Физиология человека. 1989. — Т. 15, № 6.-С. 100−104.
  26. В. С. Физиология двигательной системы//В.С. Гурфинкель // Успехи психофизиологических наук. 1994. — Т. 25, № 2. — С. 83 — 88.
  27. В.М. Математическое моделирование и прогнозирование свойств биотканей при о стеосинтезе псевдоартрозов / В. М. Еськов, В. М. Аршин // Казанский мед. журнал. -1978.- № 13.- С. 17−18.
  28. В.М. Идентификация дифференциальных уравнений, моделирующих средства измерения в пространстве состояний / В. М. Еськов // Тезисы докладов НТК «Датчик». Гурзуф, 1993.- С.43−44.
  29. В.М. Автоматическая идентификация дифференциальных уравнений, моделирующих нейронные сети / В. М. Еськов // Измерительная техника. -1994.-№ 3.-С. 66−68.
  30. В.М. Компьютерная диагностика компартментности динамических систем / В. М. Еськов, O.E. Филатова // Измерительная техника. -1994. № 1. — С. 65−68.
  31. В.М. Компьютерная идентификация иерархических компартментных нейронных сетей / В. М. Еськов, O.E. Филатова, В. П. Иващенко // Измерительная техника. 1994. — № 8. — С. 67−72.
  32. В.M. Компьютерная идентификация респираторных нейронных сетей / В. М. Еськов, O.E. Филатова // Монография: ОНТИ РАН, Пущино, 1994. 84 с.
  33. В.М. Нейрональные механизмы дыхательной ритмики / В. М. Еськов, O.E. Филатова, В. В. Бондарева, В. Е. Якунин // Успехи физиологических наук. -1994. № 3. — С.60
  34. В.М. Введение в компартментную теорию респираторных нейронных сетей / В. М. Еськов // Монография: Москва. Наука, 1994. — 164 с.
  35. В.М. Идентификация математических моделей двухкластерных иерархических нейронных сетей с помощью ЭВМ / В. М. Еськов, O.E. Филатова, А. Б. Заславский // Материалы конф. МИЭТ. Москва, 1995. С.21−23.
  36. В.М. Устройство для управления иерархическими нейронными сетями / В. М. Еськов // Приборостроение. 1995. — № 3. — С. 53−56.
  37. В.М. Пуловые принципы в математическом моделировании динамики распространения биопотенциалов в нейросетевых системах мозга / В. М. Еськов, O.E. Филатова, Ю. М. Попов // Вестник новых медицинских технологий. -1996. № 3. — С. 104 — 106.
  38. В.М. Измерение переменных параметров движущихся биологических объектов / В. М. Еськов, O.E. Филатова, В. А. Папшев, А. П. Козлов // Измерительная техника. 1996. — № 4. — С. 58−61.
  39. В.М. Исследование иерархических природных систем с использованием ЭВМ в учебном процессе / В. М. Еськов, C.B. Кулаев, В. А. Рачковская // Наука и экологическое образование. Сборник трудов международной конференции: Тула, 1997. С. 86−90.
  40. В.М. Компартментный подход при моделировании нейронных сетей. Роль тормозных и возбуждающих процессов / В. М. Еськов, O.E. Филатова // Биофизика.- 1999. -Том 44, вып.З. С. 518 — 525.
  41. В.М. Амплитудно-частотные характеристики треморограмм человека, получаемые с помощью датчиков перемещения и вычислительного комплекса /
  42. В.М. Еськов, O.E. Филатова, М. Я. Брагинский // Материалы международной конференции «Датчики и преобразователи информации систем измерения, контроля и управления». Гурзуф, 2000. С. — 248−249.
  43. В.М. Возможно ли построение некоторой общей, фундаментальной теории организации и функционирования биосистем? / В. М. Еськов // Вестник новых медицинских технологий. 2001. — Т. VIII., № 2. — С. 93 — 95.
