Резюме върху трудовете на доц . д-р Валери Младенов ...

3. Невронни мрежи за обработка на ЕМГ сигнали [16]-[20]В [16]-[20] са разгледани проблемите за разпознаване на електромиографски (ЕМГ)сигнали от човешка ръка с помощта на невронни мрежи. Тези сигнали са електрическисигнали, получени вследствие на мускулната активност на тялото. За разпознаването на ЕМГсигнали в [16]-[20] са проектирани и използвани различни невронни мрежи. Този подход еудачен, тъй като невронните мрежи осигуряват гъвкавост и при работа със сигнали, чиитохарактеристики са непостоянни или зашумени, каквито са и EMG сигналите. В публикациитеса предложени невронни мрежи за разпознаване на различни движения на човешката ръка.Разработените програми работят както в off-line режим за обучение и тестване, така и в on-lineрежим, за разпознаване на сигналите, а оттам и движенията, в реално време. За правилнотофункциониране на класификацията е нужно да се подбере подходящата комбинация отхарактеристики (признаци). Важно е така също търсенето на признаци, които се изчисляватпо-лесно – например минимуми, максимуми и амплитуди. Тежките за изчисление признаци,забавят процеса на класификация и се реализират трудно на мобилни системи, каквито сапротезите. Поради това, при възможност такива признаци трябва да бъдат избягвани. В [16]-[20] са изследвани различни подобрения и модификации на алгоритмите за извличане напризнаци. Удачно подобрение е класификацията с използването на част от сигнала надвижението с фиксирана продължителност, вместо на целия сигнал. Установено е, че в тозислучай работоспособността на системата не само не се нарушава, но дори се наблюдаваподобрение на класификацията. Същевременно изчислителният процес се олекотява и сенамаляват изискванията към хардуерната платформа.4. Приложни аспекти на невронните мрежи [21]-[28]Публикациите в това направление са насочени към различни приложения на невроннитемрежи.В [21] невронните мрежи се прилагат за разпознаване на ръчно нарисувани символи наелементите на електрически вериги. Първоначално се извличат определени признаци заразпознаване, а съответната невронната мрежа работи с тези признаци и в резултат серазпознават символите на раличните елементи. В [24] невронните мрежи се използват заразпознаване на ръкописни цифри а след това за изчисления с тях. В [22] и [25] невроннитемрежи се прилагат за разпознаване на реч, а в [23] се прилагат за решаване на Судоку пъзели.Приложение на т.нар. подсилващи невронните мрежи (boosting neural networks) за откриванена обекти в различни изображения е разгледано в [27]. В [28] е предложена невронна мрежа зарешаване на класическата задача за управление на обърнато махало.5. Теоретични проблеми и имплементация на клетъчни невронни мрежи [29]-[33]Трудовете в това направление са посветени на някои теоретични проблеми приклетъчните невронни мрежи и имплементациите на такива мрежи.В [29] са разгледани така наречените клетъчни невронни мрежи с пълен обхват, които савъведени за по-лесна електронна реализация. В работата е предложен метод за намиране наобластите на привличане на устойчивите работни точки на тези мрежи. Подходът еконструктивен, като областта на привличане на всяка от работните точки се формира катообединение от подобласти включени в дървовидна структура. Проблемът е от голям интерес,особено когато такъв тип невронни мрежи се използват като асоциативни памети иустойчивите работни точки съответстват на запомнените състояния в мрежата. В [30] еразгледан подхода на граничната динамика (terminal dynamics) базирана на нарушаване наусловията на Lipschitz, в клетъчните невронни мрежи. Те са представени като непредсказуеми