CC BY
19
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 1 - P. 101-105
Раздел III ФИЗИКО-ХИМИЧЕСКАЯ БИОЛОГИЯ
Section III PHYSICAL AND CHEMICAL BIOLOGY
УДК: 61 DOI: 10.24412/1609-2163-2022-1-101-105
ИСКУССТВЕННЫЕ НЕЙРОСЕТИ В ОЦЕНКЕ ВОЗРАСТНЫХ ИЗМЕНЕНИЙ Г.В. ГАЗЯ*, В.В. ЕСЬКОВ**
*ФГУ «ФНЦНаучно-исследовательский институт системных исследований Российской академии наук», Обособленное подразделение «ФНЦ НИИСИ РАН», в г. Сургуте, ул. Базовая, д. 34, г. Сургут, 628426, Россия,
e-mail: safety.ot86@gmail.com
**БУ ВО ХМАО-Югры «Сургутский государственный университет», пр. Ленина, д. 1, г. Сургут, 628408, Россия
Аннотация. Исследование параметров сердечно-сосудистой системы в геронтологии приводит к возникновению неопределённости 1-го типа (статистика не показывает различия). Цель исследования - доказать возможности применения искусственных нейросетей в геронтологии. Материалы и методы исследования. Исследовались три возрастные группы женщин ханты и три группы приезжих женщин Югры (Север России), в каждой группе были по 38 человек. Регистрировалось 6 параметров работы сердца (включая параметры симпатической и парасимпатической вегетативной нервной системы). Сравнивалась выборка медиан (М1) этих 6-ти параметров для одинаковых возрастных групп (1-1, 2-2, 3-3). Для выявления реального различия использовались искусственные нейросети в режиме хаоса и многократных повторных настроек. Результаты и их обсуждение. Парное сравнение выборок медиан показало почти полное совпадение выборок (неопределенность 1-го типа). Выводы: использование искусственных нейросетей устранило статистическое совпадение выборок (показало различие) и одновременно обеспечило нахождение главных диагностических признаков (параметров порядка), что в современной статистической науке совершенно невозможно (для любых биосистем). В геронтологии появляется мощный инструмент для изучения возрастных различий параметров организма.
Ключевые слова: неопределенность первого типа, возрастные изменения, хаос, нейросети.
ARTIFICIAL NEURON NETWORKS FOR ESTIMATION OF AGING CHANGES G.V. GAZYA*, V.V. ESKOV**
*Federal Science Center Scientific-Research Institute for System Studies of the Russian Academy of Science, st. Base, 34, Surgut, 628426, Russia, e-mail: safety.ot86@gmail.com ** Surgut state university, Lenin Ave., 1, Surgut, 628408, Russia
Abstract. The investigation of cardio-vascular system according to aging evolution a human body present the reality go first type uncertainty. On this case statistics is not real the samples demonstrated absent of distinguishes. The research purpose was trying to prove the possibility on artificial neuron networks for gerontology. Objects and methods. We studied three age groups of Khanty women and three groups of women from Yugra (Northern Russia), each group included 38 people. 6 parameters of the work of the heart were recorded, including parameters of the sympathetic and parasympathetic autonomic nervous system. We compared a sample of medians (M1) of these 6 parameters for the same age groups (1-1, 2-2, 3-3). To identify the real difference, artificial neural networks were used in chaos mode and multiple re-adjustments. Results and its discussion. We use special reigns (chaos and many repetition) for this artificial neuron networks. But traditional stochastic comparison of the samples demonstrated statistical equality. Conclusions. The stochastic equality of all samples was destroyed by artificial neuron networks using. It was demonstrated the main diagnostic human body parameters (order parameters). So, such problem has not solution in all modern science (with mathematic else). There is new very effective method (and theory at all) for aging investigations at all gerontology (and medicine at all).
Keywords: uncertainty of the first type, age-related changes, chaos, neural networks.
Введение. Широко известно, что средняя продолжительность жизни приезжего человека на Севере существенно ниже, чем продолжительность
жизни жителей средних широт. Качество жизни человека на Севере тоже существенно ниже и это определяется законом в России (существуют специальные
северные надбавки к зарплате). Особенно эти различия видны по параметрам сердечно-сосудистой системы (ССС) человека на Севере [1-6,14].