  44. В.М. Автоматизированные комплексы для построения математических моделей биомеханических свойств тканей / В. М. Еськов, В. А. Папшев, O.E. Филатова // Материалы Международной конференции «Датчик-2001» Гурзуф. -2001.-С. 178−179.
  45. В.М. Диагностика фазатона мозга путем изучения характерных частот в треморограммах человека с помощью вычислительного комплекса / В. М. Еськов, В. В. Еськов, O.E. Филатова // Вестник новых медицинских технологий. -2001.-Т. VIII., № 4.-С. 15−18.
  46. В.М. Идентификация математических моделей иерархических биологических динамических систем / В. М. Еськов, А. И. Демко, В. А. Рачковская // Материалы международной конференции «Экология Сибири, Дальнего востока и Арктики» (ESFEA-2001). С. 45−47.
  47. В.М. Измерение биомеханических параметров непроизвольных движений человека / В. М. Еськов, В. В. Еськов, В. А. Папшев // Вестник новых медицинских технологий. 2002. — № 1. — С.27.
  48. В.М. Компартментный подход в исследованиях регуляторных процессов в сердечно-сосудистой системе жителей севера / В. М. Еськов, В. В. Еськов // Вестник новых медицинских технологий. 2002. — Т. IX.,№ 3.-С. 40−41.
  49. В.M. К вопросу о произвольном в непроизвольном микродвижении конечности человека (треморе) / В. М. Еськов, М. Я. Брагинский, О. В. Климов // Вестник новых медицинских технологий. 2002.- T. IX., № 3. — С. 24 — 26.
  50. В.М. Обработка нейрофизиологической информации с использованием метода минимальной реализации и ЭВМ / В. М. Еськов, В. В. Бондарева, C.B. Кулаев // Вестник новых медицинских технологий.-2002.- T.IX.,№ З.-С. 11−15.
  51. В.М. Прямое и непрямое управление компартментными биологическими системами / В. М. Еськов, В. А. Рачковская // Труды международной конференции ITSE. Гурзуф. 2002. — С.39−42.
  52. В.М. Фазатон мозга в норме и при патологии / В. М. Еськов, Р. Н. Живогляд // Вестник новых медицинских технологий. 2004. — № 4. — С. 5 — 9.
  53. В.M. Понятие нормы и патологии в фазовом пространстве состояний с позиции компартментно-кластерного подхода / В. М. Еськов, Р. Н. Живогляд, Н. М. Карташова и др. // Вестник новых медицинских технологий. 2005.- Т. XII, №.1. — С. 12−14.
  54. В.М. Методы измерения интервалов устойчивости биологических динамических систем и их сравнение с классическим математическим подходом в теории устойчивости динамических систем / В. М. Еськов // Метрология. 2005. — № 2.- С. 24−37.
  55. В.М. Системный анализ и компьютерная идентификация синергизма в биологических динамических системах / В. М. Еськов, Р. Н. Живогляд, В. А. Папшев и др. // Системный анализ и управление в биомедицинских системах. -2005.-№ 1.-С. 108−111.
  56. В.М. Биофизика. Часть II./ В. М. Еськов, О. В. Климов, М. А. Филатов // Учебное пособие для студентов биологического факультета СурГУ (курс лабораторно-практических работ). Сургут, 2007.-114 с.
  57. В.М. Синергетика в клинической кибернетике. Часть III. Синергетический подход в клинике метаболических нарушений. / В. М. Еськов, И. Ю. Добрынина, O.E. Филатова, В. Ф. Пятин // Под ред. Григорьева А. И. Самара: Изд. ООО «Офорт», 2007. 281 с.
  58. В.М. Особенности измерений и моделирования биосистем в фазовых пространствах состояний/ В. В. Еськов, O.E. Филатова // Измерительная техника. М., 2010.- № 12. — С. 53−57.
  59. В.М. Сравнение параметров квазиаттракторов поведения вектора состояния организма тренированных и нетренированных студентов/ В. В. Козлова, В. Н. Голушков и др.// Теория и практика физической культуры и спорта. М., 2011.- № 10. — С. 92−94.
