Разработка и исследование методов и алгоритмов повышения эффективности биотехнических систем с учетом индивидуальных особенностей операторов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Скринникова Анна Владимировна

• Скринникова Анна Владимировна
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Скринникова Анна Владимировна

Введение

Раздел 1. Анализ БТС и методов диагностики ПЭС

1.1 Анализ БТС, учитывающих индивидуальные особенности операторов

1.2 Анализ методов оценки ПЭС

1.3 Характеристика методов диагностики ПЭС

1.4 Обзор исследований ДМСУ

1.4.1 Обзор исследований клавиатурного почерка

1.4.2 Обзор исследований динамики манипуляций мышью

1.4.3 Обзор признаков и методик тестирования ДМСУ

Выводы к разделу

Раздел 2. Разработка метода и алгоритмов повышения эффективности

БТС

2.1 Метод повышения эффективности БТС

2.2 Диагностика эффективности деятельности оператора по ДМСУ

2.3 Метод диагностики ПЭС по ДМСУ

2.4 Алгоритм стабилизации ПЭС оператора

2.5 Алгоритм стабилизации эффективности деятельности оператора

2.6 Формализация выбора информативных признаков ДМСУ

2.7 Разработка интерфейса для извлечения ДМСУ

2.8 Решение задачи точной фиксации событий СУ

Выводы к разделу

Раздел 3. Разработка и исследование структуры БТС с учетом

индивидуальных особенностей операторов

3.1 Структура БТС, в которой адаптация технического звена осуществляется с учетом индивидуальных особенностей оператора

3.2 Разработка схемы БТС с учетом волевого посыла оператора

3.2.1 Модель профессиональной деятельности оператора БТС

3.2.2 Исследование модели профессиональной деятельности оператора БТС

3.2.3 Разработка и исследование структурной схемы БТС с учетом

модели профессиональной деятельности оператора

3.3 Разработка методик исследования влияния ПЭС на ДМСУ

3.3.1 Методика исследования влияния эмоциональных состояний на ДМСУ

3.3.2 Методика исследования влияния состояний сниженного внимания

и реакции на ДМСУ

Выводы к разделу

Раздел 4. Исследование ДМСУ

4.1 Исследование влияния технических характеристик на ДМСУ

4.2 Исследование влияния индивидуальных особенностей операторов

на ДМСУ

4.2.1 Исследование влияния эмоциональных состояний на ДМСУ

4.2.2 Исследование влияния состояний сниженного внимания и реакции

на ДМСУ

4.2.3 Исследование влияния других особенностей операторов на ДМСУ

4.3 Численное исследование информативных признаков ДМСУ

4.4 Исследование метода диагностики ПЭС операторов на основе ДМСУ

4.5 Исследование методов диагностики эффективности деятельности

оператора по ДМСУ

Выводы к разделу

Заключение

Список сокращений

Список использованных источников

Приложения

Приложение А. Графики полигонов частот признаков ДМСУ

Приложение Б. Акты о внедрении результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов и алгоритмов повышения эффективности биотехнических систем с учетом индивидуальных особенностей операторов»

ВВЕДЕНИЕ

Актуальность темы и степень ее разработанности. Возникновение биотехнических систем (БТС), в которых управляемым звеном является технический сегмент, обусловлено необходимостью функционирования технических и биологических элементов в едином контуре управления. К таким БТС относят системы обучения c применением технических средств, вычислительные комплексы по обработке информации в интерактивном режиме, комплексы по управлению транспортными средствами, системы управления томографическими рентгеновскими комплексами и т.п. Особенности человека влияют на эффективность функционирования технических звеньев БТС, которые адаптированы к человеку, однако, либо не предусматривают реагирование на существенные изменения состояний и индивидуальные особенности человека либо реализации подобных решений дорого стоят. Одной из проблем создания и эксплуатации БТС считают выявление психологических особенностей человека и их диапазонов для обеспечения комфортного общения человека и техники [1].

Управление сложными БТС (энергоблоками, бортовыми системами корабля, аппаратами ультразвуковой диагностики и др.) либо их разработка осуществляется человеком-оператором при помощи различных средств, включающих устройства управления (мышь, стилус, специальная ручка, ручка управления типа джойстик, клавиатура), системы типа Microsoft Kinect, Leap 3D, ZeroN и управление посредством прикосновений (touch-событий) пальцем сенсорного экрана. Существующие исследования [2-12] указывают на то, что при помощи указанных средств управления (СУ), можно отследить индивидуальные особенности оператора, в частности, психоэмоциональные состояния (ПЭС). Корректируя, в случае необходимости, например, состояния сниженного внимания, можно добиться повышения эффективности деятельности операторов БТС и, как следствие, повышения эффективности функционирования всей БТС. Эффективность БТС оценивают по соотношению параметров результата и

затраченных на его достижение средств (психоэмоциональной нагрузке).

Исключительно перед началом работы операторов БТС выявляют некоторые их индивидуальные особенности: применяют различные узконаправленные опросники для выявления профессионально важных качеств [13-18], проводят эксперименты, построенные на базе рефлексивных компьютерных игр для оценки уровня готовности к работе [1], используют автоматизированные аппаратно-программные комплексы для повышения качества профессионального отбора [19]. Такие методы требуют дополнительных временных затрат и не дают возможности постоянного мониторинга психоэмоциональных состояний операторов.

Учет индивидуальных особенностей операторов БТС при помощи средств управления является наименее затратным даже в сравнении с прямым наблюдением. Методы учета индивидуальных особенностей операторов, в том числе психоэмоциональных состояний, по результатам обработки динамики манипуляций средствами управления [2, 3, 7, 20, 21], однако, разработаны исключительно в сочетании с результатами, полученными от дополнительных устройств (видеокамер, электроокулографов, электроэнцефалографов и др.). Кроме того, не исследовалась возможность диагностики низких уровней эффективности деятельности операторов по данным динамики манипуляций средствами управления. Об использовании таких данных на автоматизированных рабочих местах врачей-операторов (АРМВ) в открытой печати не пишут.

В связи с вышеизложенным актуальной научно-технической задачей является разработка методов и алгоритмов повышения эффективности БТС с учетом индивидуальных особенностей операторов, в частности, врачей-операторов томографических рентгеновских комплексов (КТР) по данным динамики манипуляций средствами управления (ДМСУ).

Цель диссертационной работы - повышение эффективности биотехнических систем путем стабилизации деятельности операторов по данным динамики манипуляций средствами управления.

Для достижения поставленной цели решены следующие основные задачи: 1) анализ современных биотехнических систем и методов оценки психоэмоцио-

нальных состояний их операторов; 2) разработка метода повышения эффективности биотехнических систем на основе стабилизации эффективности деятельности операторов по данным динамики манипуляций средствами управления; 3) разработка алгоритма стабилизации эффективности деятельности операторов по данным динамики манипуляций средствами управления; 4) разработка структуры биотехнической системы, в которой адаптация технического звена к операторам осуществляется с учетом индивидуальных особенностей операторов, отличающейся отслеживанием низких уровней эффективности деятельности операторов по данным динамики манипуляций средствами управления с подбором обратной связи, основанной на модальности восприятия информации; 5) экспериментальные исследования разработанных методов и алгоритмов.

Объект исследования: биотехнические системы, в которых адаптация технического звена к оператору осуществляется на основе психоэмоциональных данных.

Предмет исследования: процессы функционирования биотехнических систем с учетом индивидуальных особенностей операторов, в том числе психоэмоциональных состояний, по данным динамики манипуляций средствами управления.

Научная новизна: 1) разработана структура биотехнической системы, позволяющей учитывать динамику манипуляций средствами управления оператора, и отличающейся отслеживанием низких уровней эффективности деятельности с подбором обратной связи, основанной на модальности восприятия информации; 2) разработан метод диагностики эффективности деятельности операторов на основе данных динамики манипуляций средствами управления, отличающийся наименьшей средней квадратичной ошибкой (о=0,05) по точности диагностики эффективности деятельности операторов среди аналогов, фиксацией событий средств управления и учетом пауз при манипуляциях ними, расчетом по фиксированным событиям признаков динамики манипуляций средствами управления их числовых характеристик для дальнейшей диагностики с применением мягких нечетких логических операторов; 3) разработан алгоритм

стабилизации эффективности деятельности операторов биотехнических систем по данным динамики манипуляций средствами управления, отличающийся использованием в его структуре мягких арифметических операторов, позволяющих обеспечить аддитивность процесса диагностики эффективности деятельности.