В этой связи продолжительность жизни и качество жизни человека на Севере является особой проблемой геронтологии и всей медицины. Известно, что патология ССС преобладает над всеми остальными заболеваниями, а ее изучение именно в возрастном аспекте составляет важный раздел геронтологии. Поэтому мы и изучаем все эти аспекты для оценки качества жизни человека на Севере России [8-12,17].
Традиционно состояние ССС изучается на основе статистики [8-10,12]. Европейские кардиологи предложили регистрировать кардиоинтервалы (КИ) не менее 5 минут, что в итоге позволило сравнивать попарные выборки КИ из 300 значений этих КИ. Считается, что такая выборка КИ вполне репрезентативна. Однако, 20 лет назад был доказан эффект Есь-кова-Зинченко (ЭЕЗ) сначала в биомеханике, а затем для ССС [1-6,11,13-20].
В этом ЭЕЗ доказано отсутствие статистической устойчивости любых выборок КИ. Если выборки КИ уникальны, то мы не можем дальше их использовать в изучении ССС. Это получило название неопределенности 2-го типа (любая выборка параметра ССС уникальна). Однако сейчас доказана и неопределенность 1-го типа, когда статистика показывает совпадение выборок параметров ССС, а искусственные нейросети (ИНС), например, доказывают различия в состояниях ССС ё7,11,13,15,17-19]. Именно эта проблема и представлена в настоящей статье [11,13,15,18,19].
Объекты и методы исследования. Детальному исследованию подвергались три (разные) возрастные группы женщин ханты (аборигены Югры-Севера России) и три группы приезжих женщин. В каждой группе было по 38 женщин (средний возраст группы <Ti>=27 лет, второй группы <T2>=43 года и третьей <Тз>=58 лет) и у каждого обследуемого мы с помощью запатентованного аппарата ЭЛ0КС-01 регистрировали по шесть параметров ССС.
Для изучения динамики параметров ССС этого женского населения Югры методом вариационной пульсоинтервалографии было обследовано 228 человек, трёх групп по 38 человек в каждой: 1-я группа - 18-36 лет; 2-я группа - 37-49 лет; 3-я группа - старше 50 лет. Все наблюдаемые женщины были без патологий и жалоб на здоровье (согласно Хельсинской декларации давали добровольное согласие на обследование).
В качестве этих параметров мы брали: xi (SIM) -интегративный показатель состояния симпатической вегетативной нервной системы (ВНС); Х2 (PAR) -показатель парасимпатической ВНС; хз (SDNN) -стандарт отклонения КИ; Х4 (INB) - индекс напряжения Баевского; xs (SPO2) - уровень насыщения крови оксигемоглобином (в %); хв (HR) - частота сердечных
сокращений (удары в минуту). Все эти шесть параметров образовывали общий вектор состояния ССС х=х(t)= (xi, Х2,... хв) Тв фазовом пространстве состояния - ФПС (размерность ФПС m=6).
По факту любая выборка xi(t) содержала около 300-т значений xi(t), поэтому мы рассчитывали медианы (Ме) для этих выборок, а затем эти 38 Ме (для каждой группы обрабатывали также статистически (в рамках непараметрических распределений). Нами установлено, что только 1-1,5 % выборок Me статистически различаются. В итоге мы получали по 6 выборок Ме xi(t) для каждой группы и их попарно сравнивали.
Сравнения выборок xi(t) производилось по критерию Манна-Уитни для пар с одинаковым возрастом (1-1, 2-2, 3-3), но это были женщины ханты и приезжие женщины. Если критерий pij>0,05, то такая пара могла иметь общую генеральную совокупность. При критерии Манна-Уитни pij <0,05 мы считали выборки xi(t) статистически различными (они не совпадали).
Поскольку статистика нам не показала существенных различий выборок, то мы использовали искусственные нейросети (ИНС) в двух основных режимах (хаос и многократные повторения) [11,13,15,17,18,19]. Производились многократные повторные настройки ИНС с разными весами wio. Эти начальные веса wio выбирались хаотично из интервала (0, 1) для каждой настройки ИНС.
Задание этих начальных весов wio диагностических признаков (хаотичные веса wio из (0,1)) позволило не только устранить неопределенность 1-го типа (статистическое совпадение выборок), но ранжировать значимость этих признаков xi(t).