  60. В.М. Третья парадигма /В.М. Еськов//Самара: ООО «Офорт», 2011−250с.
  61. В.М. Можно ли моделировать и измерять хаос в медицине/ В. М. Еськов,
  62. A.A. Балтикова, И. В. Буров, Т. В. Гавриленко, A.C. Пашнин //Вестник новых медицинских технологий. 2012. — Т. XVIII, № 2 — С.412−414.
  63. В.М. Стохастические и хаотические методы оценки динамики тремора/
  64. B.М, Еськов, Т. В. Гавриленко, A.C. Пашнин, A.A. Балтикова //Информатика и системы управления. -2012.- С.99−102.
  65. JI.K. Основы теории нечетких множеств: Учебное пособие./ JI.K. Конышева, Д. М. Назаров //СПб.: Питер, 2011. 192 е.: ил.
  66. К. Руководство по электромиографии и электродиагностике./ К. Коуэн, Брумлик//М.: Медицина, 1975, 192с.
  67. А.П. Колебания. Катастрофы. Бифуркации. Хаос. / А. П. Кузнецов // Изд-во: госУНЦ «Колледж», Саратов, 2000. 98 с.
  68. В.В. Вибрационные свойства мышечных сокращений./В.В. Кузнецов // Тезисы докладов I Всесоюзного биофизического съезда, М., 1982.-Т.2.-с.62−63.
  69. В.В. Автоколебания биомеханических систем / В. В. Кузнецов //Биологическая, медицинская кибернетика и бионика. Институт кибернетики АН УССР, Киев, 1984. с.91−95.
  70. A.B. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / A.B. Кузьмин, A.A. У сков //Изд. «Горячая линия Телеком» -. 2004. — 143 с.
  71. C.B. Автоматизированные комплексы для идентификации стационарных состояний иерархических биосистем /C.B. Кулаев, В. М. Еськов,
  72. B.А. Рачковская, O.E. Филатова // Датчики и преобразователи информации систем измерения: Тезисы докладов. Гурзуф. 1997. — С. 336−338.
  73. C.B. Иерархические принципы нейросетевых идентификаторов / C.B. Кулаев, В. М. Еськов, O.E. Филатова // Новые информационные технологии в медицине и экологии. Труды V международной конференции. Гурзуф. -1998.1. C. 283−286.
  74. C.B. Компьютерная идентификация стационарных режимов функционирования нейросетей мозга / C.B. Кулаев, O.E. Филатова // Проблемы теоретической биофизики. Тезисы докладов международная школы: М., 1998.-С.180.
  75. С.П. Нелинейная динамика и проблемы прогноза./ С. П. Курдюмов, Г. Г. Малинецкий // Вестник РАН. 2001. — Т 71, № 3. — С. 210−224.
  76. Г. Г. Хаос. Структуры. Вычислительный эксперимент: Введение в нелинейную динамику / Г. Г. Малинецкий // М.: Эдиториал УРСС, 2000. 256 с.
  77. Г. Г. Современные проблемы нелинейной динамики / Г. Г. Малинецкий, А. Б. Потапов // Кн.: Современные проблемы нелинейной динамики. Изд. 2-е, исправленное и дополненное. — М.: Едиториал УРСС, 2002. — 360 с.
  78. Г. Г. Нелинейная динамика и хаос. Основные понятия: Учебное пособие / Г. Г. Малинецкий, А. Б. Потапов // Кн.: Нелинейная динамика и хаос. Основные понятия: Учебное пособие. М.: КомКнига, 2006. — 240 с.
  79. .А. Введение в стохастическую динамику. / Б. А. Мартынов, В. В. Бочков // Учеб. Пособ. Спб.: Изд-во СПбГТУ, 1998. — 92 с.