Практическая ценность работы состоит в следующем: 1) разработанный метод диагностики психоэмоциональных состояний операторов биотехнических систем (Пат. 84822 Украины) целесообразно использовать для повышения эффективности и надежности биотехнических систем за счет предотвращения разного типа ошибок операторов, повышения эффективности труда за счет содействия развитию эмоционального интеллекта, снижения дефицита эмпатии, профилактики эмоционального выгорания операторов, сознательного/неосознанного повышения уровня самоконтроля/контроля в работе операторов, в том числе врачей-операторов; 2) обнаруженные зависимости влияния психоэмоциональных состояний операторов на динамику манипуляций средствами управления целесообразно использовать при нахождении поправочных коэффициентов в системах идентификации операторов по динамике СУ для повышения точности идентификации; 3) учет психоэмоциональных состояний операторов по данным динамики манипуляций средствами управления в биотехнических системах устранит недостатки инвазивности и высокой стоимости средств оценки эмоций.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории вероятностей, непараметрической статистики, нечеткой логики, теории планирования эксперимента, кластерного анализа, корреляционно-регрессионный анализ, методы математического моделирования, теории автоматического управления, методы инженерной психологии, методы медико-психологического исследования: качественные методики исследования функций внимания, метод прямых наблюдений.

Основные положения, выносимые на защиту:

1) структура биотехнической системы, позволяющей учитывать динамику манипуляций средствами управления, и отличающейся отслеживанием низких

уровней эффективности деятельности оператора с подбором обратной связи, основанной на модальности восприятия информации;

2) метод повышения эффективности биотехнической системы на основе стабилизации эффективности деятельности оператора, характеризующийся фиксацией событий средств управления, дающий наименьшую средне квадратичную ошибку (меньше на 3%) по точности диагностики эффективности деятельности оператора среди аналогов и отличающийся учетом пауз при манипуляциях средствами управления, расчетом по фиксированным событиям признаков динамики манипуляций средствами управления, их числовых характеристик;

3) алгоритм стабилизации эффективности деятельности оператора по динамике манипуляций средствами управления, отличающийся низкой временной сложностью и использованием в его структуре мягких арифметических операторов, позволяющих обеспечить аддитивность процесса диагностики.

Соответствие паспорту специальности. Тематика работы соответствует пунктам 2, 3 и 4 паспорта специальности 05.13.01 «Системный анализ, управление и обработка информации» (2. «Формализация и постановка задач системного анализа, оптимизации, управления, принятия решений и обработки информации» (раздел 1, подр. 2.6-2.8). 3. «Разработка критериев и моделей описания и оценки эффективности решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации» (разделы 2-4). 4. «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации» (раздел 2)).

Достоверность результатов подтверждается строгостью математических выкладок, корректным применением элементов теории планирования эксперимента, статистически значимым соответствием результатов применения разработанных алгоритмов с контрольными исследованиями автора и исследованиями, представленными в независимых источниках сходных тематик.

Внедрение результатов работы. Результаты исследований внедрены в онкологический диспансер г. Луганска для улучшения адаптации БТС медицинского назначения (КТР-комплекса «Электрон») к индивидуальным

особенностям врачей-операторов, а также используются в учебном процессе кафедры фундаментальной математики Луганского педагогического университета в рамках дисциплин «математическая логика и теория алгоритмов» и «математические методы оптимального управления», что подтверждается соответствующими актами внедрения (Приложение Б).

Апробация результатов диссертации. Диссертационная работа отражает результаты научных исследований, проводимых с 2011 по 2021 годы. Её основные теоретические положения и научные результаты докладывались, обсуждались и получили положительную оценку на десяти конференциях: 1) МНТК «Системный анализ и информационные технологии» (SAIT 2011) 23-28 мая 2011, г. Киев, НТУ Украины «Киевский политехнический институт»; 2) VI МНПК «Информационные технологии в научных исследованиях и учебном процессе» 16-18 ноября 2011, г. Луганск, ЛНУ им. Тараса Шевченко; 3) XIII МНПК «Современные информационные и электронные технологии» 4-8 июня 2012, Одесский национальный политехнический университет; 4) Всеукраинской НПК «Киберагрессия: психолого-педагогические и кибернетические проблемы безопасности», 12-14 ноября, 2012, г. Луганск, ЛНУ им. Тараса Шевченко; 5) VII МНПК «Информационные технологии в научных исследованиях и учебном процессе», 14-16 ноября 2012, г. Луганск, ЛНУ им. Тараса Шевченко; 6) Всерос. НТК с междунар. участием «Компьютерные и информационные технологии в науке, инженерии и управлении» (КомТех-2013) 4-7 июня 2013, г. Таганрог, Южный федеральный университет; 7) VII МНТК «Информатика, управляющие системы, математическое и компьютерное моделирование 2016», 26-27 мая 2016, г. Донецк, ДонНУ; 8) НПК «Наука вчера, сегодня, завтра», 10.09.2016, г. Воронеж, Воронежский гос. аграрный ун-т им. императора Петра I; 9) XIII МНТК «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации», 16-19 мая 2017, г. Курск, ЮЗГУ; 10) VIII МНПК «Актуальные вопросы современной науки и образования», 20.02.2021, г. Пенза.

Личный вклад автора. Все выносимые на защиту научные положения

разработаны соискателем лично. Работы [1, 4, 7-15] выполнены без соавторства. В научных работах по теме диссертации, опубликованных в соавторстве, личный вклад соискателя состоит в следующем: в [2] разработан интерфейс программы и программное обеспечение для исследования влияния ПЭС на производительность оператора по динамике манипуляций средствами управления; в [3, 6] разработана структура БТС и исследована система коррекции эффективности деятельности оператора; в [5] осуществлена формализация набора информативных признаков динамики манипуляций средствами управления.

Публикации. По материалам диссертации опубликованы 15 научных работ, в том числе 5 статей в научных рецензируемых изданиях, входящих в перечень ВАК, одна статья - в международную базу данных Scopus, один патент на полезную модель.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения, списка сокращений, списка использованной литературы (176 наименований) и двух приложений. Основная часть изложена на 139 страницах машинописного текста, содержит 25 рисунков и 18 таблиц.

Раздел 1. Анализ БТС и методов диагностики ПЭС

Процессы взаимодействия оператора и технического звена БТС осуществляются по различным каналам: энергетическим, вещественным, информационным. В зависимости от особенностей оператора взаимодействие происходит на визуальном, аудиальном, осязательном, обонятельном уровнях. Адаптацию технического звена БТС к оператору осуществляют с учетом его энергетических, антропометрических, сенсомоторных, психофизиологических данных. Выявление и стабилизация ПЭС и Р [12, 13] оператора важны не только для обеспечения комфортного общения оператора и техники, но и для повышения эффективности БТС, которая зависит от психоэмоциональной нагрузки оператора [1].

Известные опросники на внимание, психо- и сенсомоторику, когнитивные функции, свойства нервной системы, личностные характеристики в различных модификациях, психограммы, характерные определенным видам деятельности [16-18], автоматизированные аппаратно-программные комплексы для повышения качества профессионального отбора, типа «МОРТЕСТ» [19], построенные на базе рефлексивных компьютерных игр многомерные тестовые эксперименты [1] для оценки уровня готовности к работе оператора подходят именно для выявления индивидуальных особенностей оператора перед началом работы. На случаи возникновения нештатных ситуаций в условиях дефицита времени в атомной энергетике и авиации предлагают использовать информационные системы поддержки операторской деятельности [23], нечеткое управление БТС на основе энтропийного подхода [24], информационные модели деятельности оператора [25]. Упомянутые средства, однако, не диагностируют ПЭС оператора, хотя переживание эмоций и их выражение играют значительную роль в формировании человеко-машинного взаимодействия [1, 12].

Современные исследования в психологии, нейрофизиологии эмоций и эмоциональных вычислениях привели к тому, что ученые коренным образом изменили отношение к роли эмоций в познании. Функции эмоций, в том числе адаптивная их роль, мотивировали разработчиков искусственного интеллекта и

робототехники исследовать: могут ли компьютерные аналоги человеческих эмоций привести к более интеллектуальным, гибким и адаптивным системам.

Учитывая фундаментальную роль эмоций в человеко-машинном взаимодействии, в рамках данной работы, проанализируем состояние современных БТС, методов представления и диагностики ПЭС.

1.1 Анализ БТС, учитывающих индивидуальные особенности операторов

Разработкой БТС для практических и исследовательских целей занимается немало научных школ. Дадим краткий обзор состояния некоторых из тех систем, в которых адаптация технического звена к оператору осуществляется на основе его психоэмоциональных данных.

Система Blue Eyes [26] Познанского университета осуществляет визуальный контроль внимания, физиологический контроль (по пульсу, окислению крови), контроль голоса, идентифицирует позу оператора в реальном масштабе времени: стоя, сидя, лежа. Не смотря на то, что исследованы лишь 14 эмоций, хотя их гораздо больше, Blue Eyes предполагают внедрять на рабочих местах, требующих постоянного внимания: в комнатах управления полетами, на капитанских мостиках, для профессиональных водителей и т.п.

