Особенности регуляции сердечно-сосудистой системы организма человека нейросетями мозга Текст научной статьи по специальности «Медицинские технологии»

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 188-199

УДК: 611.1 DOI: 10.24411/1609-2163-2018-16073

ОСОБЕННОСТИ РЕГУЛЯЦИИ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ ОРГАНИЗМА ЧЕЛОВЕКА НЕЙРОСЕТЯМИ МОЗГА

В.В. ЕСЬКОВ*, В.Ф. ПЯТИН**, В.М. ЕСЬКОВ*, С.В. ГРИГОРЬЕВА*

*БУ ВО «Сургутский государственный университет», ул. Ленина, 1, Сургут, 628400, Россия **ФГБОУ ВО «Самарский государственный медицинский университет» Минздрава России, ул. Гагарина,

18, Самара, 443079, Россия

Аннотация. Доказываются новые возможности в регуляции важнейших функциональных систем организма человека нейросетями мозга в режиме многократных и хаотически изменяющихся повторений решения задачи диагностики (и регуляции) состояния таких систем. Показано, что искусственные нейронные сети (нейро-эмуляторы) в режиме хаотического задания начальных весов Wio признаков xi, определяющих состояние функциональных систем организма человека, при повторных итерациях резко повышают чувствительность диагностики и обеспечивают идентификацию параметров порядка (главных диагностических признаков xi). При этом решается задача по устранению неопределённости 1-го типа, когда выборки xi для двух разных состояний гомеостаза статистически совпадают (врач ошибочно ставит диагноз). Представлены конкретные примеры из области изучения параметров сердечно-сосудистой системы человека по использованию нейроэмуляторов в режиме бинарной классификации при диагностике. Показано, что большинство параметров xi сердечно-сосудистой системы школьников не дают статистических различий выборок xi в разных гомео-стазах. Однако, применение нейроэмуляторов обеспечивает различие гомеостазов и идентификацию параметров порядка xi. При этом решаются задачи системного синтеза.

Ключевые слова: кардиоинтервалы, нейроэмулятор, неопределенность первого типа, сердечнососудистая система.

Введение. Доказательство реальности гипотезы Н.А. Бернштейна о «повторении без повторения» [20] и открытие эффекта Еськова-Зинченко (ЭЕЗ) в биомеханике существенно изменяет наши представления о реальной динамике поведения любых координат x¡ всего вектора состояния организма человека х=х(1)=(хг,х2,...,хт)т, описывающего гомеостати-ческие биосистемы [21-23,26,27,29,32-35]. К таким гомеостатическим системам в первую очередь относятся функциональные системы организма (ФСО) (по П.К. Анохину), которые демонстрируют статистическую неустойчивость для подряд получаемых выборок любых параметров Х{ гомеостаза ФСО. Это касается как кардио-респираторной системы (КРС), так и нервно-мышечной системы (НМС), как базовых ФСО человека (и всех млекопитающих). Именно эти ФСО регулируются нейросетями мозга, особенно НМС в режиме произвольных движений [2123,26,27,29-33].

Действительно, в эффекте Еськова-Зинченко мы наблюдаем отсутствие статистической устойчивости не только в биомеханике, но и в регуляции различных других физиологических функций (кроме нервно-мышечной

системы, это имеет место и для сердечнососудистой системы (ССС), для нейросетей мозга (НСМ) и других регуляторных систем). Все это нас подводит к необходимости изучения не только этих эффектов, но и к объяснению самих механизмов такой регуляции любых ФСО и НСМ в частности. Если выборки х{ неустойчивы в неизменном гомеостазе, то как происходит организация и регуляция ФСО в реальности? Как хаотически работающие НСМ способны управлять хаотически организованными ФСО? Ответы на эти вопросы мы пытаемся сформулировать в настоящем сообщении с позиций новой теории хаоса-самоорганизации (ТХС) [59,11-14] и двух новых принципов организации и работы нейросетей мозга [19,24-28].

Эффект Еськова-Зинченко в изучении ССС. Этот эффект был доказан исходно в биомеханике в ответ на гипотезу Н.А. Бернштейна о «повторении без повторений», когда две соседние выборки треморограмм (ТМГ) или теп-пинграмм (ТПГ) у одного и того же испытуемого (в неизменном гомеостазе) показывали низкую вероятность р совпадения (р^0,05). Это означает, что любые )-е и )+1-е выборки, их статистические функции распределения х) не совпа-

дают статистически (fj(xi)^fj+1(xi) с p^0,95). Если мировое научное сообщество признает этот факт (а это все легко проверяется, необходимо, например, N=15 раз повторить регистрацию ТМГ или ТПГ у одного человека и сравнить все эти 15 полученных выборок ТМГ или ТПГ между собой), тогда возникают базовые вопросы о механизмах этих процессов регуляции и как их вообще описывать (ведь статистика не работает) [1,2,4,10].

Для кардиологии и физиологии ССС такие факты означают только одно: конец определенности при использовании любых методов стохастики в изучении гомеостаза. Любая выборка параметров ССС у одного человека имеет уникальный характер. Если мы 5 минут регистрируем не менее 300 кар-диоинтервалов (КИ) у одного человека (по рекомендации кардиологов Европы), то эта выборка не несет никакой информации (она уникальна и тогда будут уникальные и системы регуляции), а это уже не объект современной науки, по утверждению I.R. Prigogine, 1997 г. [33]. В следующие 5 минут вы получите другую выборку, с другой функцией f(x), с другими спектральными плотностями сигнала (СПС), с другими автокорреляциями A(t) и т.д. Все будет другим с позиций стохастики или детерминизма, т.е. с позиций современной детерминист-ско-стохастической науки - ДСН [3,5-8,11,13].

Все эти вопросы весьма сложные и современная детерминистская и стохастическая наука (ДСН) не дает на них ответы, т.к. получается, что с позиций ДСН любая выборка параметра гомеостаза xi уникальна, а группа разных людей может быть более однородной (похожей), чем отдельный человек (он менее похож на самого себя, чем разные люди между собой)? Очевидно, что нужен другой формальный аппарат для описания таких уникальных систем (систем третье -го типа по W. Waver [34]) и другие методы для регистрации неизменности гомеостаза (или его изменения). Более того, мы сейчас говорим и о других механизмах регуляции гомеостаза (не в рамках ДСН). При этом мы должны сформулировать и новые принципы работы мозга, его НСМ, которые осуществляют контроль работы ФСО (в хаотическом режиме).

В качестве характерного примера для сказанного, представляем матрицу парного сравнения выборок xi (набор КИ при регистрации по

5 минут) для одного человека в режиме 15-ти повторных регистраций выборок КИ по 5 минут в неизменном гомеостазе в виде табл. 1.