В итоге мы находили главные диагностические признаки (параметры порядка). В настоящее время задача системного синтеза (нахождение параметров порядка) не имеет решения во всей математике (в общем виде). Тем более она не может быть решена в биомедицинских исследованиях, если все выборки статистически совпадают (при неопределенности 1-го типа).
Результаты и их обсуждение. Прежде чем представить результаты статистических сравнений выборок медиан Ме всех шести диагностических признаков xi(t), мы напомним, что за последние 20 лет была доказана гипотеза основоположника теории информации W. Weaver, о том, что все биосистемы - системы третьего типа (СТТ) не могут быть объектом современной детерминистской и стохастической науки (ДСН).
Эту гипотезу Weaver предложил в 1948 году и только сейчас (за последние 20 лет) нам ее удалось доказать в виде ЭСЗ [1-6,8,9,14]. В этом ЭЕЗ доказано, что любая выборка параметра xi(t) организма человека является уникальной (статистически неповторимой). Это легко проверить, если 15 раз подряд у одного и того же испытуемого измерить выборки xi(t).
Например, у любого из этих 6-ти групп (всего 228 человек) мы повторно регистрировали 15 выборок КИ и затем все эти 15 выборок попарно сравнивали. В итоге было получено 228 матриц парных сравнений выборок КИ. Типичную такую матрицу мы представили в виде табл. 1. Здесь имеется 105 разных пар сравнения, для которых в табл. 1 мы записали критерии Вилкоксона (для каждой г-й и ¡-й пары).
Таблица 1
Матрица парного сравнения выборок КИ одного и того же человека (без нагрузки, число повторов регистрации КИ и=15), использовался критерий Вилкоксона (критерий различий р<0,05, число совпадений &=10)
В итоге, мы получили матрицу парных сравнений выборок КИ (одного испытуемого, сидя, в покое), где число ki пар выборок с pij>0,05 очень мало (ki=10). Это доказывает отсутствие статистических совпадений выборок (более 90% пар статистически не совпадают), в чем и заключается ЭЕЗ. Сейчас мы построили тысячи таких матриц (кроме этих 228) для разных людей и везде закономерность одинакова для КИ (SIM, PAR, INR и т.д.), числа К15%, т.е. выборки уникальны [1-6,8-10,12,14].
Все это доказывает гипотезу Weaver (СТТ не объект ДСН) и ЭЕЗ, т.е. - выборки параметров сердечнососудистой системы (ССС) человека статистически неустойчивы [1-6,8,9,14]. Для них нет смысла использовать статистику, т.к. статистическая функция распределения f(x), ее статистические характеристики (статистическое среднее <x> статистическое Dxx и т.д.) непрерывно и хаотично изменяются [1-6,8,9,14].
Следующая выборка КИ будет другой для любых параметров ССС любого человека на планете Земля [1,2,4-6,8-10,13-15,18,19]. Это получило название эффекта Еськова-Зинченко или неопределенности 2-го типа. Этот ЭЕЗ глобален для всех биосистем - СТТ. Однако для СТТ имеется и неопределенность 1-го типа.
В наших исследованиях такая неопределенность 1-го типа проявляется в статистическом совпадении выборок xi (t) для разных испытуемых. Представим результаты парных сравнений всех шести выборок xi (t)
для групп с одинаковыми возрастами (ханты и приезжие женщины). В табл. 2 мы представили критерии Манна--Уитни для пары 1-1 (средний возраст <71 >=27 лет), пары 2-2 (с <Т2>=43 года) и пары 3-3 (с <Тз>=58 лет). Очевидно, что только пара 1-1 показала статистические различия для хг(БШ)- 0,02 и Х4(1Ш)-0,01.
