Непараметрическая идентификация движений глаз спортсменов-борцов с применением дифференциальной нейронной сети

Российский журнал биомеханики. 2023. Т. 27. № 2. С. 75–84.

Мухамедов А. М., Леонов С. В., Поликанова И. С., Чертополохов В. А., Якушина А. А., Исаев А. В., Чернозубов Д. Я., Чарез И. О.

В настоящее время существуют различные современные технологии, позволяющиеизучать корреляты развития профессионально важных качеств спортсменов. Одной изтаких технологий, активно использующихся в спортивной практике, является технологияотслеживания движения глаз, или окулография (еye-tracking). В статье показаноприменение окулографии в задаче тестирования спортсменов единоборцев с помощьюдемонстрации виртуальной среды в шлеме HTC Vive Pro Eye. Одной из существенныхпроблем при использовании, встроенных в шлем окулографов становится их низкаячастота дискретизации и возможные потери зрачка в процессе работы. Для борьбы сэтими эффектами возможно применять фильтрацию, в том числе фильтр Калмана ианалоги. Для решения задачи оценивания с использованием данных фильтров обычнотребуется наличие адекватной математической модели в пространстве состояний. Обычнопо экспериментальным данным входных и выходных сигналов строится параметрическаялибо непараметрическая модель рассматриваемой системы. В случае наличияинформации об уравнениях модели, задача обычно сводится к идентификациипараметров системы. Далеко не всегда удается дать адекватное математическоеописание процессов, происходящих в системе, либо сама система может представляться"черным ящиком". К подобным системам можно отнести и глазодвигательную систему. Втаких случаях применима непараметрическая идентификация, то есть идентификациядинамики системы. В данной работе предлагается идентифицировать динамику системы,используя дифференциальные нейронные сети.Они обладают хорошими аппроксимирующими свойствами для нелинейных систем.Стандартная сигмоидальная функция активации была заменена на функцию активацииИжикевича, описываемую дифференциальными уравнениями. Результатом работынейросетевого идентификатора стала приближенная система, описывающая динамикудвижения глаза. Проведено численное моделирование. Исследована работоспособностьмодели на нескольких наборах данных, полученных при записи глазодвигательнойреакции спортсменов-борцов на визуальные стимулы в виртуальной среде, показанаэффективность работы законов обучения нейросети.

Ключевые слова: виртуальная реальность, aйтрекинг (окулография), differential neural networks, virtual reality, oculography, oculomotor response, дифференциальные нейронные сети, глазодвигательный отклик