Таблица 1

Непараметрические критерии Вилкоксона (Wilcoxon Signed Ranks Test) (р) для попарных сравнений 15-ти выборок параметров КИ испытуемого при повторных экспериментах (ki=9)

Примечание: р - достигнутый уровень значимости (критическим уровнем принят р<0,05)

Табл. 1 демонстрирует, фактически, ЭЕЗ для ССС, т.к. число ^ выборок Xi, которые можно (эти две выборки) отнести к одной генеральной совокупности, весьма невелика - ^=9. Статистическая устойчивость выборок одного испытуемого (в неизменном гомеостазе) весьма мала. Доля стохастики (из 105 разных пар сравнения) крайне мала (в табл. 1 это менее 10%) и табл. 1 демонстрирует хаос Xi их ^) с частотой pX),9, т.е. неповторимость выборки КИ.

Новые принципы работы нейросетей мозга и нейроэмуляторов. Если выборки Xi хаотически и непрерывно изменяются, то любые реальные изменения Xi (точнее гомеостаза) имеют разовый (уникальный) характер. Однако, гомеостаз все-таки как-то обеспечивает постоянство и внутренней среды организма, и параметров ФСО, параметров КРС, в частности. О каком постоянстве тогда идет речь? Для усиления этой проблемы отметим, что хаос начинается с нейросетей мозга (НСМ), т.к. любая электроэнцефалограмма (ЭЭГ) тоже уникальна. Мозг в спокойном состоянии (а тем более при активной работе) не может демонстрировать статистическую устойчивость параметров биопотенциалов (у нас - ЭГГ). Для ЭЭГ, которые регистрируются у одного испытуемого (в неиз-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

1 0,00 0,24 0,00 0,00 0,00 0,00 0,00 0,17 0,00 0,00 0,00 0,01 0,06 0,00

2 0,00 0,00 0,00 0,00 0,01 0,08 0,00 0,00 0,00 0,00 0,00 0,15 0,04 0,00

3 0,24 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,01 0,00 0,00

4 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

5 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

6 0,00 0,01 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,70 0,00

7 0,00 0,08 0,02 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,81 0,00 0,00

8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00

9 0,17 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00

10 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 0,20

11 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

12 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 0,08

13 0,01 0,15 0,01 0,00 0,00 0,00 0,81 0,00 0,00 0,00 0,00 0,00 0,00 0,00

14 0,06 0,04 0,00 0,00 0,00 0,70 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

15 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,20 0,00 0,08 0,00 0,00

менном гомеостазе, при релаксации), мы не можем получить в матрицах (подобных табл. 1) парных сравнений выборок КИ или ЭЭГ высокий процент стохастики (всегда k<0,4). Иными словами, статистика не работает в оценке ЭЭГ, их спектральных плотностей сигнала, автокорреляций Л(г)и т.д. [3,5-9,11-14,24-31].

Если мозг в своей работе не может демонстрировать устойчивость (статистическую) выборок ЭЭГ, то наивно ожидать от эффекторных систем такой статистической устойчивости. Управление (регуляция) со стороны НСМ в адрес ФСО всегда происходит хаотично, а механизмы такой регуляции не базируются на известных схемах (например, по отклонению), которые широко приняты в кибернетике и нейрокибернетике. Какие же это механизмы? Ответ на этот вопрос должен в корне изменить наши представления о динамике НСМ и заложить новые основы нейрокибернетики и всей brain research [21-35].

Если среднее значение <x> параметра гомеостаза Xi (любого!) само изменяется хаотически и непрерывно (без всяких изменений гомеостаза), то возникает глобальный вопрос: как работают системы гомеостатического регулирования, когда нет флуктуации вокруг среднего <Xi>. В этом случае нет и механизма регистрации отклонений от <x>, т.к. само это <x>, функции распределения f(x), СПС, A(t) непрерывно и хаотически изменяются. Теряется смысл в регистрации таких отклонений (имеется общий хаос xi, <x>, СПС, A(t) и т.д.) и в системах регуляции по отклонению (что общепринято в нейрокибернетике) невозможно что-либо регулировать. В таких системах нет смысла регистрировать <x>, т.к. оно хаотически и непрерывно изменяется (вместе с дисперсией D(x)). Этот факт требует обоснования других принципов работы мозга, его НСМ [3,59,11,12,14,15,24-28].

Если взять за основу хаос и реверберации в системах управления НСМ и в самих ФСО, то сейчас можно говорить об особых механизмах самоорганизации как ФСО, так и самих НСМ. Эта самоорганизация базируется на хаосе xi, но в пределах некоторых ограниченных объемов (квазиаттракторов - КА) фазовых пространств состояний (ФПС), где переменные - наши xi всего вектора x(t). Эти многочисленные итерации (для НСМ - реверберации), как мы покажем ниже, являются необходимым условием работы НСМ [24-28,30,31]. Подчеркнем еще раз,

что современная детерминистско-

стохастическая наука (ДСН) базируется на строгом повторении начальных параметров биосистемы х(Ьо). Дальнейшее развитие процесса должно происходить или точно (детерминизм), или в рамках некоторых статистических функций распределения [(х). Иными словами, итерации (повторение любого процесса) в ДСН составляют основу всей современной науки, без итераций (повторений) мы не можем изучать и моделировать любые процессы регуляции в рамках ДСН. Если нет повторений х(Ьо), траекторий х(Ь) в ФПС, как мы сейчас показываем для СТТ, то нет и методов ДСН для их изучения [21-23,26,29,32-35], традиционная наука заканчивается при изучение гомеостати-ческих систем.

Новые принципы работы НЭВМ раскрывают интимные механизмы НСМ. Действительно, в свете эффекта Еськова-Зинченко, гипотезы Н.А. Бернштейна о «повторении без повторений», эффекта Еськова-Филатовой (когда группа разных людей между собой более похожа (высокая доля стохастики, к2) чем один человека на самого себя), в организации и работе НСМ, ФСО, любых гомеостатических систем, то возникает полная неопределенность [3,5-9,11-19] с позиций ДСН. В чем тогда заключаются эти новые принципы и механизмы работы НСМ и ФСО, чем они отличаются от принципов ДСН?

Отметим, что еще в 80-х годах 20-го века (после предложения нового алгоритма Охони-ным для настройки нейросети -(backpropagation-метод обратной ошибки) нам было ясно, что НЭВМ может разрешить неопределенность 1-го типа, но она не может решить задачу системного синтеза (СС). При СС мы должны определять главные диагностические принципы в медицине, т.е. перейти от Xi и х¡*, т.е. уменьшить размерность т до п (п<<т) ФПС. Такая процедура сейчас в современной науке не формализована (задача не решена). Поэтому мы предлагаем принципиально новый подход в диагностике ССС, в идентификации главных диагностических признаки в медицине. Особенно это актуально для персонифицированной медицины, где выборки Х[ в неизменном гомеостазе не совпадают, а ставить диагноз необходимо для конкретного человека.