Таблица 2
Результаты попарного сравнения средних значений рангов (допустимого уровня значимости параметров вариабельности сердечного ритма, групп женщин
коренного и некоренного населения Югры по возрасту) интегральных параметров с помощью критерия Манна - Уитни
Отмеченные критерии значимы на уровне р <0,05
Параметры р - уров., 1 с 1 р - уров., 2 со 2 р - уров., 3 с 3
SIM 0,02 0,63 0,22
PAR 0,07 0,67 0,57
SDNN 0,08 0,16 0,70
INB 0,01 0,43 0,84
SPO2 0,15 0,67 0,69
HR 0,31 0,12 0,87
Примечание: SIM - показатель активности симпатического отдела ВНС (у.е.), PAR - показатель активности парасимпатического отдела ВНС (у.е.), IBN - показатель индекса напряжения по Р.М. Баевскому (у.е.), SPO2 - содержание оксигемоглобина в крови испытуемых (%), SDNN - стандартное отклонение полного массива кардиоинтервалов (мс.), HR - частота сердечных сокращений (уд/мин)
Все остальные пары показали критерий Манна-Уитни pj>0,05, т.е. эти пары имеют общую генеральную совокупность (они статистически не различаются). В итоге, в табл. 2 из всех (разных) 18-ти пар сравнения только две пары статистически различаются. Это всего 11% различий и это нами сейчас обозначается как неопределенность 1-го типа (парное сравнение почти не показывает статистических различий).
Очевидно, что статистика не работает, т.к. ханты и приезжие женщины практически не различаются по 6-ти параметрам ССС. Поэтому мы и используем ИНС в двух особых режимах. Во-первых, ЭЕЗ в виде хаоса выборок наблюдается не только для ССС, но и для остальных 5-ти параметров ССС.
В итоге мы сравнивали выборки всех 6-ти параметров. После 50-ти повторных настроек ИНС (в режиме хаоса) мы получили средние веса <wi> диагностических признаков xi(t) для старшей возрастной группы (3-3). На рисунке видно, что главный диагностический признак - это индекс Баевского (INB). Он имеет <W4> =1. Это параметр порядка.
В настоящее время (за последние 20 лет) во всей биологии, медицине, психологии и других науках о живых системах был доказан ЭЕЗ [1-6,11,13-15,18,19]. Этот ЭЕЗ связан с отсутствием статистической устойчивости любых выборок любых параметров xi(t) организма человека. Такая статистическая неустойчивость сейчас обозначена как неопределенность 2-го
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
2 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
3 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
4 0,00 0,00 0,00 0,00 0,04 0,04 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
5 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
6 0,00 0,00 0,00 0,04 0,00 0,78 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
7 0,00 0,00 0,00 0,04 0,00 0,78 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
9 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,77
10 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,25 0,04 0,67 0,73 0,00
11 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,25 0,02 0,38 0,49 0,00
12 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,04 0,02 0,08 0,14 0,00
13 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,67 0,38 0,08 0,30 0,00
14 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,73 0,49 0,14 0,30 0,00
15 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,77 0,00 0,00 0,00 0,00 0,00
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 1 - P. 101-105
типа (или ЭЕЗ).
Однако, в биомедицине имеется и неопределенность 1-го типа. В этом случае выборки параметров статистически совпадают, но испытуемые находятся в разных состояниях (или это вообще разные группы испытуемых). В итоге статистика и здесь тоже не работает, т.к. группы разные, а выборки статистически совпадают.
Рис. Результаты 50-ти обучений нейронной сети
при решении задачи бинарной классификации в диагностике различий по интегральным параметрам ВСР женщин 3-х сравниваемых групп коренного и некоренного населения Югры
Для раскрытия неопределенности 1-го типа мы предлагаем использовать искусственные нейронные сети (ИНС) в двух особых режимах. Первый режим -это хаос параметров начальных весов wio всей ИНС. Фактически, этот хаос следует из ЭЕЗ, когда выборки электроэнцефалограмм (ЭЭГ) статистически совпадают.
Второй особый режим работы ИНС связан с непрерывной генерацией биопотенциалов xi(t) нейросетей мозга. Известно, что электроэнцефалограмма живого человека не может показать xi(t)=0. Для ЭЭГ мы имеем непрерывное и хаотичное изменение и xi(t), и скорости изменения xi(t) в виде x2=dxi/dt. Эта Х2 непрерывно изменяется и Х2ФО постоянно.
В итоге, мы приходим к двум новым режимам работы ИНС (хаос и многократные повторения настройки (реверберации ЭЭГ)). В сообщении мы показали применения таких режимов ИНС для раскрытия неопределенности 1-го типа. В табл. 2 для пары 3-3 (старший возраст ханты и приезжие женщины) мы имеем совпадение всех выборок. Однако, ИНС все выборки четко разделила (см. рисунок) и показала главные из них (параметры порядка).