  80. A.B. Нейросетевые алгоритмы прогнозирования и оптимизации систем / А. В. Назаров, А. И. Лоскутов, под ред. М. В. Финкова СПб.: Наука и Техника. -2003.-384 е.: ил.
  81. В.Т. Биомеханическая стимуляция: явь и надежды. /В.Т. Назаров //Мн.: Полымя, 1986. 95 е.: ил.
  82. P.C. Электромиография в исследованиях человека/ P.C. Персен // М.:Наука, 1969. 231 с.
  83. В.А. Нелокальные проблемы теории колебаний. М.:Наука, 1964. 367 с.
  84. JI.C. Математическая теория оптимальных процессов / JI.C. Понтрягин, В. Г. Болтянский, Р. В. Гамкрелидзе, Е. Ф. Мищенко // Кн.: Математическая теория оптимальных процессов. М.: Наука, 1983. — 392 с.
  85. Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский, пер. с польск. И. Д. Рудинского. М.: Горячая линия — Телеком, 2004. — 452 е.: ил.
  86. Н. Г. Динамика спектральной структуры микродвижений при кинезотерапии начальных стадий искривления позвоночника // Автореферат диссертации на соискание ученой степени кандидата биологических наук. М., 1995.-22 с.
  87. В.И. Исследование биомеханики движений комплекса онтогенетически ориентированной кинезотерапии / В. И. Скворцова, Г. Е. Иванова, Д. В. Скворцов и др. // Лечебная физкультура и спортивная медицина. -2010.-№ 5.-С. 13−18.
  88. В.В. Фазатонный гомеостаз и врачевание / В. В. Скупченко, Е. С. Милюдин // Монография: Самара, СамГМУ, 1994. 256 е., ил. 80.
  89. , Д.В. Введение в искусственный интеллект: конспект лекций./ Д.В. Смолин- 2-е изд., перераб. М.: ФИЗМАТЛИТ, 2007. — 264 с.
  90. , А. С. Физиология человека. / А. С. Солодков, Е. Б. Сологуб. М.: Тера -Спорт, Олимпия Пресс, 2001. — 520 е.: ил.
  91. Е. Познание сложного / Е. Стингере, И. Пригожин // Кн.: Познание сложного. Изд-во УРСС, М.: 2003. — 342 с.
  92. A.A. Идентификация явления синергизма в биологических динамических системах / A.A. Устименко // Сборник научных трудов. Естественные науки / СурГУ Сургут: Из-во СурГУ, 2009.
  93. А.Г. Механические свойства скелетной мышцы и их регуляция нервной системой / А. Г. Фельдман // Физиология движений. Л.: Наука, 1976. — С.38−68
  94. М.А. Метод фазовых пространств в моделировании психофизиологических функций учащихся Югры. Самара: Офорт, 2010. — С. 130.
  95. O.E. Использование понятия стационарных режимов биосистем в учебном процессе / O.E. Филатова, В. М. Еськов, C.B. Кулаев, В. А. Рачковская //Наука и экологическое образование. Сборник трудов международной конференции. -Тула, 1997. С. 71−76.
  96. O.E. Норма и патология состояния функциональных систем человека на фазовой плоскости/ O.E. Филатова, В. М. Еськов, Т. В. Зуевская // Научные труды I съезда физиологов СНГ. М.: Медицина, 2005. — С. 41.
  97. Г. Информация и самоорганизация: Макроскопический подход к сложным системам/ Г. Хакен / Пер. с англ.-М. Мир, 1991- 240с.
  98. Г. Принцип работы головного мозга / Г. Хакен // Кн.: Принцип работы головного мозга. Per Se. М. — 2001. — 351 с.
  99. Я.З. Основы теории автоматических систем / Я. З. Цыпкин // Кн.: Основы теории автоматических систем. М.: Наука, 1977. — 390 с.
  100. Д.С. Синергетика и информация (динамическая теория информации) / Д. С. Чернавский // Кн.:Синергетика и информация (динамическая теория информации). Послесл. Г. Г. Малинецкого. Изд. 2-е, испр. И доп. — М.: Едиториал УРСС, 2004. — 288 с.