В качестве конкретного примера реализации процедуры ревербераций и хаотического встряхивания мы представляем результаты ра-

10иККЛЬ ОБ ОТШ МЕБТСЛЬ ТЕСЫК0ШЫЕ8 - 2018 - V. 25, № 2 - Р. 188-199

боты НЭВМ при диагностике различий в параметрах ССС мальчиков при их переездах из г. Сургут (1-е состояние) в оздоровительный лагерь Юный Нефтяник-ЮН (2-е состояние), а также после лечения (3-е состояние) и при возвращении в г. Сургут (температура воздуха в г. Сургуте - 15 С0, а в Туапсе +18 С0, среднесуточная). В табл. 2 мы представляем значения критерия Вилкоксона при сравнении 6-ти выборок (парное сравнение в точках 1-2 и 1-3) для регистрируемых Х[.

Таблица 2

Уровни значимости р для парных сравнений интегрально-временных параметров XI ССС мальчиков (п=25) при широтных перемещениях в 4-х связанных выборках (критерий Вилкоксона (р>0,05))

Группы сравнения Сравнение выборок х для ССС мальчиков

мальчики х1 Б1М х2 РАЯ хз БББ х4 БВШШ ха ШБ хб Бр02

1 и 2 0,64 0,84 0,55 0,55 0,58 0,01

1 и 3 0,40 0,97 0,85 0,68 0,92 0,00

Таблица 3

Расчёт Шю шести признаков - параметров ССС XI школьников при широтных перемещениях (мальчики) при большом числе п итераций (п$50)

Расчеты итераций по выборкам (N>50) Веса признаков х после N=50 итераций НЭВМ

п =50 /=(1,..., 50) х1 БШ х2 РАЯ хзБББ х4 БВШШ х5 ШБ хб Бр02

1 и 2 0,22 0,09 0,08 0,12 0,39 1,00

1 и 3 0,55 0,33 0,42 0,62 0,55 0,87

В табл. 3 мы представляем результаты расчета средних весов признаков <Ш0> после 50-ти итераций для этих же пар сравнения (1-2 и 1-3). Очевидно эти сравнения позволяют нам оценить, как влияет широтное перемещение (с Севера на Юг), где главный признак Хб и даже ШБ не достиг величины 0,5. Однако, после лечения картина резко изменилась: Бр02 упало до 0,87 и увеличились значения <Ш>, <Ш4> и <И5>. Это говорит о существенном влиянии оздоровительных мероприятий на параметры ССС, изменяются параметры порядка. Особенно это наглядно видно из рисунка, где представлена диаграмма расчета весов признаков после 50-ти итераций при сравнении состояний 1 и 2. Легко увидеть преимущества НЭВМ, т.к. отдельные признаки имеют крайне низкие значения (1-й, 2-й, 3-й и 4-й признаки весьма малы по значениям Щ), а по 5-й и 6-й Х{ появ-

ляются параметры порядка в оценке широтных перемещений. На рис. эти диаграммы (для и Шб имеют наибольшее среднее значение, остальные очень малы).

Рис. Диаграмма распределения весов Wi признаков Хi состояния ССС мальчиков в 1-ом и 2-ом измерениях для каждого /-того обучения (метод градиентного спуска) искусственной нейронной сети (/=1,..,50).

При хаотическом «встряхивании» юю

Выводы:

1. Анализ 6-ти параметров Хi (диагностических параметров х) с позиций статистики показал, что при широтных перемещениях только хб (Бр02) является значимым (статистически различающимся). При сравнении состояний 1 и 3 картина резко изменилась, но неопределенность 1-го типа остается (почти все признаки статистически различаются).

Введение в НЭВМ двух новых принципов их работы (реверберации и хаос начальных весов м>ю признаков хг) обеспечит не только решение задачи разделения гомеостазов Н1 и Нз, но и обеспечивает ранжирование Хi (появляются хб, х4 с очень высоким wi, а х1 и х5 - с wi=0,55). Это и есть решение задачи системного синтеза -идентификация наиболее значимых главных диагностических признаков х^ (х4 и хб - параметры порядка). Фактически, НЭВМ демонстрирует эвристическую деятельность мозга, когда методы детерминистской и стохастической наук не работают, а НЭВМ обеспечивает системный синтез.

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 188-199

PECULIARITIES OF REGULATION OF THE CARDIOVASCULAR SYSTEM OF THE HUMAN ORGANISM

BY NEURAL NETWORKS OF THE BRAIN

V.V. ESKOV*, V.F. PYATIN**, V.M. ESKOV*, S.V. GRIGORYEVA*

*Surgut State University, Lenina pr., 1, Surgut, 628400, Russia "Samara State Medical University of the Health Ministry, Gagarina st., 18, Samara, 443079, Russia

Abstract. It is proved that neural networks of the brain have new possibilities in the regulation of the most important functional systems of the human organism. This occurs in the mode of repetition of the solution of the problem of diagnostics (and regulation) the state of FSO. The modes of repetition are multiple and change chaotically. It is shown that the artificial neural networks (or neuro-emulators) in the regime of chaotic setting of the initial weights Wo of features x, that determine the state of FSO, with repeated iterations sharply increase the sensitivity of the diagnostics and ensure the identification of the order parameters (the key diagnostic features x,). This eliminates the uncertainty of type 1 for the problem of statistical coincidence of samples xi for two different homeostasis states (the doctor makes a false diagnosis). Specific examples from the field of studying the parameters of the cardiovascular system of human for the use of neural emulators in the binary classification mode for diagnostics are presented. It is shown that most of the xi parameters of the cardiovascular system of schoolchildren do not have statistical differences in the xi samples in different homeostasis. However, the use of artificial neural networks provides a distinction of homeostasis and the identification of parameters of the order of x,. At the same time, the problems of system synthesis are solved.

Keywords: cardiointervals, neuronal emulator, I type uncertainty, cardiovascular system.

Introduction. Evidence of N.A. Bernstein's hypothesis about «repetition without repetition» [20] and the discovery of the effect of Eskov-Zinchenko in biomechanics changes the ideas about the real dynamics of the behavior of any coordinates Xi of the state vector of human organism x = x (t) = (x1, x2, ..., xm) T, that describes homeostatic biosystems [21-23,26,27,29,32-35]. In the first place, such homeostatic systems include the functional systems of the organism (FSO) (according to P.K. Anokhin). FSO demonstrate statistical instability for successively obtained samples of any parameters xi of FSO homeostasis. This applies both to the cardio-respiratory system (CRS) and to the neuromuscular system (NMS). These systems are the basic FSO of humans and mammals. These FSO are regulated by neural networks of the brain, especially NMS in the regime of voluntary movements [2123,26,27,29-33].