Выводы. В геронтологии при изучении возрастных параметров жителей Севера России очень часто возникает неопределенность 1-го типа. В этом случае выборки этих параметров существенно различаются, но статистика это выделить не может (показывает их совпадение).
Использование ИНС в двух особых режимах (хаос и многократные реверберации - повторные
настройки ИНС) позволяют раскрыть неопределенность 1 -го типа. При этом мы не только выявляем различия в параметрах ИНС, но и выявляем главные диагностические признаки. Это доказывается системным синтезом, и такая задача в современной математике не имеет общего решения (в том числе и из-за ЭЕЗ).
Использование ИНС в режимах, которые подобны работе нейросетей мозга, позволит открывать новые перспективы в геронтологии. Именно в геронтологии очень часто бывает сложно выявить возрастные и ген-дерные различия между исследуемыми группами.
Литература / References
1. Еськов В.М., Галкин В.А., Пятин В.Ф., Филатов М.А. Организация движений: стохастика или хаос? / Под. ред. член-корр. РАН, д.б.н., профессора Г.С. Розенберга. Самара: Издательство ООО «Порто-принт», 2020. 144 с. / Es'kov VM, Galkin VA, Pyatin VF, Filatov MA. Organizatsiya dvizheniy: stokhastika ili khaos? Pod. red. chlen-korr. RAN, d.b.n., professora G.S. Rozenberga [Organization of movements: stochas-tics or chaos? Under. ed. corresponding member RAS, Doctor of Bio-logical Sciences, Professor G.S. Rosenberg]. Samara: Izdatel'stvo OOO «Porto-print»; 2020. Russian.
2. Еськов В.М., Галкин В.А., Филатова О.Е. Конец определенности: хаос гомеостатических систем / Под ред. Хадарцева А.А., Розенберга Г.С. Тула: изд-во Тульское производственное полиграфическое объединение, 2017. 596 с. / Es'kov VM, Galkin VA, Filatova OE. Konets opredelennosti: khaos gomeostaticheskikh sistem. Pod red. Khadartseva A.A., Rozenberga G.S. [The end of certainty: the chaos of ho-meostatic systems. Ed. Khadartseva A.A., Rozenberga G.S.]. Tula: izd-vo Tul'skoe proiz-vodstvennoe poligraficheskoe ob"edinenie; 2017. Russian.
3. Еськов В.М., Галкин В.А., Филатова О.Е. Complexity: хаос го-меостатических систем. Под ред. Г.С. Розенберга. Самара: Изд-во ООО «Порто-принт», 2017. 388 с. / Es'kov VM, Galkin VA, Filatova OE. Complexity: khaos gomeostaticheskikh sistem. Pod red. G.S. Rozenberga [Complexity: chaos of homeostatic systems. Ed. G.S. Rosenberg]. Samara: Izd-vo OOO «Porto-print»; 2017. Russian.
4. Еськов В.М., Зинченко Ю.П., Филатов М.А., Еськов В.В. Эффект Еськова-Зинченко опровергает представления I.R. Prigogine, JA. Wheeler и M. Gell-Mann о детерминированном хаосе биосистем -complexity // Вестник новых медицинских технологий. 2016. №2. C. 34-43. DOI: 10.12737/20422 / Es'kov VM, Zinchenko YuP, Filatov MA, Es'kov VV. Effekt Es'kova-Zinchenko oprovergaet predstavleniya I.R. Prigogine, JA. Wheeler i M. Gell-Mann o determinirovannom khaose bio-sistem - complexity [The effect of Eskova-Zinchenko refutes the ideas of I.R. Prigogine, JA. Wheeler and M. Gell-Mann on the deterministic chaos of biosystems - complexity]. Journal of New Medical Technologies. 2016;2:34-43. DOI: 10.12737/20422. Russian.