  101. Е.И. Устройство для записи тремора кисти / В кн. Физиологические методы исследования трудовых процессов/ Е. И. Шубочкина, З. М. Золина, В. А. Варламов. М., 1969. — С. 73−76.
  102. Дж. Физиология синапсов / Дж. Экклс // М.: Мир, 1966. 395 е.: ил.
  103. Ю.С. Очерки по клинической электромиографии / Ю. С. Юсевич. -М., 1972.
  104. Alexander D.M. Digital simulation of human respiratory control and acid-base balance / D.M. Alexander // PhD thesis case Inst of Technology, Cleveland, Ohio, 1968.
  105. Billings S.A. Properties of neural netwoks with application to modelling non-linear dynamical systems / S.A. Billings, H.B. Jamaluddin, S. Chen // Int. J. Control. 1992. -Vol. 55, N 1. — P. 193−224.
  106. Bober T. Effectiveness of the strech-shortening cycle of muscle actions / T. Bober // Lecture notes of the ICB seminars biomechanics. Warsaw, 1994. — P. 183−190
  107. Botros S.M. Neural network implementation of a three-phase model of respiratory rhythm generation / S.M. Botros, E.N. Bruce // Biol.Cybern.-1990.-Vol.63,N2-P.143−153
  108. Churchland M. M Neural population dynamics during reaching/ Mark M. Churchland, Jhon P. Cunningham, Matthew T. Kaufman, Justin D. Foster and other // Nature. -2012. -V.487.-P.51−56.
  109. Cleave J.P. Hopf bifurcations and the stability of the respiratory control system / J.P. Cleave, M.R. Levine, P.J. Fleming, A.M. Long // J. Theor. Biology. 1986. — Vol. 119.-P. 299−318.
  110. Cohen M.J. Models of respiratory phase-switching / M.J. Cohen, J.L. Feldman // Febr. Proc. 1977. — Vol. 36. — P. 2367−2374.
  111. Deco G. Emerging concepts for the dynamical organization of resting-state activity in the brain / G. Deco, V.K. Jirsa, A.R. Mcintosh // Nature Reviews Neuroscience. -2011.-Vol. 12, № 1.-P. 43−56.
  112. Dunin-Barkowski W.L. Computer simulation of the cerebellar cortex compartment. I. General principles and properties of a neural net. / W.L. Dunin-Barkowski, N.P. Larionova // Biol. Cybernetics. 1985. — Vol. 51, N 6. — P. 399−406.
  113. Dwyer P. S. On errors in matrix inversion / P. S. Dwyer, F.V. Waugh // J. Amer. Statest. Assoc. 1953. — Vol. 48, N262. — P. 289−319.
  114. Ebeling W. Nonlinear dynamics and fluctuations of dissipative Toda chains/ W. Ebeling, U. Erdmann, J. Dunkel, M. Jenssen // J. Stat. Phys. 2000. — V. 101(½). -P. 443−457.
  115. Elble R.J. Motor-unit activity responsible for 8- to 12-Hz component of human physiological finger tremor / R.J. Elble, J.E. Randall // J Neurophysiol. 1976. -№ 39. -P. 370−383.
  116. Eskov V.M. Periodical activity of respiratory neuron network / V.M. Eskov, B.G. Zaslavsky // Neural Network World. 1993. — № 4. — P. 425 — 442.
  117. Eskov V.M. Respiratory rhythm generation in rats: the importance of inhibition./ V.M. Eskov, O.E. Filatova // Neurophysiology. 1993. -V. 25(6). — P. 420−426.
  118. Eskov V.M. Identification of parameters of linear models of transmitters./ V.M. Eskov // Measurement Techniques. 1993. -V 36(4). -P. 365−368.
  119. Eskov V.M. Computer diagnostics of the compartmentation of dynamic systems/ V.M. Eskov, O.E. Filatova //Measurement Techniques.-1994.-V.37(l).- P. 114 119.
