Використання квадратичної моделі Вольтерри окуло-моторної системи в діагностичних дослідженнях психофізіологічного стану людини

Abstract

Містяться результати дослідження ефективності застосування апроксимаційних моделей Вольтерри першого і другого порядку окуло-моторної системи в діагностичних дослідженнях психофізіологічного стану людини за даними айтрекінгу. В якості тестових сигналів використовуються візуальні стимули, які відображаються на екрані монітора на різних відстанях від початкової позиції, що формально відповідає дії ступінчатих сигналів з різними амплітудами на вході ОМС. Здійснено експериментальні дослідження "вхід-вихід" ОМС за допомогою айтрекера Tobii Pro TX300 та визначені за даними айтрекінга перехідні функції першого та діагональні перетини перехідних функцій другого порядку. Отримані перехідні функції використовуються для формування просторів діагностичних ознак. Досліджено діагностичну цінність всіх можливих поєднань ознак в пари за показником імовірності правильного розпізнавання (ІПР). Результати досліджень отримано за допомогою навчання байєсівського класифікатора у різних просторах запропонованих ознак. Здійснено дослідження робастності ознак за показником ІПР, виділені сполучення ознак з максимальним і найбільш стабільним показником ІПР.It contains the results of the study of the effectiveness of the application of approximation Volterra models of the first and second order of the oculo-motor system in diagnostic studies of the psychophysiological state of a person based on eye-tracking data. Visual stimuli are used as test signals, which are displayed on the monitor screen at different distances from the initial position, which formally corresponds to the action of step signals with different amplitudes at the OMS input. Experimental studies of the "input-output" of the OMS were carried out using the Tobii Pro TX300 eyetracker, and the first-order transient functions and the second-order diagonal intersections of the second-order transient functions were determined based on the eyetracking data. The resulting transient functions are used to form the spaces of diagnostic features. The diagnostic value of all possible combinations of features in pairs according to the indicator of the probability of correct recognition (PCR) was studied. The research results were obtained using Bayesian classifier training in different spaces of the proposed features. A study of the robustness of features according to the PCR indicator was carried out, the combinations of features with the maximum and most stable PCR indicator were selected.