БТС применяют в системе образования. Например, в [27] предлагают обучающую игру, в которой используется трехмерная виртуальная среда для вовлечения глухих детей в выполнение образовательных задач по математике. В [28] поставленный эксперимент с использованием специального оборудования для регистрации серии биологических показателей студентов, с целью оценки их ПЭС, до и после учебных занятий с преподавателем и без показал, что более высокую эффективность самостоятельной работы с компьютером можно наблюдать у студентов с более высоким уровнем интроверсии, а работы с преподавателем - у студентов с более высоким уровнем экстраверсии. В применяемых в обучении БТС, основанных на технологиях виртуальной и дополненной реальности, находят достоинства: ускорение и удешевление процессов обучения, тренировок/инструктажа, увеличение их эффективности, сокращение затрат на элементы и расходные материалы и персонал, необходимые

в обучении, предотвращение угрозы для здоровья и жизни при медицинских операциях, инвазивных процедурах, проведении мероприятий в различных чрезвычайных ситуациях и т.п. А также и недостатки: тошнота, головокружение, головная боль, усталость глаз, потеря ориентации, ощущения времени, реальности; рассеянное внимание, потеря фокуса, утомляемость обучаемых [29]. Индивидуальные особенности или ПЭС учитывают в основном лишь у обучающихся инвалидов, иногда с использованием инвазивных технологий.

В [30, 31] диагностируют ПЭС по данным электроэнцефалограмм (ЭЭГ) и кожно-гальванической реакции (КГР) инженеров-проектировщиков, работающих с системами автоматизированного проектирования (САПР), с целью разработки интуитивно понятных пользовательских интерфейсов. Несмотря на невысокую скорость и качество распознавания ПЭС инженеров в процессе проектирования САПР в будущем хотят разработать пользовательский интерфейс, способствующий повышению их эффективности деятельности.

Для БТС вида «летчик-самолет» в [32] разрабатывают модели, которые предлагают использовать не только как обучающие, но и как основу для контроля и поддержки управляющих действий летчика в процессе выполнения им посадочных режимов. Для построения индивидуальных профилей летчиков используют нейросетевые модели. Результаты стендового моделирования посадочных режимов на симуляторе самолета дали среднеквадратическую ошибку аппроксимации действий летчика 8% при оптимальных параметрах модели.

Японские БТС вида «человек-робот» позволяют анализировать и визуализировать основные человеческие ПЭС с помощью видео, аудио, тактильных сенсоров и опережают другие страны по внедрению. Но при разработке роботов проблема стоит не только в имитации или уместности внешних проявлений ПЭС, но и в их распознавании. Увеличение количества сенсоров способствует повышению чувствительности роботов. Школы обзаводятся роботами-учителями, а японцы - роботами-сиделками.

В [33] выявлены недостатки рассмотренных БТС: точность диагностики ПЭС не приблизилась к 100% (тем более уместность реагирования на эмоциональные проявления операторов), дороговизна, инвазивность, некоторые

системы работают только в очень ограниченных условиях. Эти недостатки порождаются рядом причин.

Во-первых, не все психологические теории представлений эмоций оказались пригодными для создания математических моделей. Построить идеальную конструкцию, содержательную модель эмоций сложно ввиду субъективности в определении, спорности роли и функций эмоций. Эмоции формально представляют по-разному: выдвигают базовые и путем объединения парных, тройных комбинаций выстраивают другие, представляют на прямой, плоскости, кубе. Исследуют зависимость эмоций от различных параметров: знака, силы, времени возникновения относительно ситуации и др. Два основных подхода психологии к построению моделей эмоций несовершенны:

- в дискретных категориях (К. Изард, П. Экман и др.): радость, печаль и т.п., однако, непредвиденные стимулы провоцируют смешанные эмоции, выбор категории которых часто ограничен или культурно зависим;

- в определенном масштабе (шкала Шлоссберга-Вудвортса, P. Плутчика и др.), когда по знаку эмоции, активации и т.п. строят 2-, 3-, 4-х мерные модели, добавляя различные параметры, однако, при построении переходов от одних эмоций к другим возникают сложности.

В работах [34, 35] моделируют эмоции на основе психологических теорий И.Б. Фоминых и В.А. Леонтьева, другие авторы - A. Sloman (CogAff, H-CogAff), J. Wyatt (CoSy, CogX), R.W. Picard (Affective Computing), R. Steunebrink, J.-J.Ch. Meyer (KARO), J. Gratch, S. Marsella (EMA) - опираются на модель ОСС (Ortony, Clore, Collins), общие представления которой близки к моделям И.Б. Фоминых и В.А. Леонтьева. Отличие заключается в наборе параметров, соответствующих каждой эмоции [36]. Отсюда возникает проблема, на какие психологические модели эмоций опираться при создании математических моделей, если все они необъективны?

Во-вторых, несмотря на то, что исследования ведутся со времен Декарта, существуют нерешенные проблемы психологии эмоций [13-17, 37-43]: отсутствует общепринятый классификатор эмоций и дефиниция, не решена проблема мозговой организации эмоциональной сферы, существенны различия в

определении базовых эмоций, отсутствуют четкие критерии эмоциональных состояний вообще (разница/сходство с психическими, функциональными, нервными состояниями), отсутствует ясность в определении универсальных характеристик экспрессивных эмоциональных проявлений, отсутствуют доказательства того, сколько информации об эмоции дают одни показатели в сравнении с другими. Эти нерешенные проблемы ограничивают применение математических методов при диагностике ПЭС в выборе типа входных данных и основных переменных, в выборе и обеспечении начальных и граничных условий, интерпретации результатов.

В-третьих, при диагностике ПЭС используют различные входные данные. Однако отсутствует ответ на вопрос: как фактически интегрировать разные информационные потоки (биоинформационные сигналы), чтобы не возникло неоднозначностей. Например, в работе [44] входными данными были языковые, физиологические сигналы (электрокардиограммы (ЭКГ), электромиограммы (ЭМГ), пульс, КГР, температура, дыхание) и визуальная информация с видеокамер. ПЭС каждого испытуемого распознали с большей вероятностью по отдельным сигналам, а общая составляющая не дала лучшего результата. Тем не менее, в [45] обработка данных отдельно по мимике и движениям верхней части тела в семи эмоциональных состояниях дала лучшие вероятности распознавания 79,2% и 72,6% соответственно, а интегральная оценка - 88,5%. Это демонстрирует эффективность таких подходов, однако, сами авторы указывают, что экспрессия тела и лица может быть противоположной [46].

В-четвертых, причиной неоднозначностей результатов исследований является неполнота информации. Состояние здоровья, идеаторный характер эмоций, время суток, разная сила нервной системы, возможность контролировать себя, другие индивидуальные, культурные различия, влияющие на протекание эмоции, могут быть неверно оценены или неизвестны. Вопрос неполноты информации включает в себя определение начальных условий, поскольку сложно объективно оценить эмоции человека из-за отсутствия априорной информации о ситуации, в которой он находился до данного момента времени, а также субъективности такой оценки. Можно конечно предположить, что эмоций не было.

В-пятых, поскольку в рассмотренных БТС используют физиологические и нейрофизиологические средства оценки показателей эмоций, то препятствием к применению этих средств является их ограниченность (см. подр. 1.3): необходимость привлечения квалифицированного персонала, низкое временное разрешение средств измерения, трудности в выявлении фенотипических реакций, значительные финансовые затраты, дополнительный психологический/ физический дискомфорт испытуемых, отсутствие однозначной доказательной базы интерпретации показателей.

В-шестых, анализ работ [47-62] относительно функционирования БТС, в которых адаптация технического звена к оператору осуществляется на основе психоэмоциональных данных, дает: с одной стороны такие системы сложны, с другой - не владеют полной информацией об операторе. Сложность порождается большим количеством информации, связанной с процессом выполнения программ. Неполнота информации о состоянии объекта моделирования (его ПЭС) порождает проблему параметрической неопределенности. Также стоит проблема оперативного обновления информации в базах данных об объекте/эксперименте в реальном времени, которая со сложностью с одной стороны и неопределенностью с другой приводит к тому, что алгоритмы адаптации требуют значительное/разное время для получения необходимых оценок - это другая проблема. Проблемой также является отсутствие формальных методов перехода от эволюционных моделей ПЭС к информационным.

Список литературы диссертационного исследования кандидат наук Скринникова Анна Владимировна, 2022 год

Список использованных источников

1. Попечителев Е.П. Биотехнические системы оценки уровня готовности к работе человека-оператора / Е.П. Попечителев // Инженерный вестник Дона, 2012. - 5 с.

2. Epp C. Identifying Emotional States using Keystroke Dynamics / C. Epp, M. Lippold, R.L. Mandryk // CHI'2011, Vancouver, BC, Canada, May 7-12, 2011. - рр. 715-724.

3. Zimmermann P.G. Beyond Usability - Measuring Aspects of User Experience : dis. dr. sciences / P.G. Zimmermann; Swiss federal institute of technology. - Zurich, 2008. -Р. 112.