Indeed, the effect of Eskov-Zinchenko demonstrates the lack of statistical stability in biome-chanics and in the regulation of various physiological functions (besides from the neuromuscular system, this is also true for the cardiovascular system, for neural networks of the brain - NNB and other regulatory systems). Therefore, it is necessary to study not only these effects, but also to explain the mechanisms of such regulation of any FSO and NNB in particular. If xi is unstable in unchanged homeostasis, then how does the organi-

zation and regulation of FSO occur in reality? How chaotically working NNB manage chaotically organized FSO? In this article, we try to formulate answers to these questions from the standpoint of a new theory of chaos-self-organization [5-9,1114] and two principles of the organization and operation of neural networks of the brain [19,24-28].

The effect of Eskov-Zinchenko in the study of the cardiovascular system. It must be emphasized that at first this effect was proved in biome-chanics as a response to the hypothesis of N.A. Bernstein's about «repetition without repetition», when two adjacent samples of tremorograms (TMG) or tappinggrams (TPG) in the same subject (in unchanged homeostasis) showed a low probability of p coincidence (p^0,05). This means that any j-th and j+i-th samples, their statistical distribution functions f(xi) do not coincide statistically (f!(Xi)ff-! + 1(xi) with p>0,95). This fact is easy to verify: for example, to repeat the registration of TMG or TPG for one human N=15 times and compare the 15 received samples of TMG or TPG among themselves). If the world scientific community recognizes this fact, then there will arise basic questions about the mechanisms of regulation of these processes and ways of describing them (because statistics do not work) [1,2,4,10].

For cardiology and physiology of the cardiovascular system, such facts mean that the end of

certainty has come when using any stochastic methods in the study of homeos-tasis. Any sample of parameters of the cardiovascular system in one human has a unique character. If 5 minutes to register at least 300 cardiointervals - CI for one human (on the recommendation of European cardiologists), then this sample has no information. It is unique sample, therefore, there are unique regulatory systems and this is not an object of modern science, according to I.R. Prigogine, 1997 [33]). In the next 5 minutes another sample will be obtained with another function f (xi), signal spectral density (SSD), autocorrelations A(t), etc. From the standpoint of stochastics or determinism, i.e. from the positions of the modern deterministic-stochastic science - the DSS, everything will be different [3,5-8,11,13].

These questions are very complex. In modern deterministic and stochastic science (DSS) there are no answers, because from the positions of DSS, any sample of the homeostasis parameter xi is unique and a group of different people can be more homogeneous (similar) than an individual (it is less similar to itself than different people between themselves). Obviously, another formal device is needed to describe such unique systems (systems of the third type according to W. Weaver [34]) and other methods for recording the invariance of homeostasis (or its change). Moreover, we are talking about other mechanisms of regulation of homeostasis (not within the framework of DSS). Moreover, we must formulate new principles of the brain, its NNB, that control the work of FSO (in a chaotic regime).

For example, we represent the matrix of pair-wise comparison of samples xi (a set of CI at registration for 5 minutes) for one human in a mode of 15 repeated registrations of samples of CI for 5 minutes in unchanged homeostasis (table 1).

Table 1 demonstrates the EEZ for the cardiovascular system, i. e. the number of k1 of samples xi that can be attributed to the same population (these two samples) is insignificant - ki=9. The statistical stability of samples of one subject (in constant homeostasis) is very small. The share of stochastics (from 105 different pairs of comparison) is very insignificant (less than 10% in table 1) and table 1 shows chaos x, their f(x) with frequency p*>0.9., i.e. unique sampling of CI.

Table 1

Non-parametric Wilcoxon criteria (Wilcoxon Signed Ranks Test) (p) for pairwise comparisons of 15 samples of CI parameters of the subject in repeated experiments (k=9)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

1 0,00 0,24 0,00 0,00 0,00 0,00 0,00 0,17 0,00 0,00 0,00 0,01 0,06 0,00

2 0,00 0,00 0,00 0,00 0,01 0,08 0,00 0,00 0,00 0,00 0,00 0,15 0,04 0,00

3 0,24 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,01 0,00 0,00

4 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

5 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

6 0,00 0,01 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,70 0,00

7 0,00 0,08 0,02 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,81 0,00 0,00

8 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00

9 0,17 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 0,00 0,00 0,00 0,00 0,00

10 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 0,20

11 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

12 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 0,08

13 0,01 0,15 0,01 0,00 0,00 0,00 0,81 0,00 0,00 0,00 0,00 0,00 0,00 0,00

14 0,06 0,04 0,00 0,00 0,00 0,70 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

15 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,20 0,00 0,08 0,00 0,00

Note: p - the achieved level of significance (critical level is p<0,05)

New principles of the work of neural networks of the brain and neuro-emulators. Any

real changes of xi (homeostasis) have a one-time (unique) character, because the samples of xi change chaotically and continuously. However, homeostasis ensures the constancy of the internal environment of the organism, the parameters of FSO, the parameters of NMS. What kind of permanence can we talk about then? It should be emphasized that chaos begins with neural networks of the brain (NNB), because any electroencephalogram (EEG) is also unique. The brain in a calm state (especially with active work) can not demonstrate the statistical stability of the parameters of biopotentials (we have the EGG). For EEG, which are recorded in one subject (in unchanged homeostasis, during relaxation), we can not obtain a high percentage of stochastics in matrices of pairwise comparisons of samples of CI or EEG (similar to table 1) (always k<0,4). In other words, the statistics do not work when evaluating the EEG, their spectral signal densities, autocorrelations A(t), etc. [3,5-9,11-14,24-31].

One should not expect from effector systems of statistical stability, because the brain in its work can not demonstrate such stability of EEG samples. The control (regulation) of the neuronal systems of the brain by the FSO is always chaotic. The mechanisms of this regulation are not based on known schemes (for example, on deviation) that are adopted in cybernetics and neurocybernetic. What are these mechanisms? The answer to this question will change our understanding of the dy-

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 188-199

namics of the NNB and lay the new foundations of neurocybernetic and the whole brain research [2135].

If the average value <xi> of the homeostasis parameter Xi (any!) changes chaotically and continuously (without changes in homeostasis), then a global question arises: how do homeostatic regulation systems work, when there are no fluctuations around the average <xi>. In this case, there is no mechanism for registering deviations from <xi>, because <x,>, the distribution functions f(Xi), SSD, A(t) are vary continuously and randomly. It is pointless to register such deviations (there is a general chaos xi, <x>, SSD, A(t), etc.) in the regulation systems for deviation (which is generally accepted in neurocybernetic) it is impossible to regulate something. In such systems, it makes no sense to register <xi>, because it chaotically and continuously changes (together with the dispersion D (x)). This fact requires the justification of other principles of the brain, its NNB [3,59,11,12,14,15,24-28].