  120. Eskov V.M. Automatic «identification of differential equation simulating the behavior of neuron circuits./ V.M. Eskov// Measurement Techniques. 1994. -V. 37(3). -P. 359−364.
  121. Eskov V.M. Cyclic respiratory neuron network with subcycles. ./ V.M. Eskov// Neural Network World. -1994. -V. 4. P. 403−416.
  122. Eskov V.M. Direct control by dissipation factor in respiratory neuron networks./ V.M. Eskov// Neural Network World. 1994. -V. 6. — P. 663−670.
  123. Eskov V.M. Indirect control by dissipation factor in respiratory neuron networks./ V.M. Eskov// Neural Network World. -1994. -V. 6. P. 655−662.
  124. Eskov V.M. Introduction to the compartmental theory of respiratory neuron networks/.V.M. Eskov// in Russia. Moscow, 1994. P. 196.
  125. Eskov V.M. Computer identification of compartmental neuron circuits. / V.M. Eskov, O.E. Filatova, V.A. Ivashenko // Measurement Techniques, 1994. V.37 (8) — P. 967 971.
  126. Eskov V.M. Hierarchical respiratory neuron networks / V.M. Eskov // Modeling, Measurement & Control. C. AMSE Press. 48. 2. 1995. — P. 47 — 63.
  127. Eskov V.M. Modeling of the hierarchical respiratory neuron networks. / V.M. Eskov // Neurocomputing. 1995. Vol. 10. N 1995. — P. 1−25.
  128. Eskov V.M. Indirect control by chemoreceptor drive in respiratory neuron networks. / V.M. Eskov // Modelling, Measurement & Control. 1995. — V. — 48 (3). — P. 1−12.
  129. Eskov V.M. Computer identification of respiratory neuron network / V.M. Eskov,
  130. E. Filatova // Evrop. Math. Congress, section Dynamical Systems in Biology and Medicine: Veszprem, Hungary, 1996. — P. 62.
  131. Eskov V.M. Models of hierarchical respiratory neuron networks. / V.M. Eskov // Neurocomputing. 1996. — V. 11. — P. 203−226.
  132. Eskov V.M. The dependence of activity of cyclic respiratory neuron network with subcycles on damping coefficient/ V.M. Eskov// Neural Network World. 1996. -V.1.-P. 57−56.
  133. Eskov V.M. Compartmental principle in mathematical modeling of various neural networks / V.M. Eskov // International Congress. Destobio: Sofia. 1997. — P. 117.
  134. Eskov V.M. Compartmental theory of the respiratory neuron networks with a simple structure / V.M. Eskov // Neural Network World. 1998. — № 3. — P. 353 — 364.
  135. Eskov V.M. Mathematical interpretation of stationary regimes of a biological systems / V.M. Eskov, S.V. Kulaev, O.E. Filatova // VIII International Conference on
  136. Medical and Biological Engineering and Computing, Medicon' 98. Limassol. Cyprus, 1998.-P. 87.
  137. Eskov V.M. Compartmental approach to modeling of neural networks/ V.M. Eskov, O.E. Filatova//Role of inhibitory and excitatory processes. Biophysics. 1999. — V. 44(3).-P. 510−517.
  138. Eskov V.M. The problem of identity of functional states of neuron networks / V.M. Eskov, O.E. Filatova// Biophysics. 2003.-Vol. 48. — P. 526−534.
  139. Eskov V.M. The synergetic property of mamalian muscles under different conditions / V. M. Eskov, Papshev V.A., Tretiakov S.A. and other. // Proceedings of (Astes de) MS'2004, Lyon Villeurbanne, 2004. — P. 14.4−14.6.
  140. Eskov V.M. Theory of fazaton brain and method of identification of its models / V.M. Eskov, T.V. Zuevskaya, I.U. Dobrinina and other. // Proceeding of international Biophysics Congress (Montpelier France). — 2005. — P. 84−86.