4. Лепёшкин О.М. Разработка подхода к распознаванию биометрического портрета пользователя по клавиатурному почерку на основе методов нелинейной динамики / О.М. Лепёшкин, А.В. Скубицкий // Информационное противодействие угрозам терроризма №11. - М. : ФГПУ НТЦ, 2008. - С. 102-112.

5. Дробыш А. Компьютерная графология // Защита информации №23, 1999. URL: http://www.kv.minsk.by/index1999232201.htm (дата обращения: 02.06.2011).

6. Epp C. Identifying emotional states through keystroke dynamics: dis. master of science / С. Epp, University of Saskatchewan. - Saskatoon, Canada, 2010. - P. 149.

7. Maehr W. Estimation of the user's emotional state by mouse motions: diploma thesis for Fachhochschule Vorarlberg/ W. Maehr; iTec - Information and Communication Engineering. - Dornbirn, Austria, August 2005. - Р. 145.

8. Lam F. CHEIRO. Creating Expressive Textual Communication and Anthropomorphic Typography / F. Lam // Massachusetts Institute of Technology, 2006. -p. 66. URL: http://smg.media.mit.edu/papers/francis/francis_thesis.pdf (дата обращения 26.11.2011).

9. Web-based biometric mouse decision support system for user's emotional and labour productivity analysis / А. Kaklauskas [at al] // The 25th Int. Symp. Automation and Robotics in Construction, 2008. - pp. 69-75.

10. Mouse Movements Biometric Identification : A Feasibility Study / A. Weiss [at al] // Proc. of CSIS, Pace Univ., May 2007. - рр. 21-28.

11. Pusara M. User re-authentication via Mouse Movements / M. Pusara, C.E. Brodley // Proc. of VizSEC/DMSEC'04, ACMPress, Washington DC, USA, 2004. -

Р. 8.

12. Скринникова Г.В. До^дження впливу статв знижено! реакци та уваги на динамiку машпуляцш пристроями управлiння курсором / Г.В. Скринникова // Кiберагресiя : психолого-педагопчш та кiбернетичнi проблеми безпеки : матерiали Всеукр. НПК, 12-14 лист., Луганськ, 2012 р. - С. 46-54.

13. Психология эмоций. Тексты / Под ред. В.К. Вилюнаса, Ю.Б. Гиппенрейтер.

- М. : Изд-во Моск. ун-та, 1984. - 288 с.

14. Хомская Е.Д. Мозг и эмоции (нейропсихологическое исследование) / Е.Д. Хомская, Н.Я. Батова - М. : Изд-во МГУ, 1992. - С. 6-67. URL: http://imp.rudn.ru/ psychology/psychophysiology/ch4_1.html (дата обращения: 16.04.2011).

15. Ильин Е.П. Эмоции и чувства / Е.П. Ильин. - 2-е изд.. - СПб : Питер, 2018.

- 782 с.

16. Фугелова Т.А. Инженерная психология: учебник / Т.А. Фугелова - Тюмень: ТюмГНГУ, 2010. - 291 с.

17. Дикий И.С. Экспериментальное исследование психофизиологических и психологических особенностей операторов телекоммуникационных сетей в экстремальных ситуациях / И.С. Дикий, Н.А. Яценко // Экспериментальная психология в России: традиции и перспективы. - 2010. - С. 486-491.

18. Сулин В.Ю. [и др.] Системный анализ сенсомоторного компонента операторской деятельности студентов при выполнении теста «реакция на движущийся объект» // Вестник ВГУ. Серия: Химия. Биология. Фармация, № 3. -2018. - С. 179-185.

19. Шафран Л.М. [и др.] Психофизиологические особенности структуры профессионально важных качеств операторов АЭС // Укр. журнал проблем медицины труда. № 3(36), 2013. - С. 57-65.

20. Шарипбаев А.А. Об одном методе решения задачи идентификации пользователя по управлению манипулятором / А.А. Шарипбаев, В.Н. Рифа // Вестник ЕНУ им. Л.Н.Гумилева, 2010, № 2. - С. 63-73.

21. Брюхомицкий Ю.А. Гистограммный метод распознавания клавиатурного почерка / Ю.А. Брюхомицкий // Известия ЮФУ. Технические науки. Тем. вып. «Информационная безопасность». - Т : Изд. ТТИЮФУ, №11 (112), 2010. - С. 55-62.

22. Schulz D.A. Mouse curve biometrics / D.A. Schulz// Pacific Northwest National

Laboratory, U.S. Department of Energy. Biometrics Symposium: Special Session on Research at the Biometric Consortium Conference, 2006. - pp. 1-6.

23. Павлов В.И. Эффективность информационной поддержки оператора при управлении объектом энергетики / В.И. Павлов, Т.В. Аксенова, В.В. Аксенов // Известия Томского политех. ун-та. Инжиниринг георесурсов, 2018. - С. 70-75.

24. Данеев А.В. Нечеткое управление человеко-машинной системой на основе энтропийного подхода и антропоцентрической модели оператора / А.В. Данеев, Р.А. Данеев, В.Н. Сизых // Современные технологии. Системный анализ. Моделирование, 2017. - С. 144-121.

25. Брумштейн Ю.М. Математические модели и методы решения задач информационного обеспечения, управления и оценки качества работы операторов в сложных человеко-машинных системах / Ю.М. Брумштейн, Д.А. Молимонов // Вестник Астраханского гос. техн. ун-та. Серия: Управление, вычислительная техника и информатика, № 3, 2019. - С. 73-89.

26. Blue Eyes Technology. Seminar Report 2009. URL: http://www.seminar-projects.com/Thread-blue-eyes-download-full-report-and-abstract?page=9 (дата обращения 26.12.2011).

27. Сатыбалдина Д.Ж. Разработка приложения, управляемого жестами, с использованием Microsoft Kinect Sensor / Д.Ж. Сатыбалдина, К.А Калымова // Сб. тр. 21-й междунар. конф. «Цифровая обработка сигналов и её применение» -DSPA-2019, Москва, 27-29 марта 2019 г. - С. 525-529.

28. Абабкова М.Ю. С преподавателем или без? Метод биологической обратной связи при выборе формы организации учебного процесса / М.Ю.Абабкова, В.Л. Леонтьева, Н.Н. Покровская // Живая психология, Т. 7, вып. 1. - 2020 С. 8-20.

29. Иванова А.В. Технологии виртуальной и дополненной реальности: возможности и препятствия применения / А.В. Иванова // Стратегические решения и риск-менеджмент 2018, № 3. - С. 88-107.

30. Liu Y. [at al] A Fuzzy Psycho-Physiological Approach to enable the Understanding of an Engineer's Affect Status during CAD activities // Computer-Aided Design, 2013. DOI: 10.1016/j.cad.2013.10.007.

31. Liu Y. [at al] Capture User Emotions during CAD // IDMME - Virtual Concept 2010. URL: https://www.researchgate.net/publication/268437137.

32 Евдокименков В.Н. Использование нейросетевой модели управляющих

действий летчика в интересах его индивидуально-адаптированной поддержки // В.Н. Евдокименков, Р.В. Ким, М.Н. Красильщиков, Г.Г. Себряков // Известия РАН. Теория и системы управления, № 4, 2015. - С. 111-123.

33. Скринникова Г. В. Недол^ адаптивних емоцшних систем: причини та ршення / Г. В. Скринникова // Вестник Сумского гос. ун-та. Серия Технические науки, 2013 - № 3 - С. 33-37.

34. €фiмов Г.М. Технолопя для моделювання та розтзнавання емощйно! мiмiки на обличч людини / Г.М. €фiмов // Системи обробки шформаци, №9 (107), 2012. - С.36-39.

35. Крак Ю.В. Синтез мiмiчних проявiв емоцiй на основi формально!" моделi / Ю.В. Крак, О.В. Бармак, Г.М. eфiмов // Штучний iнтелект №2, 2007. - С. 22-31.

36. Леонтьев В.О. Формулы эмоций. URL: www.raai.org/cai-08/files/cai-08_paper_165.doc (дата обращения: 08.01.2011).

37. Ekman P. Autonomic nervous system activity distinguish between emotions / P. Ekman, R.W. Levenson, W.V. Friesen // Science, Vol 21, 1983. - pp. 1208-1210.

38. Levenson R.W. Voluntary facial action generates emotion - specific autonomic nervous system activity / R.W. Levenson, P. Ekman, W.V. Friesen // Psychophysiology, 1990, Vol 27. - pp. 363-384.

39. Levenson R.W. Emotion and autonomic nervous system activity in the Minangkabau of West Sumatra / R.W. Levenson, P. Ekman, W.V. Friesen, K. Heider // Journal of Personality and Social Psychology, 1992, Vol 62. - pp. 972-988.

40. Cacioppo J. Inferring psychological significance from physiological signals / J. Cacioppo // American Psychologist, 2000, Jan., Vol 45. - pp. 16-28.