5. Еськов В.М., Пятин В.Ф., Еськов В.В., Миллер А.В., Веденеев
B.В. Существуют ли отличия между произвольными и непроизвольными движениями? // Вестник новых медицинских технологий. 2020. №3. C. 88-91. DOI: 10.24411/1609-2163-2020-16688 / Eskov VM, Pyatin VF, E skov VV, Miller AV, Vedeneev VV. Sushchestvuyut li otlichiya mezhdu proizvol'nymi i neproizvol'nymi dvizheniyami? [Are the destiqueshes between voluntary and envoluntary movement?]. Journal of New Medical Technologies. 2020; 3:88-91. DOI: 10.24411/1609-21632020-16688. Russian.
6. Пятин В.Ф., Еськов В.В., Филатова О.Е., Башкатова Ю.В. Новые представления о гомеостазе и эволюции гомеостаза // Архив клинической и экспериментальной медицины. 2019. Т. 28, № 1.
C. 21-27 / Pyatin VF, Es'kov VV, Filatova OE, Bashkatova YuV. Novye predstavleniya o gomeostaze i evolyutsii gomeostaza [New ideas about homeostasis and the evolution of homeostasis]. Arkhiv klinicheskoy i eksperimental'noy meditsiny. 2019;28(1):21-7. Russian.
7. Филатова О.Е., Хадарцев А.А., Еськов В.В., Филатова Д.Ю. Неопределённость и непрогнозируемость - базовые свойства систем в биомедицине // Сложность. Разум. Постнеклассика. 2013. № 1. С. 68-83 / Filatova OE, Khadartsev AA, Es'kov VV, Filatova DYu. Neopre-delennost' i neprognoziruemost' - bazovye svoystva sistem v biomed-itsine [Uncertainty and unpredictability - basic properties of medical systems]. Slozhnost'. Razum. Postneklassika. 2013;1:68-83. Russian.
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2022 - Vol. 29, № 1 - P. 101-105
8. Es'kov V.M., Filatova O.E. Respiratory rhythm generation in rats: The importance of inhibition // Neurophysiology. 1993. Vol. 25, N6. P. 348-353 / Es'kov VM, Filatova OE. Respiratory rhythm generation in rats: The importance of inhibition. Neurophysiology. 1993;25(6):348-53.
9. Eskov V.M. Evolution of the emergent properties of three types of societies: The basic law of human development. Emergence // Complexity and Organization. 2014. Vol. 16, N2. P. 107-115 / Eskov VM. Evolution of the emergent properties of three types of societies: The basic law of human development. Emergence. Complexity and Organization. 2014;16(2):107-15.
10. Eskov V.M., Zinchenko Y.P., Filatov M.A., Ilyashenko L.K. Glansdorff-Prigogine theorem in the description of tremor chaotic dynamics in cold stress // Human Ecology. 2017. Vol. 5. P. 27-32. DOI: 10.33396/1728-0869-2017-5-27-32 / Eskov VM, Zinchenko YP, Filatov MA, Ilyashenko LK. Glansdorff-Prigogine theorem in the description of tremor chaotic dynamics in cold stress. Human Ecology. 2017;5:27-32. DOI:10.33396/1728-0869-2017-5-27-32.
11. Filatov M.A., Ilyashenko L.K., Kolosova A.I., Makeeva S.V. Stochastic and chaotic analysis of students' attention parameters of different ecological zones // Human Ecology. 2019. Vol. 7. P. 11-16. DOI: 10.33396/1728-0869-2019-7-11-16 / Filatov MA, Ilyashenko LK, Ko-losova AI, Makeeva SV. Stochastic and chaotic analysis of students' attention parameters of different ecological zones. Human Ecology. 2019;7:11-16. DOI: 10.33396/1728-0869-2019-7-11-16.
12. Filatova D.Y., Bashkatova Yu.V., Filatov M.A., Ilyashenko L.K. Parameter evaluation of cardiovascular system in schoolchildren under the condition latitudinal displacement // Human Ecology. 2018. Vol. 25, N4. P. 30-35. D0I:10.33396/1728-0869-2018-4-30-35 / Filatova DY, Bashkatova YuV, Filatov MA, Ilyashenko LK. Parameter evaluation of cardiovascular system in schoolchildren under the condition latitudinal displacement. Human Ecology. 2018;25(4):30-5. DOI: 10.33396/1728-08692018-4-30-35.
13. Filatova O.E. Standardizing measurements of the parameters of mathematical models of neural networks // Measurement techniques. 1997. Vol. 40, N1. P. 55-59 / Filatova OE. Standardizing measurements of the parameters of mathematical models of neural networks. Measurement techniques. 1997;40(1):55-9.