  141. Eskov V.M. Identification of synergetic property of biological dynamic system (BDS). / V.M. Eskov, S.V. Kulaev, A.S. Pashnin and other.// Proceeding of international Biophysics Congress. (Montpelier France). — 2005. — P. 78−80.
  142. Eskov V.M. Two types of systems and three types of paradigms in systems philosophy and system science / V.M. Eskov, V.V. Eskov, O.E. Filatova, M.A. Filatov // J. Biomedical Science and Engineering. 2012. — Vol. 5. P. 602−607
  143. Fellows S. J. Transient and maintained phasic reflex components in spastic human subjects. / S.J. Fellows, E. Germs, A. F. Thilmann // J. Physiology. 1989. — P. 60.
  144. Filatova O.E. Standardizing measurements of the parameters of mathematical modells of neural networks. / O.E. Filatova // Measurement Techniques. 1997. -V40.-N1.-P. 55−59.
  145. Filatova O.E. Identification of respiratory neuron networks with a simple structure. / O.E. Filatova//Neural Network World. 1998. -V. 3. — P. 329−336.
  146. Filatova O.E. Existense of synergetic properties of neuron network regulating the pulse rate / O.E. Filatova, V.M. Eskov, V.V. Eskov and other // Proseeding of international conference on modellling&simulation (Spain, Valladolid). 2004. — P. 57−58.
  147. Friedland S. On an inverse problem for nonnegative and eventually nonnegative matrices / S. Friedland // Israel J. Math. 1978. — Vol. 29. — P. 43−60.
  148. Gantmaher F.R.The theory of matrices. / F.R. Gantmaher // New York. Chelsea, 1971.-P.321.
  149. Geman S. Computer simulation of brainstem respiratory activity / S. Geman, M. Miller // J. Appl. Rhysiology. 1976. — Vol. 41. — P. 931−938.
  150. Grodins F.S. Mathematical analysis and digital simulation of the human respiratory control system / F.S. Grodins, J. Buell, A. Bart // J. Appl. Physiology. 1967. Vol. 22. P. 260−276.
  151. Goodworth A.D. Sensorimotor integration for multisegmental frontal plane balance control in humans / A.D. Goodworth, R.J. Peterka // J. Neurophysiol. 2012. — Vol. 107, № 1.-P. 12−28.
  152. Haken H. Principles of brain functioning: a synergetic approach to brain activity, behavior and cognition (springer series in synergetics). Springer. 1995. — 349 p.
  153. Hill A.V. Chaos and self-organization: two properties of one type of biosystem -complexity. Why Biophysics? // Science. 1956. — V. 124. — P. 1233−1237.
  154. Huang Q. Respiratory neural activities after caudal-to-rostral ablation of medullary regions / Q. Huang, W.M. St. John // J. Appl. Physiology. 1998. — Vol. 64, № 4. -P1405−1411.
  155. Homberg V. Differential effects of changes in mechanical limb pro-perties on physiological and pathological tremor / V. Homberg, H. Hefter, K. Rei-ners, H.J. Freund // J Neurol Neurosurg Psychiatry. 1987. — № 50. — P. 568−579.
  156. Horak F.B. Postural orientation and equilibrium: what do we need to know about neural control of balance to prevent falls? / F.B. Horak // Age Ageing. 2006. — V. 35, Suppl. 2.-P. 7−11.
  157. Hussard B.D. Theory and applications of Hopf bifurcation. / B.D. Hussard, N.D. Kazarinoff, J.N. Wan // Cambridge, 1981. P. 115.
  158. Joyce G.C. The effects of load and force on tremor at the normal human elbow joint / G.C. Joyce, P.M. Rack. J Physiol. 1974. — № 240. — P. 375−396.
  159. Kejonen P. The relationship between anthropometric factors and body-balancing movements in postural balance / P. Kejonen, K. Kauranen, H. Vanharanta // Arch. Phys. Med. Rehabil. 2003. — Vol. 84. — P. 17.