41. Johnson D.L. Cerebral blood flow and personality: a positron emission tomography study / D.L Johnson., J.S. Wiebe, S.M. Gold аt al. // Am. J. Psychiatry. Vol 156 No 2, 1999. - pp. 252-257.

42. Дмитриева В.А. Энтеральная нервная система и психосоматические аспекты заболеваний желудочно-кишечного тракта / В.А. Дмитриева, В.В. Одинцова // Медицинский альманах. Неврология. № 1(14), 2011. - с. 166-169.

43. Скринникова Г.В. Моделi емоцш: проблеми та ршення / Г.В. Скринникова // SAIT 2011 : матерiали Мiжнар. наук.-техн. конф., Кшв, 23-28 травня 2011 р. - К. : ННК "1ПСА" НТУУ "КП1", 2011. - С. 310.

44. Давыдов А.Г. Классификация эмоционального состояния диктора по голосу: проблемы и решения / А.Г. Давыдов, В.В. Киселёв, Д.С. Кочетков - С. 178185. URL: http://www.dialog-21.ru/digests/dialog2011/materials/ru/pdf/20.pdf.

45. Shan C. Beyond facial expressions: learning human emotion from body gestures / C. Shan, Sh. Gong, P.W. McOwan URL: http://www.bmva.org/bmvc/2007/ papers/paper-276.pdf (дата обращения: 03.05.2011).

46. Люсин Д. В. Измерение способности к распознаванию эмоций с помощью видеотеста / Д. В. Люсин, В. В. Овсянникова // Психологический журнал, том 34, № 6, 2013. - С. 82-94.

47. Скринникова Г.В. Тенденци розвитку та застосування сучасних до^джень емоцшно! сфери / Г.В. Скринникова // 1нформацшш технологи в наукових дослщженнях i навчальному процесi : матерiали VII МНПК, Луганск, 14-16.11.2012 -С. 160-164.

48. Sloman A. Beyond shallow models of emotion / А. Sloman // Cognitive Processing, Vol 2 No 1, 2001. - pp. 177-198.

49. Felkin M. Modelising H-CogAff global alarm system improves robot performance / M. Felkin, Y. Kodratoff // Proc. of the Int. Symp. on AI inspired Biology (AISB 2010), De Montfort University, Leicester, UK 29.30-01.04.2010. - рр. 73-80.

50. Gratch J. A domain-independent framework for modeling emotions / J. Gratch, S. Marsella // Cognitive Systems Research, Vol 5 № 4, 2004. - pp. 269-306.

51. Picard R.W. Affective Computing. MIT Technical Report, 1995. URL: http://affect.media.mit.edu/pdfs/95.picard.pdf (дата обращения: 16.01.2011).

52. Карпов В.Э. Эмоции роботов / В.Э. Карпов // НИИ Информационных технологий, г. Москва, 2010. URL: http://www.raai.org/resurs/papers/kii-2010/doklad/karpov.pdf (дата обращения: 02.02.2011).

53. Gavrilov A.V. Simulation of Emotions in Cognitive Robotics / A.V. Gavrilov // 4th Int. Conf. on Cognitive Science: CogSci2010, Tomsk. - V.1. - рp. 40-42.

54. Гаврилов А.В. Эмоции, априорные знания и дружественное поведение робота / А.В. Гаврилов // XI Нац. конф. по искусственному интеллекту КИИ2008, г. Дубна, 29.09-03.10.2008. URL: http://www.raai.org/cai-08/files/cai-08_paper_205.doc (дата обращения: 13.07.2011).

55. Пенский О.Г. Основы математической теории эмоциональных роботов:

монография / О.Г. Пенский, К.В. Черников - П : Перм. гос. ун-т, 2010. - 256 с.

56. Пенский О.Г. О применении основ векторной алгебры в решении некоторых задач исчисления эмоций/ О.Г. Пенский // Исследовано в России: электронный журнал МФТИ. 2007. - С. 1031-1034. URL: http://zhurnal.ape.relarn.ru/articles/2007/099.pdf ( дата обращения 04.06.2011).

57. Черников К.В. Правила эмоционального поведения роботов. Обобщение на случай произвольного числа взаимодействующих с роботом людей/ К.В. Черников// Университетские исследования: электронный науч. журнал - 2010. - С. 1-4. URL: http://www.uresearch.psu.ru (дата обращения 04.06.2011).

58. Пенский О.Г. Гипотеза Д.Н. Узнадзе в аспекте эмоциональных роботов / О.Г. Пенский, К.В. Черников // ПГНИУ, Пермь, 2011. - 6 с. URL: http://soobjestvo.technicamolodezhi.ru/Uploads/ogpensky/FIL13147189690N900505001/. doc (дата обращения 22.11.2011).

60. Gunes H. Creating and annotating affect databases from face and body display: a contemporary survey / H. Gunes, M. Piccardi // IEEE Conference on Systems, Man, and Cybernetics, Taipei, Taiwan, 2006. - pp. 2426-2433.

61. Becker-Asano C. Affective computing with primary and secondary emotions in a virtual human / C. Becker-Asano, I. Wachsmuth // Autonomous Agents and Multi-Agent Systems Vol. 20 (1) 2010. - рр. 32-49.

62. Becker-Asano C. WASABI as a case study of how misattribution of emotion can be modeled computationally / C. Becker-Asano, I. Wachsmuth // A Blueprint for Affective Computing : a Sourcebook and Manual, 2010. - рр. 179-193.

63. Влияние личного компонента на электроэнцефалогра-фические корреляты индуцированных эмоциональных состояний / Н.П. Бехтерева [и др.] // Физиология человека, 2004 T.29. № 6. - С. 122-124.

64. Электроэнцефалографические корреляты мысленного переживания эмоциональных личных и сценических ситуаций. Сообщение I. Характеристики локальной синхронизации / С.Г. Данько [и др.] // Физиология человека. - 2003 T.29 №6 - с. 5-15. Сообщение II. Характеристики пространственной синхронизации. - с. 31-40.

65. Farwell L.A. Brain fingerprinting: comprehensive corrections to Rosenfeld / L.A. Farwell // Scientific Review of Mental Health Practice, 8(2), 2011. - рр.56-68.

66. Simple, effective countermeasures to P300-based tests of detection of concealed information / J.P. Rosenfeld [at al] // Psychophysiology, №41, 2004. - pp. 205-219.

67. Rosenfeld J.P. P300 in Detecting Concealed Information / J.P. Rosenfeld // Northwestern University, 2010 - 74p. URL: http://groups.psych.northwestern.edu/ro-senfeld/documents/BRUN0PAPER09REVfblackdblsppagesfont16.doc (дата обращения 02.01.2012).

68. Pat. 5467777, Int.Cl. G06F 17/00. Method for electroencephalographs information detection / L.A. Farwell; assignee Conte; Francis Luca (Swampscott, MA). -21.11.1995.

69. Скринникова А.В. Аспекты идентификации эмоций по динамике манипуляций мышкой / А.В. Скринникова // Труды XIII МНПК «СИЭТ-2012», Одесса, 4-8 июня 2012.- С.124.

70. Скринникова А.В. Анализ математических моделей эмоций и методов их оценки / А.В. Скринникова // Наука вчера, сегодня, завтра: материалы научно-практической конференции, Воронеж, 2016. - С. 106-112.

71. Albornoz E. Recognition of emotions in speech / E. Albornoz, M. Crolla, D. Milone // XXXIV Conf. Latinoamericana de Informatica, Sep, 2008.- pp. 1120-1129.

72. Kim J. Robust speech recognition and understanding / J. Kim // Proc. of the I-Tech, Vienna, Austria, June 2007. - pp. 460.

73. Выставка электроники CeBIT 2011. URL: http://today.mts.com.ua/posts/ 522-kontrolirovat-gadzhety-mozhno-dvizheniya (дата обращения: 16.04.2011).

74. Gunes H. Creating and annotating affect databases from face and body display: a contemporary survey / Н. Gunes, М. Piccardi // IEEE Conference on Systems, Man, and Cybernetics, Taipei, Taiwan, 2006. - pp. 2426-2433.

75. Применение нечетких темпоральных высказываний для описания движений при эмоциональных реакциях / А.В. Заболеева-Зотова [и др.] // Известия ВолгГТУ: межвуз. сб. науч. ст. № 3(76). - Волгоград: ИУНЛ ВолгГТУ, 2011 (Серия Актуальные проблемы управления, выч. техники и информатики в техн. системах. Вып. 10). - С. 60-64.

76. Минкин В.А. Виброизображение / В.А. Минкин. - СПб : Реноме, 2007. -108 с. : ил.

77. Ekman P. Facial Action Coding System: A Technique for the Measurement of

Facial Movement / P. Ekman, W.V. Friesen URL: http://www.paulekman.com/wp-content/uploads/2009/02/Facial-Action-Coding-System-.pdf (дата обращения: 17.04.2011).