If we take as a basis chaos and reverberations in the control systems of the NNB and in the FSO, then we can talk about the special mechanisms of self-organization of both FSO and the NNB itself. This self-organization is based on the chaos xi, but within certain bounded volumes (quasi-attractors -OA) of phase space states (PSS), where the variables are - xi of the whole vector x(t). As we will show below, these numerous iterations (for NNB -reverberation) are a necessary condition for the operation of the NNB [24-28,30,31]. We emphasize that modern deterministic-stochastic science (DSS) is based on a strict repetition of the initial parameters of the biosystem x(to). Further development of the process must occur accurately (within the framework of determinism) or within some statistical distribution functions f(xi). In other words, iterations (the repetition of any process) in DSS form the basis of all modern science. We can not study and model any regulatory processes within the framework of the DSS without iterations (repetitions). If there are no repetitions of x(to), trajectories x(t) in PSS, as we now show for TTS, then there are no DSS methods for their study [2123,26,29,32-35]. Traditional science ends when studying homeostatic systems.

New principles of the work of artificial neural networks reveal the deep mechanisms of the NNB. Indeed, from the point of view of the effect of Eskov-Zinchenko, Bernstein's hypothesis about «repetition without repetition», the effect of

Eskov-Filatova (when a group of different people are more similar to each other (high stochastic share, k2) than one human to oneself), total uncertainty arises in the organization and work of the NNB, FSO, any homeostatic systems from the positions of DSS [3,5-9,11-19]. What are the new principles and mechanisms of work of the NNB and FSO? How do they differ from the principles of DSS?

It should be noted that in the 80s of the 20th century (after the proposal of the new algorithm by Okhonin for tuning the neural network - the backpropagation-method of reverse error) we realized that the neuro-emulator can solve the uncertainty of type 1. However, the neuro-emulator can not solve the problem of the system synthesis (SS). When system synthesis, we must determine the main diagnostic principles in medicine, i.e. go from xi and xi *, i.e. to reduce the dimension m to n (n<<m) PSS. Now in modern science, such the procedure is not formalized (the task has not been solved). Therefore, we propose a fundamentally new approach in diagnostic of the cardiovascular system, in identifying the main diagnostic signs in medicine, especially for individualized medicine. This type of medicine has not the same sample xi in the constant homeostasis, but it is necessary to make a diagnosis for a concrete human.

Table 2

Significance levels p for pairwise comparisons of the time-integral parameters of the boys' Xi of the cardiovascular system (n=25) for latitudinal movements in 4 coupled samples (Wilcoxon test (p>0,05))

As a concrete example of implementation of the reverberation procedure and chaotic shaking, we present the results of the work of the neuro-emulator in diagnosing the differences in the parameters of the cardiovascular system of boys when they moved from Surgut (1-st state) to The young oilman health camp (2-nd state), and also after treatment (3-rd state) and on returning to Surgut (air temperature in Surgut - 15 C0, and in Tuapse +18 C0, daily average). In table 2 we represent the values of the Wilcoxon test when comparing 6 samples (pairwise comparison at

Comparison groups Comparison of xi samples for the cardiovascular system of boys

boys Xl SIM X2 PAR хз SSS X4 SDNN X5 INB X6 SpO2

1 and 2 0,64 0,84 0,55 0,55 0,58 0,01

1 and 3 0,40 0,97 0,85 0,68 0,92 0,00

points 1-2 and 1-3) for the registered xi.

Table 3

Calculations Wo of six characteristics - the cardiovascular system parameters Xi of schoolchildren for latitudinal movements (boys) with a large number of iterations n (n^50)

Calculations of iterations from the samples (N>50) The weights Wi of the signs Xi after N=50 iterations of the neuro-emulator

n =50 /=(1,..., 50) Xl SIM X2 PAR X3 SSS X4 SDNN X5 INB X6 SpO2

1 and 2 0,22 0,09 0,08 0,12 0,39 1,00

1 and 3 0,55 0,33 0,42 0,62 0,55 0,87

Figure. The diagram of the distribution of weights Wi signs Xi of the cardiovascular system state of boys in the 1-st and 2-nd dimensions for each /-th training (gradient descent method) of an artificial neural network (/=1, ..,50). When chaotic «shaking» Wio

Table 3 shows the results of calculating the

average weights of the signs <Wio> after 50 iterations for the same comparison pairs (1-2 and 1-3). Obviously, these comparisons allow us to estimate how the latitudinal movement (from North to South) affects, where the main sign of X6 and INB did not reach 0,5. However, the picture changed dramatically after treatment: SpO2 fell to 0,87 and the values of <Wi>, <W4> and <W5> increased. This indicates a significant effect of the health measures on the parameters of the cardiovascular system, the order parameters change. Figure 1 shows a diagram for calculating the weights of the Wi attributes after 50 iterations when states 1 and 2 are compared. the individual features have extremely low values of W (the 1-st, 2-nd, 3-rd and 4-th signs are very small in the values of Wi), and in the 5-th and 6-th Xi order parameters appear in the estimation of latitudinal displacements. In the figure, these diagrams (for W5 and W6 have the largest average value, the others are very small).

Conclusions:

1. Analysis of 6 parameters Xi (diagnostic parameters Xi) from the positions of statistics showed that for latitudinal movements only X6 (SPO2) is significant (statistically different). When comparing states 1 and 3, the picture changed dramatically, but type 1 uncertainty remains (almost all signs are statistically different).

2. The introduction into the neuro-emulator of two new principles of their work (reverberation and chaos of initial weights Wio of signs Xi) will provide not only the solution of the problem of dividing the homeostasis of Hi and H3, but also the ranking of Xi (X6, X4 appear with very high Wi, and Xi and X5 - with Wi = 0,55). This is the solution of the problem of system synthesis is the identification of the most significant main diagnostic features Xi (X4 and X6 are order parameters). In fact, the neuro-emulator demonstrates the heuristic activity of the brain when the methods of deterministic and stochastic sciences do not work, and the neuro-emulator provides a systemic synthesis.

Литература

1. Ануфриев А.С., Еськов В.М., Назин А.Г., Полу-хин В., Третьяков С.А., Хадарцева К.А. Медико-биологическая трактовка понятия стационарнных режимов биологических динамических систем // Вестник новых медицинских технологий. 2008. Т. 15, № 1. С. 29-32.

2. Аушева Ф.И., Добрынина И.Ю., Мишина Е.А.,

References

1. Anufriev AS, Es'kov VM, Nazin AG, Polukhin V, Tret'yakov SA, Khadartseva KA. Mediko-biologicheskaya traktovka ponyatiya statsionarnnykh rezhimov biologicheskikh dinamicheskikh sistem. Vestnik novykh meditsinskikh tekhnologiy. 2008;15(1):29-32. Russian.