  160. Kling U. Simulation of rhythmic nervous activities 1. Function of networks with cyclic inhibitions / U. Kling, G. Szekely // Kybernetik. 1968. — Vol. 5. — P. 89−103.
  161. Lakie M. Is postural tremor size controlled by interstitial potassium concentration in muscle? / M. Lakie, N.R. Hayes, N. Combes, N. Langford // J. Neurol. Neurosurg. Psychiatry. 2004. — V. 75. — P. 1013−1018.
  162. Mainzer K. Thinking in complexity: the computational dynamics of matter, mind and mankind. / K. Mainzer // New York, Berlin. Springer, 2007. P. 482.
  163. Makabe H. Evaluation of postural tremor of finger for neuromuscular diseases and its application to the classification / H. Makabe, K. Sakamoto // Electromyogr Clin Neurophysiol. 2002. — Vol. 42, № 4. — P. 205−218.
  164. Mally J. Most frequent causes for hand tremor in clinical practice / J. Mally // Orv Hetil. 1995. — Vol. 8, N136. — P. 2211−2216.
  165. Palmay F. Simulation of multineuron networks / F. Palmay, E.C. Davison, J. Duffin // Bull. Math. Biophysics. 1973. — Vol. 33. — P. 81−89.
  166. Palushka S.A. Phisical Activity and Menthal Health. Current Concepts / S.A. Palushka, T.L. Schwenk // sports Med. 2000. — Vol.29, № 3. — P. 167−180.
  167. Pliss V.A. Nonlocal theory of oscillations. / V.A. Pliss // Moscow: Nauka, 1963.
  168. Poore A.B. On the theory and application of the Hoph-Friendriich bifurcations theory. / A.B. Poore // Arch. for rational mechanics and analysis, 1976. Vol.60, N4. -P.371−397.
  169. Prigogine I.R. The Die Is Not Cast/ I.R. Prigogine // Futures. Bulletin of the World Futures Studies Federation. January 2000. — Vol. 25, No.4. — P. 17−19.
  170. Prochazka A. Proportional and finite state feedback in locomotion control / A. Prochazka // Proc. Intern. Sympos. «Brain and movement». 1997.
  171. Richter D.W. Computational aspects of the respiratory pattern generator./ D.W. Richter, A. Gottschalk, M.D. Ogilvie, A.I. Pack.// Neural Computation. -1994. -V.6, Nl.-P. 56- 68.
  172. Schuster H. G. Deterministic chaos: an introduction./ H.G. Schuster//VCH Publishers, Inc. 1984.
  173. Solla P. Gender differences in motor and non-motor symptoms among Sardinian patienys with Parkinson’s diseas / P. Solla, F.C. Ibba, F. Loi, M. Corona, G. Orofino, M.G. Marrosu, F.J. Marrosu // Neurol Sci. 2012. — Vol. 323, № 1−2. — P.33−39.
  174. Stiles R.N. Mechanical factors in human tremor frequency / R.N. Stiles, J.E. Randall //J Appl Physiol. 1967. -V. 23. — P. 324−330.
  175. Stuart J. H. Biddle. Motivation and perception of control: tracing its development and plotting its future in exercise and sport psychology./ J.H. Stuart // Journal of Sport and Exercise Psychology. 1999. -V. 21. — P. 1 — 23.
  176. Thompson L.V. Age-related muscle dysfunction / L.V. Thompson // Experimental Gerontology. 2009. — Vol. 44, № 1−2. — P. 106−111.
  177. Walter G.C. On complex eigenvalues of compartmental models / G.C. Walter // Math. Biosci. 1985. — Vol. 75. — P. 143−157.
  178. Yuasha H., Ito M. Coordination of many oscillators and generation of locomotors patterns. / H. Yuasha // Biol. Cybernetics. 1990. — Vol. 63. — P. 177 — 184. треморе1. ЙЙЙ3 $
Заполнить форму текущей работой

Пора сдавать?