78. Matsumoto and Ekman's Japanese and Caucasian facial expressions of emotion (JACFEE): reliability data and cross-national differences / Biahl M. [at al] URL: http://www.paulekman.com/wp-content/uploads/2009/02/Matsumoto-And-Ekmans.pdf (дата обращения: 17.04.2011).

79. Ходаков Д.В. Модел^ методи та засоби адаптивност користувальницького штерфейсу: автореф. на здобуття к.т.н. / Д.В. Ходаков, Херсонський державний техшчний ушверситет, Херсон, 2003. - 16 с.

80. Радванська Л.М. Модел^ методи та засоби тдвищення ефективносп штерфейсу «користувач-ЕОМ» в системах оргашзацшного управлшня: автореф. на здобуття к.т.н. / Л.М. Радванська, ХДТУ, Херсон, 1999р. - 16 с.

81. Скакун С.В. Комплексний аналiз поведшки користувачiв комп'ютерних систем на основi нейромережевих моделей: автореф. на здоб. к.т.н. / С.В. Скакун, 1н-т космiчних дослiджень НАН Укра!ни та НКА Украши м. Кт'в, 2005. - 22 с.

82. Steunebrink B.R. A formal model of emotions: integrating qualitative and quantitative aspects / B.R. Steunebrink, M.M. Dastani, J-J.Ch. Meyer. URL: http:// drops. dagstuhl.de/opus/volltexte/2008/1644/pd^08361. SteunebrinkBas.Paper.1644.p df (дата обращения: 26.01.2011).

83. Розалиев В. Л. Моделирование эмоционального состояния человека на основе гибридных методов [Текст] / В. Л. Розалиев, А. В. Заболеева-Зотова // Программные продукты и системы № 2, 2010. - С. 141-146.

84. Steunebrink B.R. Towards a quantitative model of emotions for intelligent agents / B.R. Steunebrink, M.M. Dastani, J-J.Ch. Meyer // KI'07 Workshop on Emotion and Computing - Current Research and Future Impact, Osnabruck, Germany, 2007.- P.6.

85. Курейчик В.М. Определения и основные понятия генетических алгоритмов. Интернет-лекция в рамках научн. школы 3-й конф. молодых уч. / В.М. Курейчик, Б.К. Лебедев. URL: http://faculty.ifmo.ru/csd (дата обращения 02.10.2013).

86. А list of publications for the FEELIX GROWING project. URL: http://www.feelix-growing.org/node/243 (дата обращения 19.03.2012).

87. Чернодуб А. Н. Обзор методов нейроуправления / A. Н. Чернодуб, Д. А. Дзюба // Проблемы программирования. - 2011, №2. - С. 79-94.

88. Verduyn P. Which emotions last longest and why: The role of event importance and rumination / Р. Verduyn, S. Lavrijsen // Motivation and Emotion, February 2015, Vol. 39, Issue 1. - pp. 119-127.

89. Ahmed A.A.E. A new biometric technology based on mouse dynamics / A.A.E. Ahmed, I. Traore // IEEE Transactions on Dependable and Secure Computing, Vol.4 No.3, 2007. - pp. 165-179.

90. Тумоян Е.П. Метод идентификации по клавиатурному почерку для систем мобильного банковского обслуживания / Е.П. Тумоян, Г.А. Евстафьев // Информационное противодействие угрозам терроризма №14. - ФГПУ НТЦ Москва, 2010г. - С. 135-139.

91. Скринникова А.В. Вероятностное моделирование эмоций // Вестник ЛНУ им. Тараса Шевченко. Серия 3. Техн. Физ-мат. науки. № 1(4), 2017. - С. 110-117.

92. Dowland P. A long-term trial of keystroke profiling using digraph, trigraph, and keyword latencies / P. Dowland, S. Furnell // Proc. of IFIP/SEC - 19th International Conf. on Information Security, Toulouse, France, 2004. - pp. 275-289.

93. Monrose F. Password hardening based on keystroke dynamics / F. Monrose, M.K. Reiter, S. Wetzel // Proc. of 6-th ACM Conf. on Computer and Communications Security, 1999. URL: http://cs.unc.edu/~fabian/papers/jis-draft.pdf (дата обращения: 16.08.2011).

94. Зуев-Инсаров Д.М. Почерк и личность // Д.М. Зуев-Инсаров - К.: Перлит продакшн, ЛТД, 1992. - 96 с.

95. Гольдберг И. Российская графология сегодня. Век XXI / И. Гольдберг, В. Косогова // Научная графология №7, 2011. - С. 7-13.

96. Dazzi C. Graphology and personality: an empirical study on validity of handwriting analysis / C. Dazzi, L. Pedrabissi // Psychological Reports : Vol.105, 2009. -pp. 1255-1268.

97. King R.N. Illusory correlations in graphological inference / R.N. King , D.J. Koehler // Journal of Experimental Psychology : Vol.6 No4, 2000. - pp. 336-348.

98. Федотова Е.Н. Сравнительный анализ судебного почерковедения и графологии / Е.Н. Федотова, В.Н. Курбатов // Россия в глобальном мире : вызовы и перспективы развития. XIV Вавиловские чтения : материалы пост. действ. Всерос. междисц. науч. конф. с междунар. участием : в 2 ч. / под общ. ред. проф. В.П. Шалаева. - Йошкар-Ола : Марийский гос. техн. ун-т, 2011. - Ч.2. - c. 85-87.

99. Bangerter A. How widespread is graphology in personnel selection practice? A case study of a job market myth / A. Bangerter, C.J. Konig, S. Blatti, A. Salvisberg // Int. J. of Selection and Assessment Vol. 17, No 2, 2009. - рр. 219-230.

100. Гольдберг И. Лаборатория исследования почерка на вашем ПК. URL: http://inessa-goldberg.ru/materials/conference2012/02.IgorGoldberg-HandwritingStudio.pps (дата обращения: 27.06.2012).

101. Hao F. Private Key Generation from on-line Handwritten Signatures / F. Hao, C.W. Chan // Information Management & Computer Security, I.10, №2, 2002. - pp. 159-164.

102. Biometric encryption / C. Soutar, D. Roberge, A. Stoianov, [at al] // ICSA Guide to Cryptography, McGrow-Hill, 1999. - рр. 122-128.

103. Lopatka M. Vibration sensitive keystroke analysis / M. Lopatka, M.-H. Peetz // The 18th Annual Belgian-Dutch Conference on Machine Learning (Benelearn 09), University, Tilburg, the Netherlands, 2009. - рр. 75-80.

104. Коваленко О.А. Разработка системы анализа клавиатурного почерка / О.А. Коваленко // Сборник работ 59-й научной конференции студентов и аспирантов Белгосун-та : БГУ, 2002. - Ч.3. - С. 207.

105. Иванов Г.С. Обзор методов биометрической идентификации пользователей корпоративной информационной сети / Г.С. Иванов // Современные технологические решения. Вып. 20. - СПб : СПбГУ ИТМО, 2005. - С. 41-48.

106. Брюхомицкий Ю.А. Распознавание клавиатурного почерка на основе использования статистических оценок плотности распределения / Ю.А. Брюхомицкий // Информационное противодействие угрозам терроризма №14. -М. : ФГПУ НТЦ, 2010 г. - С. 149-154.

107. Ahmed A.A. Security monitoring through human computer interaction devices: dis. dr. phil. / A.A. Ahmed. University of Victoria, Canada, 2008. - P. 182.

108. Hogg N.A. Design of thumb keyboards : performance, effort and kinematics: thesis master of science in kinesiology / N.A. Hogg; University of Waterloo, Waterloo, Ontario, Canada, 2010. - P. 80.

109. Karlson A. Understanding Single-Handed Mobile Device Interaction / A.K. Karlson, B.B. Bederson, J. L. Contreras-Vidal, 2006. URL: http://hcil.cs.umd.edu/trs/2006-02/2006-02.pdf (дата обращения: 22.11.2011).

110. Park Y.S. Touch key design for one-handed thumb interaction with a mobile

phone: Effects of touch key size and touch key location / Y.S. Park, S.H. Han // Int. J. of Industrial Ergonomics, Vol. 40, I. 1, Jan. 2010. - pp. 68-76.

111. Брюхомицкий Ю.А. Многосвязное представление биометрических параметров в системах клавиатурного мониторинга / Ю.А. Брюхомицкий, М.Н. Казарин. URL: http://elibrary.ru/download/76406533.pdf (дата обращения: 23.11.2011).

112. Брюхомицкий Ю.А. Выделение информативных биометрических параметров в системах клавиатурного мониторинга / Ю.А. Брюхомицкий, М.Н. Казарин. URL: http://elibrary.ru/download/37300698.pdf (дата обращения: 23.11.2011).

113. Giot R. Keystroke dynamics authentication / R. Giot, M. El-Abed, Ch. Rosenberger // Biometrics. Pub : InTech, 2011. - рр. 157-182.