14. Gavrilenko T.V., Es'kov V.M., Khadartsev A.A., Khimikova O.I., Sokolova A.A. The new methods in gerontology for life expectancy prediction of the indigenous population of Yugra // Advances in gerontology. 2014. Vol. 27, N1. P. 30-36 / Gavrilenko TV, Es'kov VM, Khadartsev AA, Khimikova OI, Sokolova AA. The new methods in gerontology for life expectancy prediction of the indigenous population of Yugra. Advances in gerontology. 2014;27(1):30-6.
15. Grigorenko V.V., Nazina N.B., Filatov M.A., Chempalova L.S., Tretyakov S.A. New information technologies in the estimation of the third type systems // Journal of Physics: Conference Series. 2021. Vol. 1889. P. 032003. DOI:10.1088/1742-6596/1889/3/032003 / Grigorenko VV, Nazina NB, Filatov MA, Chempalova LS, Tretyakov SA. New information technologies in the estimation of the third type systems. Journal of Physics: Conference Series. 2021;1889:032003. D0I:10.1088/1742-6596/1889/3/032003.
16. Khadartsev A.A., Zilov V.G., Eskov V.M., Ilyashenko L.K. New effect in physiology of human nervous muscle system // Bulletin of Experimental Biology and Medicine. 2019. Vol. 167, № 4. P. 419-423 / Khadartsev AA, Zilov VG, Eskov VM, Ilyashenko LK. New effect in physiology of human nervous muscle system. Bulletin of Experimental Biology and Medicine. 2019;167(4):419-23.
17. Khadartseva K.A., Filatov M.A., Melnikova E.G. The problem of homogenous sampling of cardiovascular system parameters among migrants in the Russian North // Human Ecology. 2020. Vol. 7. P. 27-31. DOI: 10.33396/1728-0869-2020-7-27-31 / Khadartseva KA, Filatov MA, Melnikova EG. The problem of homogenous sampling of cardiovascular system parameters among migrants in the Russian North. Human Ecology. 2020;7:27-31. DOI: 10.33396/1728-0869-2020-7-27-31.
18. Kozlova V.V., Galkin V.A., Filatov M.A. Diagnostics of brain neural network states from the perspective of chaos // Journal of Physics Conference Series. 2021. Vol. 1889(5). P. 052016. D0I:10.1088/1742-6596/1889/5/052016 / Kozlova VV, Galkin VA, Filatov MA. Diagnostics of brain neural network states from the perspective of chaos. Journal of Physics Conference Series. 2021;1889(5):052016 DOI: 10.1088/17426596/1889/5/052016.
19. Vokhmina Y.V., Eskov V.M., Gavrilenko T.V., Filatova O.E. Measuring order parameters based on neural network technologies // Measurement techniques. 2015. Vol. 58(4). P. 462-466. DOI: 10.1007/S11018-015-0735-X / Vokhmina YV, Eskov VM, Gavrilenko TV, Filatova OE. Measuring order parameters based on neural network technologies. Measurement techniques. 2015;58(4):462-6. DOI: 10.1007/S11018-015-0735-X.
20. Zilov V.G., Khadartsev A.A., Kitanina K.Y., Eskov V.V., Ilyashenko L.K. Examination of statistical instability of electroencephalograms // Bulletin of Experimental Biology and Medicine. 2019. Vol. 168, № 1. C. 5-9 / Zilov VG, Khadartsev AA, Kitanina KY, Eskov VV, Ilyashenko LK. Examination of statistical instability of electroencephalograms. Bulletin of Experimental Biology and Medicine. 2019;168.(1):5-9.
Библиографическая ссылка:
Газя Г.В., Еськов В.В. Искусственные нейросети в оценке возрастных изменений // Вестник новых медицинских технологий. 2022. №1. С. 101-105. DOI: 10.24412/1609-2163-2022-1-101-105.
Bibliographic reference:
Gazya GV, Eskov VV. Iskusstvennye neyroseti v otsenke vozrastnykh izmeneniy [Artificial neuron networks for estimation of aging changes]. Journal of New Medical Technologies. 2022;1:101-105. DOI: 10.24412/1609-2163-2022-1-101-105. Russian.