2. Ausheva FI, Dobrynina IYu, Mishina EA, Poluk-

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 188-199

Полухин В.В., Хадарцева К.А. Системный анализ суточной динамики показателей сердечнососудистой системы у больных при артериальной гипертензии // Вестник новых медицинских технологий. 2008. Т. 15, № 4. С. 208-210.

3. Башкатова Ю.В., Алиев Н.Ш., Тен Р.Б., Прохоров С.А. Оценка хаоса спектральных параметров сердечно-сосудистой системы // Сложность. Разум. Постнеклассика. 2017. № 4. С. 43-50. Б01: 10.12737/ай1с1е_5а1с022ЬазаГ56.20636712.

hin VV, Khadartseva KA. Sistemnyy analiz sutochnoy dinamiki pokazateley serdechno-sosudistoy siste-my u bol'nykh pri arterial'noy gipertenzii. Vestnik novykh meditsinskikh tekhnologiy. 2008;15(4):208-10. Russian.

3. Bashkatova YuV, Aliev NSh, Ten RB, Prokho-rov SA. Otsenka khaosa spektral'nykh parametrov ser-dechno-sosudistoy sistemy [Assessment of the chaos of the spectral parameters of the cardiovascular system]. Slozhnost'. Razum. Postneklassika. 2017;4:43-50. DOI: 10.12737/article_5a1c022bd3df56. 20636712. Russian.

4. Брагинский М.Я., Буров И.В., Голушков В.Н., Добрынин Ю.В., Дрожжин Е.В., Еськов В.М., Еськов В.В., Козлова В.В., Куяров А.А., Паш-нин А.С., Филатова О.Е., Филатов М.А., Филатова Д.Ю., Хадарцев А.А., Хадарцева К.А., Шумилов С.П. Системный анализ, управление и обработка информации в биологии и медицине. Самара, 2011. Том IX.

4. Braginskij MYA, Burov IV, Golushkov VN, Dob-rynin YUV, Drozhzhin EV, Es'kov VM, Es'kov VV, Kozlova VV, Kuyarov AA, Pashnin AS, Filatova OE, Filatov MA, Filatova DYU, KHadarcev AA, KHadar-ceva KA, SHumilov SP. Sistemnyj analiz, uprav-lenie i obrabotka informacii v biologii i me-dicine [Systems analysis, management and processing of information in biology and medicine]. Samara; 2011. Tom IX. Russian.

5. Галкин В.А., Филатова О.Е., Журавлева О.А., Шелим Л.И. Новая наука и новое понимание го-меостатических систем // Сложность. Разум. Постнеклассика. 2017. № 1. С. 75-86. DOI: 10.12737/article_58ef6f7a9c4939.90994248.

6. Еськов В.В. Математическое моделирование гомеостаза и эволюции complexity: монография. Тула: изд-во ТулГУ, 2016. 372 с.

7. Еськов В.М., Галкин В.А., Филатова О.Е. Complexity: хаос гомеостатических систем: монография / Под ред. Г.С. Розенберга. Самара: изд-во ООО «Потро-принт», 2017. 388 с.

8. Еськов В.М., Галкин В.А., Филатова О.Е. Конец определенности: хаос гомеостатических систем. Тула, 2017. 596 с.

5. Galkin VA, Filatova OE, Zhuravleva OA, She-lim LI. Novaya nauka i novoe ponimanie gomeostati-cheskikh sistem [New science and a new understanding of homeostatic systems]. Slozhnost'. Razum. Postneklassika. 2017;1:75-86. Russian. DOI: 10.12737/article_58ef6f7a9c4939.90994248

6. Es'kov VV. Matematicheskoe modelirova-nie gomeostaza i ehvolyucii complexity: mo-nografiya [Mathematical modelling of homeos-tasis and the evolution of complexity: the mo-nograph]. Tula: izd-vo TulGU; 2016. Russian.

7. Es'kov VM, Galkin VA, Filatova OE. Complexity: khaos gomeostaticheskikh sistem: monografiya [Complexity: chaos of homeostatic systems: monograph]. Pod red. G.S. Rozenberga. Samara: izd-vo OOO «Potro-print»; 2017. Russian.

8. Es'kov VM, Galkin VA, Filatova OE. Konets opre-delennosti: khaos gomeostaticheskikh sistem [End of certainty: chaos of homeostatic systems]. Tula; 2017. Russian.

9. Еськов В.М., Зинченко Ю.П., Филатова О.Е. Признаки парадигмы и обоснование третьей парадигмы в психологии // Вестник московского университета. Серия 14: Психология. 2017. №. 1. С. 3-17.

9. Es'kov VM, Zinchenko YuP, Filatova OE. Priznaki paradigmy i obosnovanie tret'ey paradigmy v psikho-logii [Signs of the paradigm and the rationale for the third paradigm in psychology]. Vestnik moskovskogo universiteta. Seriya 14: Psikhologiya. 2017;1:3-17. Russian.

10. Еськов В.М., Леонов Б.И., Хадарцев А.А., Потоцкий В.В., Филатова О.Е., Фудин Н.А., Хрупа-чев А.Г., Гонтарев С.Н., Нифонтова О.Л., Полухин В.В., Попов Ю.М., Хадарцева К.А., Балтиков А.Р.,

10. Es'kov VM, Leonov BI, Khadartsev AA, Potots-kiy VV, Filatova OE, Fudin NA, Khrupachev AG, Gon-tarev SN, Nifontova OL, Polukhin VV, Popov YuM, Khadartseva KA, Baltikov AR, Vechkanov IN, Gats-

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 2S, № 2 - P. 188-199

Вечканов И.Н., Гацко Ю.С., Грачев Р.В., Дер-пак В.Ю., Долгушин А.Е., Каменев Л.И., Корчина И.В., Кострубина В.А., Кошевой О.А., Курзина С.Ю., Папшев В.А., Русак С.Н., Ушаков В.В., Чук-сеева Ю.В., Еськов В.В. Диверсификация результатов научных открытий в медицине и биологии. Тула, 2010. Т. 2. 456 с.

11. Еськов В.М., Хадарцев А.А., Попов Ю.М., Якунин В.Е. Конец определенности в естествознании: хаос и самоорганизация complexity // Сложность. Разум. Постнеклассика. 2017. № 1. С. 64-74. DOI: 10.12737/article_58ef6ef2f1dde7.21662826.

ko YuS, Grachev RV, Derpak VYu, Dolgushin AE, Ka-menev LI, Korchina IV, Kostrubina VA, Koshevoy OA, Kurzina SYu, Papshev VA, Rusak SN, Ushakov VV, Chukseeva YuV, Es'kov VV. Diversifikatsiya rezul'ta-tov nauchnykh otkrytiy v meditsine i biologii [Diversification of the results of scientific discoveries in medicine and biology]. Tula; 2010. T. 2. Russian.