114. Barghouthi H. Keystroke dynamics. How typing characteristics differ from one application to another: Master of Science in information security / H. Barghouthi; Gjovik University College. - Gjovik, Norway, 2009. - P. 67.

115. Authentication by keystroke timing: some preliminary results / R.S. Gaines [at al] // Rand. Report R-256-NSF. СА, Santa Monica, 1980, May. - P. 51.

116. Douhou S. The reliability of user authentication through keystroke dynamics / S. Douhou, J.R. Magnus // Statistica Neerlandica Vol. 63, No.4, 2009. - pp. 432-449.

117. Stefan D. Keystroke-dynamics authentication against synthetic forgeries/ D. Stefan, D. Yao. URL: http://people.cs.vt.edu/~danfeng/papers/keystroke.pdf (дата обращения: 12.12.2011).

118. Личный сайт Лукиной Э.А. URL: http://avtandiline.ru/prof.html (дата обращения: 01.12.2011).

119. West L.J. The Standard and Dvorak Keyboards revisited: direct measures of speed. URL: http://www.santafe.edu/media/workingpapers/98-05-041.pdf (дата обращения: 01.12.2011).

120. Colemak - popular alternative. URL: http://mkweb.bcgsc.ca/carpalx/7colemak (дата обращения: 01.12.2011).

121. Hughes M. Are there differences in typing performance and typing forces between short and long travel keyboards / M. Hughes, L. Aulck, P.W. Johnson // Reviews of Human Factors and Ergonomics, Sep 2011. Vol. 55. - pp. 954-957.

122. Sahoo P. Secure strokes - a security mechanism for authentication in mobile

devices using user's behavioral pattern of keystrokes dynamics with visual cues / P. Sahoo, P. Deb // ARPN Journal of Systems and Software Vol. 1 No.1, 2011. - pp. 6-11.

123. Hwang S. Keystroke dynamics-based authentication for mobile devices, computers and security / S. Hwang, S. Cho, S. Park // Computers & Security, Vol. 28, № 12 : 2009. - pp. 85-93.

124. Ikehara C.S. User identification based on the analysis of the forces applied by a user to a computer mouse / C.S. Ikehara, M.E. Crosby // Proc. of the 36th Int. Conf. on System Sciences, Kona, Hawaii, January 2003. - рр. 157-162.

125. Hook Ch. New pen device for biometrical 3D pressure analysis of handwritten characters, words and signatures / Ch. Hook, J. Kempf, G. Scharfenberg // WBMA'03, Berkeley, California, USA, November 8, 2003. - pp. 38-44.

126. Nazar A. Inverse biometrics for mouse dynamics / A. Nazar, I. Traore, A.A.E. Ahmed // Int. Journ. of Pattern Recognition and Artificial Intelligence. Vol. 22, No. 3,

2008. - pp. 461-495.

127. Bashir M. Reduced dynamic time warping for Handwriting Recognition based on multidimensional time series of a Novel Pen Device / M. Bashir, J. Kempf // Int. Journal of Electrical and Computer Engineering Vol.3 No.8, 2008. - pp. 494-500.

128. Online Person Authentication using Dynamic Signature on a Novel Tactile and Pressure Sensitive Pad / M. Bashir [at al] // 17th Telecommunications forum TELFOR

2009, Serbia, Belgrade, November 24-26, 2009. - pp. 1133-1136.

129. Lee J. ZeroN : Mid-Air Tangible Interaction Enabled by Computer Controlled Magnetic Levitation / J. Lee, R. Post, H. Ishii // UIST'11, Santa Barbara, CA, USA, October 16-19, 2011. - рр. 10.

130. Three-dimensional polarimetric computational integral imaging / X. Xiao [at al] // Optics express Vol. 20, No. 14, July 2012. - pp. 8.

131. Pat. 20110298798 US, Int. Cl. G06T 15/00. Three-dimensional imaging and display system / KRAH; Christoph H.; (Los Altos, CA); assignee Apple Inc., Cupertino (CA) - 08.12.2011. - P. 21.

132. Picard R.W. Emotion research by the people, for the people. 2010. URL: http://affect.media.mit.edu/pdfs/10.Picard-ER-revised.pdf (дата обращения 17.11.2011).

133. Jorgensen Z. On Mouse Dynamics as a Behavioral Biometric for Authentication / Z. Jorgensen, T. Yu // ASIACCS '11, Hong Kong, China, March 22-24,

2011. - рр. 476-482.

134. МouseArm. URL: http://www.mousearm.com/info.htm (дата обращения 26.11.2011).

135. Kaminsky R. Identifying game players with mouse biometrics / R. Kaminsky, M. Enev, E. Andersen. URL: http://abstract.cs.washington.edu/~miro/docs/ mouse_ID.pdf (дата обращения 01.11.2011).

136. Refinement of a mouse movement biometric system / N. Ajufor, A. Amalraj, R. Diaz [at al] // CSIS, Pace University, May 2nd, 2008. URL: http://csis.pace.edu/~ctappert/srd2008/c1.pdf (дата обращения 16.11.2011).

137. Singh S. Mouse interaction based authentication system by classifying the distance travelled by the mouse / S. Singh, Dr. K.V. Arya // International Journal of Computer Applications Vol. 17 No.1, March 2011. URL: http://www.ijcaon-line.org/volume17/number1/pxc3872752.pdf (дата обращения 29.11.2011).

138. Gamboa H. A behavioral biometric system based on human computer interaction / H. Gamboa, A. Fred // In SPIE 5404 - Biometric Technology for Human Identification. Orlando, FL, USA, 2004. - pр. 381-392.

139. Бобырь М.В. Исследование адаптивной системы учета рабочего времени / М.В. Бобырь, А.В. Скринникова // Известия ЮЗГУ. Серия «Управление, выч. техника, информатика. Медицинское приборостроение», № 1 (18), 2016. - С. 42-52.

140. Пат. 7698238 US, МПК G06F 17/00. Emotional controlled system for processing multimedia data / A. Barletta(DE), B. Moser(DE), M. Mayer(DE); assignee Sony Duetschland GmbH, Cologne (DE) - 13.04.2010. - P. 10.

141. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. - М.: Мир, 1976. - 166 с.

142. Бобырь М.В. Нечеткая биотехническая система управления производительностью человека-оператора / М.В. Бобырь, А.В. Скринникова, Н.А. Милостная, С.П. Серегин // Медицинская Техника №4, 2017. - C. 46-50.

143. Емельянов С.Г. Интеллектуальные системы на основе нечеткой логики и мягких арифметических операций. Учебное пособие / С.Г. Емельянов, В.С. Титов, М.В. Бобырь - Москва: АРГАМАК-МЕДИА, 2014. - 341 с.

144. Бобырь М.В. Анализ использования мягких арифметических операций в структуре нечетко-логического вывода / М.В. Бобырь, Н.А. Милостная // Вестник

компьютерных и информационных технологий. 2015. № 7. - С. 7-15.

145. Бобырь М.В. Исследование свойств мягкого алгоритма нечетко-логического вывода / М.В. Бобырь, А.А. Нассер, М.А. Абдулджаббар // Известия Юго-Западного государственного университета. 2016. № 1 (64) - С. 31-49.

146. Пегат А. Нечеткое моделирование и управление / А. Пегат; пер. с англ. -2-е изд. - М.: БИНОМ. Лаб. Знаний, 2013. - 798 с.

147. Пат. 84822 Украши, МПК А61В 5/16, G06N 3/00. Споаб дiагностики психоемоцшних сташв користувачiв комп'ютеризованих систем / Г.В. Скринникова - № u 201212589; заявл. 05.11.12; опубл. 11.11.13, Бюл. № 21. - 6 с.: ил.

148. Шлезингер М.И. Десять лекций по статистическому и структурному распознаванию / М.И. Шлезингер, В. Главач.- К : Наукова Думка, 2004. - 546 с.

149. Файнзильберг Л.С. Математические методы оценки полезности диагностических признаков. Монография. - К.: «Освита Украины», 2010. - 152 с.

150. Раскин Д. Интерфейс: новые направления в проектировании компьютерных систем / Д. Раскин - СПб : Символ-Плюс, 2010. - 272 с.

151. Zhai S. Human Action Laws in Electronic Virtual Worlds -An Empirical Study of Path Steering Performance in VR / S. Zhai, J. Accot, R. Woltjer // Teleoperators and Virtual Environments, Vol. 13, No. 2. April 2004. - рр. 113-127.

152. Брэдли Д.Дж. Программирование на языке ассемблера для IBM PC. URL: http://www.podgoretsky.com/ftp/Docs/Asm/AsmBradly/index.html (дата обращения 05.09.2011).