11. Es'kov VM, Khadartsev AA, Popov YuM, Yaku-nin VE. Konets opredelennosti v estestvoznanii: khaos i samoorganizatsiya complexity [End of certainty in natural science: chaos and self-organization complexity]. Slozhnost'. Razum. Postneklassika. 2017;1:64-74. DOI: 10.12737/article_58ef6ef2f1dde7. 21662826. Russian.

12. Еськов В.М., Срыбник М.А., Эльман К.А., Глазова О.А. Возрастные изменения сердечнососудистой системы пришлого детско-юношеского населения Югры // Сложность. Разум. Постнеклассика. 2017. № 4. С. 5-12. Б01: 10.12737/ агйс1е_ 5a1bfeddae4ea5.81912457

13. Еськов В.М., Хадарцев А.А., Козупица Г.С., Ше-лим Л.И. Третьея парадигма и детерминистско-стохастическая наука // Сложность. Разум. Пост-неклассика. 2017. № 3. С. 60-70. Б01: 10.12737/article_59df76db3a6b33.94271886.

14. Зинченко Ю.П., Филатов М.А., Колосова А.И., Макеева С.В. Сравнительный стохастический и хаотический анализ параметров внимания учащихся в аспекте их работоспособности // Вестник Московского университета. Серия 14. Психология. 2017. № 4. С. 21-33.

15. Мирошниченко И.В., Филатова Д.Ю., Живаева Н.В., Алексенко Я.Ю., Камалтдинова К.Р. Оценка эффективности оздоровительных мероприятий по параметрам кардио-респираторной системы школьников // Сложность. Разум. Постнеклассика. 2017. № 1. С. 26-32. Б01: 10.12737/ article_58ef6c7c341300.57619306.

16. Мирошниченко И.В., Эльман К.А., Прасолова А.А., Глазова О.А. Динамика кардиоинтервалов детско-юношеского населения Югры в аспекте возрастных изменений // Вестник новых медицинских технологий. 2017. №4. С. 14-19.. Б01: 10.12737/article_5a38efc470c346.67491500.

12. Es'kov VM, Srybnik MA, El'man KA, Glazova OA. Vozrastnye izmeneniya serdechno-sosudistoy siste-my prishlogo detsko-yunosheskogo naseleniya Yugry [Age-related changes in the cardiovascular system of the alien children and youth of Yugra]. Slozhnost'. Razum. Postneklassika. 2017;4:S-12. DOI: 10.12737/ article_ Sa1bfeddae4eaS.819124S7. Russian.

13. Es'kov VM, Khadartsev AA, Kozupitsa GS, She-lim LI. Tret'eya paradigma i deterministsko-stokhasticheskaya nauka [The Third Paradigm and Deterministic-Stochastic Science]. Slozhnost'. Ra-zum. Postneklassika. 2017;3:б0-70. DOI: 10.12737/article_S9df76db3a6b33.94271886. Russian.

14. Zinchenko YUP, Filatov MA, Kolosova AI, Makeeva SV. Sravnitel'nyj stohasticheskij i haoticheskij analiz parametrov vnimaniya uchashchihsya v aspekte ih rabotosposobnosti [Comparative stochastic and chaotic analysis of students ' attention parameters in terms of their performance]. Vestnik Moskovskogo universiteta. Seriya 14. Psihologiya. 2017;4:21-33. Russian.

15. Miroshnichenko IV, Filatova DYu, Zhivaeva NV, Aleksenko YaYu, Kamaltdinova KR. Otsenka effektiv-nosti ozdorovitel'nykh meropriyatiy po parametram kardio-respiratornoy sistemy shkol'nikov [Evaluation of the effectiveness of health improvement measures according to the parameters of the cardio-respiratory system of schoolchildren]. Slozhnost'. Razum. Post-neklassika. 2017;1:2б-32. DOI: 10.12737/ ar-ticle_S8ef6c7c341300.S7619306. Russian.

16. Miroshnichenko IV, EHl'man KA, Prasolova AA, Glazova OA. Dinamika kardiointervalov detsko-yunosheskogo naseleniya YUgry v aspekte vozrast-nykh izmenenij [Dynamics of cardiointervals of children and youth population of Ugra in the aspect of age-related changes]. Vestnik novykh medicinskikh tekhnologij. 2017;4:14-9. DOI: 10.12737/article_Sa38efc470c346.67491S00. Russian.

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 188-199

17. Филатова О.Е., Баженова А.Е., Иляшенко Л.К., Григорьева C.B. Оценка параметров треморо-грамм с позиции эффекта Еськова-Зинченко // Биофизика. 2018. Т. 63, № 2. С. 358-364.

18. Филатова О.Е., Газя Г.В., Мезенцева Л.В., Соколова А.А. Оценка биоэлектрической активности сердца у представителей коренного населения ханты методами теории хаоса-самоорганизации // Сложность. Разум. Постнеклассика. 2017. № 4. С. 22-28. DOI: 10.12737/article_5a1c029cbef6d9. 89882621.

17. Filatova OE, Bazhenova AE, Ilyashenko LK, Gpigop'eva CV. Ocenka parametrov tremorogramm s pozicii ehffekta Es'kova-Zinchenko [parameters of tremorogramm with position of the effect Eskova-Zinchenko]. Biofizika. 2018;63(2):358-64. Russian.

18. Filatova OE, Gazya GV, Mezentseva LV, Sokolo-va AA. Otsenka bioelektricheskoy aktivnosti serdtsa u predstaviteley korennogo naseleniya khanty meto-dami teorii khaosa-samoorganizatsii [Evaluation of the bioelectrical activity of the heart in representatives of the indigenous population of the Khanty using methods of the theory of chaos-self-organization]. Slozhnost'. Razum. Postneklassika. 2017; 4:22-8. DOI: 10.12737/article_5a1c029cbef6d9. 89882621. Russian.

19. Филатова О.Е., Яхно В.Г., Яхно Т.А., Самсонов И.Н. Хаос нейросетей мозга - признак гомео-статичности // Сложность. Разум. Постнеклассика. 2017. № 3. С. 42-50. DOI: 10.12737/article_ 59df74be8bc611.71429249.

20. Bernshtein N.A. The co-ordination and regulation of movements. Oxford: New York, Pergamon Press, 1967.

21. Eskov V.M., Bazhenova A.E., Vochmina U.V., Filatov M.A., Ilyashenko L.K. N.A. Bernstein hypothesis in the Description of chaotic dynamics of involuntary movements of person // Russian Journal of Biomechanics. 2017. Vol. 21, No. 1. P. 14-23.

22. Eskov V.M., Eskov V.V., Gavrilenko T.V., Vochmina Yu.V. Formalization of the Effect of "Repetition without Repetition" Discovered by N.A. Bernshtein // Biophysics. 2017. Vol. 62, No. 1. P. 143-150.

23. Eskov V.M., Eskov V.V., Vochmina Y.V., Gorbu-nov D.V., Ilyashenko L.K. Shannon entropy in the research on stationary regimes and the evolution of complexity // Moscow University Physics Bulletin. 2017. Vol. 72, No. 3. P. 309-317.

24. Eskov V.M., Filatova O.E. A compartmental approach in modeling a neuronal network. Role of inhibitory and excitatory processes // Biofizika. 1999. Vol. 44, No. 3. P. 518-525.

25. Eskov V.M., Filatova O.E. Respiratory rhythm generation in rats: The importance of inhibition // Neurophysiology. 1995. Vol. 25, No. 6. P. 348-353.

26. Eskov V.M., Filatova O.E., Eskov V.V., Gavrilenko T.V. The Evolution of the Idea of Homeostasis: Determinism, Stochastics and Chaos-Self-Organization // Biophysics. 2017. Vol. 62, No. 5. P. 809-820.

19. Filatova OE, YAkhno VG, YAkhno TA, Samso-nov IN. KHaos nejrosetej mozga - priznak gomeosta-tichnosti [Chaos of brain neural networks is a sign of homeostaticity]. Slozhnost'. Razum. Postneklassika. 2017;3:42-50. DOI: 10.12737/article_59df74be8bc611. 71429249. Russian.

20. Bernshtein NA. The co-ordination and regulation of movements. Oxford: New York, Pergamon Press; 1967.

21. Eskov VM, Bazhenova AE, Vochmina UV, Filatov MA, Ilyashenko LK. N.A. Bernstein hypothesis in the Description of chaotic dynamics of involuntary movements of person. Russian Journal of Biomechanics. 2017;21(1):14-23.

22. Eskov VM, Eskov VV, Gavrilenko TV, Vochmina YuV. Formalization of the Effect of "Repetition without Repetition" Discovered by N.A. Bernshtein // Biophysics. 2017;62(1):143-50.

23. Eskov VM, Eskov VV, Vochmina YV, Gorbu-nov DV, Ilyashenko LK. Shannon entropy in the research on stationary regimes and the evolution of complexity. Moscow University Physics Bulletin. 2017;72(3):309-17.

24. Eskov VM, Filatova OE. A compartmental approach in modeling a neuronal network. Role of inhibitory and excitatory processes. Biofizika. 1999;44(3):518-25.

25. Eskov VM, Filatova OE. Respiratory rhythm generation in rats: The importance of inhibition. Neuro-physiology. 1995;25(6):348-53.

26. Eskov VM, Filatova OE, Eskov VV, Gavrilenko TV. The Evolution of the Idea of Homeostasis: Determinism, Stochastics and Chaos-Self-Organization. Biophysics. 2017;62(5):809-20.

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2018 - V. 25, № 2 - P. 188-199

27. Eskov V.M., Filatova O.E., Ivashenko V.P. Computer identification of compartmental neuron circuits // Measurement Techniques. 1994. Vol. 37, No. 8. P. 967-971.

28. Eskov V.M., Filatova O.E., Popov Y.M. Computer identification of the optimum stimulus parameters in neurophysiology // International RNNS/IEEE Symposium on Neuroinformatics and Neurocomputers, 1995. P. 166-172.

29. Eskov V.M., Gudkov A.B., Bazhenova A.E., Kozu-pitsa G.S. The tremor parameters of female with different physical training in the Russian North // Human Ecology. 2017. No. 3. P. 38-42.

30. Eskov V.V., Filatova O.E., Gavrilenko T.V., Gorbu-nov D.V. Chaotic Dynamics of Neuromuscular System Parameters and the Problems of the Evolution of Complexity // Biophysics. 2017. Vol. 62, No. 6. P. 961-966.

31. Eskov V.V., Gavrilenko T.V., Eskov V.M., Vochmi-na Yu.V. Static Instability Phenomenon in Type-Three Secretion Systems: Complexity // Technical Physics. 2017. Vol. 62, No. 11. P. 1611-1616.

32. Filatova O.E., Eskov V.V., Filatov M.A., Ilyashenko L.K. Statistical instability phenomenon and evaluation of voluntary and involuntary movements // Russian Journal of Biomechanics. 2017. Vol. 21, No. 3. P. 224-232.

33. Prigogine I.R. The End of Certainty: Time, Chaos, and the New Laws of Nature; Free Press, 1997.

34. Weaver W. Science and Complexity. American Scientist, 1948. P. 536-544.

35. Zilov V.G., Khadartsev A.A., Eskov V.V., Eskov V.M. Experimental Study of Statistical Stability of Cardiointerval Samples // Bulletin of experimental biology and medicine. 2017. Vol. 164, No. 2. P. 115117.

27. Eskov VM, Filatova OE, Ivashenko VP. Computer identification of compartmental neuron circuits. Measurement Techniques. 1994;37(8):967-71.

28. Eskov VM, Filatova OE, Popov YM. Computer identification of the optimum stimulus parameters in neurophysiology. International RNNS/IEEE Symposium on Neuroinformatics and Neurocomputers; 1995.

29. Eskov VM, Gudkov AB, Bazhenova AE, Kozupit-sa GS. The tremor parameters of female with different physical training in the Russian North. Human Ecology. 2017;3:38-42.

30. Eskov VV, Filatova OE, Gavrilenko TV, Gorbu-nov DV. Chaotic Dynamics of Neuromuscular System Parameters and the Problems of the Evolution of Complexity. Biophysics. 2017;62(6):961-6.

31. Eskov VV, Gavrilenko TV, Eskov VM, Vochmi-na YuV. Static Instability Phenomenon in Type-Three Secretion Systems: Complexity. Technical Physics. 2017;62(11):1611-6.

32. Filatova OE, Eskov VV, Filatov MA, Ilyashen-ko LK. Statistical instability phenomenon and evaluation of voluntary and involuntary movements. Russian Journal of Biomechanics. 2017;21(3):224-32.

33. Prigogine IR. The End of Certainty: Time, Chaos, and the New Laws of Nature; Free Press; 1997.

34. Weaver W. Science and Complexity. American Scientist; 1948.

35. Zilov VG, Khadartsev AA, Eskov VV, Eskov VM. Experimental Study of Statistical Stability of Car-diointerval Samples. Bulletin of experimental biology and medicine. 2017;164(2):115-7.