153. Клименко А.В. Обзор аппаратных средств и API-сервисов определения времени в персональном компьютере / А.В. Клименко, К.Д. Алексеев. URL: http://www.immsp.kiev.ua/publications/articles/2009/2009_3/Klimenko_03_20

09.pdf (дата обращения 21.11.2011).

154. Скринникова Г.В. До^дження впливу техшчних характеристик зовшшшх пристро1в персональних комп'ютерiв на iндивiдуальну динамшу машпуляцш мишею / Г.В. Скринникова // 1нформацшна безпека № 2(8) - Луганськ : СНУ iм. В. Даля, 2012. - С. 144-150.

155. Скринникова А.В. Изменение индивидуальной динамики манипуляций устройствами управления курсором под влиянием эмоций страха и радости / А.В. Скринникова // Известия ЮФУ. Технические науки. №5, 2013. - С. 246-251.

156. Бернштейн Н. А. Физиология движений и активность [Текст] / Под ред. О.Г. Газенко. - М. : Наука, 1990. - 496 с.

157. On the possibility of linear modeling of the human arm neuromuscular apparatus / A.A. Frolov, M. Dufosse, S. Rizek [at al] // Biological Cybernetics Vol 82 (6), 2000. - pp. 499-515.

158. Adjustment of the human arm viscoelastic properties to the direction of reaching / A.A. Frolov [at al] // Biological Cybernetics. Vol 94, 2006. - pp. 97-109.

159. Золкин С.Г. Уравнения динамического стереотипа в прогнозе реакции неокортекса человека / С.Г. Золкин // «Штучний штелект» №2, 2005.- С. 39-44.

160. Глазунов Ю.Т. Роль и значение воли в процессах целеполагания / Ю.Т. Глазунов // Вестник МГТУ, т.16, №2, 2013. - С. 279-287.

161. Скринникова А.В. Моделирование процесса управления курсором методом анализа электрических цепей / А.В. Скринникова // Известия ЮЗГУ. Серия «Управление, выч. техника, информатика. Медицинское приборостроение», № 2 (23), 2017. - С. 96-101.

162. Пригожев О.С. Модел^ методи та засоби управлшня навчанням користувача робот! в автоматизованш шформацшнш система автореф. на здобуття к.т.н. / О.С. Пригожев, ОНПУ м. Одеса, 2007. - 20 с.

163. Большев Л.Н. Таблицы математической статистики / Л.Н. Большев, Н.В. Смирнов // М: Наука. Гл. ред. физ.-мат. лит-ры, 1983. - 416 с.

164. Гланц С. Медико-биологическая статистика / С. Гланц // Пер. с англ. - М : Практика, 1998. - 459 с.

165. Айвазян С.А. Прикладная статистика и основы эконометрики / С.А. Айвазян, В.С. Мхитарян - М : ИО «Юнити», 1998. - 1006 с.

166. Сосин И.К. Клинико-диагностические критерии и оказание медицинской помощи при алкогольном опьянении / И.К. Сосин // Медицина неотложных состояний, №5(6), 2006 - С. 28-35.

167. Council report. Alcohol and the driver // The Journal of the American medical association, Vol 255, No.4, Jan 24-31, 1986. - pp. 522-527.

168. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников / А.И. Кобзарь - 2-е изд.,испр. - М: ФИЗМАТЛИТ, 2012.- 816 с.

169. Лемешко Б.Ю. О применении и мощности критериев проверки

однородности дисперсий. 4.II / Б.Ю. Лемешко, С.Б. Лемешко, А.А. Горбунова // Измерительная техника, №5, 2010. - с.11-18.

170. Малета Ю.С. Непараметрические методы статистического анализа в биологии и медицине / Ю.С. Малета, В.В. Тарасов - М: Изд. Моск. ун-та, 1982. - 178 с.

171. Скринникова Г.В. 1нформативш ознаки оцшки емоцшного стану користувача за клавiатурним почерком / Г.В. Скринникова // 1нформацшш технологи в наукових до^дженнях i навчальному процесi : матерiали VI МНПК, 16-18 лист. 2011 р. - Луганськ, 2011. - С. 225-230.

172. Сергеев Н.Е. Формализация набора информативных признаков динамики манипуляций устройствами управления курсором при решении задачи диагностики эффективности деятельности операторов БТС / Н.Е. Сергеев, А.В. Скринникова // Известия ЮФУ. Технические науки, № 5, 2020. - С. 185-193.

173. Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров [и др.]; [отв. ред. И.М. Макарова]; Отделение ИТ и ВС РАН.- М. : Наука, 2006. - 333 с.

174. Пат. 20080028231 US, МПК Н04К 1/00. Key sequence trustable activation recognition system and method / S.L. Bender (US) - 31.01.2008.- P. 23.

175. Скринникова Г. В. Модель процесу адаптаци людино-машинних систем до користувачiв / Г.В. Скринникова // Вюник НУ «Львiвська полгтехшка» Комп'ютерт науки та IT, 2014 - №800 - С. 52-61.

176. Сержантова М.В. Конечные цепи Маркова в модельном представлении деятельности человека-оператора в квазистатической функциональной среде / М.В. Сержантова, А.В. Ушаков // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 3. - С. 524-532.

ПРИЛОЖЕНИЯ Приложение А. Графики полигонов частот признаков ДМСУ

Примеры полигонов относительных частот значений х

№ 0,6 ■

0,5

0,4

0,3 -

0,2 -

0,1 -

0

П1 П2 ПЯз П4 П5

т>

Т-1-г

1 2 3 4 5 i

Здесь П - полигон частот j-го испытуемого, i - номер интервала, в который попала случайная величина х1, fx) - плотность распределения х1. Примеры полигонов относительных частот значений х2

fx) -

1 П1

П2

0,5 Н Пз

0,4

0,6

0,3

0,2 -

0,1

-1-1-1-1-т"

1 2 3 4 5 i

Примеры полигонов относительных частот значений х3

Примеры полигонов относительных частот значений .15

Примеры полигонов относительных частот значений х6

Здесь ТР - теоретическое распределение, Nim,о) - нормальное распределение.

Приложение Б. Акты о внедрении результатов диссертационной работы

ии

УТВЕРЖДАЮ; Главный врач республикан онкологичеа A.B. Торба

«г К

АКТ

о внедрении результатов диссертационной работы Скрннниковой Анны Владимировны, представленной на получение ученой степени кандидата технических наук

Состав комиссии:

1) Торба A.B. - главный врач,

2) Стрюков Д.А. - заведующий отделением лучевой терапии №1,

3) Сулименко И.В. - заведующая отделением лучевой диагностики.

Комиссия рассмотрела результаты практического применения

диссертационного исследования Скрннниковой A.B. по вопросу улучшения адаптации биотехнических систем медицинского назначения к индивидуальным особенностям врачей-операторов по динамике манипуляций устройствами управления курсором (клавиатурой и мышкой) и установила следующее:

1. Положения и разработки кандидатской диссертации применены при организации доступа главного врача, заведующего отделением лучевой терапии №1, заведующей отделением лучевой диагностики г. Луганска к автоматизированным рабочим местам (АРМ). Разработанное Скрннниковой A.B. программное обеспечение диагностирует производительность врача-оператора, психоэмоциональные состояния сниженного внимания и интенсивных эмоций врача-оператора и подает соответствующую аудиовизуальную реакцию.

2. Комиссия отмечает целесообразность использования положений и разработок кандидатской диссертации Скрннниковой A.B. для улучшения адаптации биотехнических систем к индивидуальным особенностям врачей-операторов АРМ по динамике манипуляций устройствами управления курсором с целью повышения производительности врачей-операторов.

Глава комиссии: Член комиссии Член комиссии

Горба A.B. Стрюков Д. А Сулименко И.В.

«УТВЕРЖДАЮ» ^Первый проректор

» ВПО ЛНР «Луганского \

нального университета имени

ченко» Г.А. Сорокина

2016 г.

АКТ

о виедреннн результатов диссертационной работы в учебный процесс

Настоящим подтверждаю, что результаты диссертационной работы A.B. Скринниковой. посвященной разработке и исследованию моделей и методов адаптации биотехнических систем к индивидуальным особенностям пользователей, приняты к внедрению в учебный процесс ГОУ ВПО ЛНР «Луганский национальный университет имени Тараса Шевченко».

Результаты диссертационного исследования используются в учебном процессе студентов Института физики, математики и информационных технологий, обучающихся по направлениям подготовки бакалавров и магистров «информатика», «системный анализ» и «математика» на кафедре фундаментальной математики.

Использование результатов исследования адаптивной системы учета рабочего времени оператора и моделирования динамики управления курсором методом анализа электрических цепей позволяет расширить профессиональные знания и навыки студентов при изучении дисциплин «математическая логика и теория алгоритмов» и «математические методы оптимального управления». Результаты применены при разработке раздела «Нечеткая логика» и темы «Устойчивость управления» соответствующих дисциплин.

И.о. заведующего кафедрой фундаментальной математики.

к.т.н., доцент