Аннотация результатов, полученных в 2017 году
Разработана модель сети фазовых осцилляторов, топология которой характеризуется двумя масштабами связности – существованием структуры связанных подсетей элементов. В ходе выполнения задачи изучено, как соотношение между топологиями структурных масштабов влияет на динамические режимы, реализующиеся в такой системе, в частности, на реализацию таких специфических режимов как химерное состояние. Показано, что изменение связности подсетей позволяет управлять соотношением размеров синхронного и асинхронного кластера в глобальном кольце осцилляторов и приводит к расширению области реализации химерного состояния. Полученные в рамках данной задачи результаты будут использованы при разработке многомасштабной сети нейронных элементов в контексте создания центрального генератора ритмов. Численно смоделированы однослойные и многослойные нейронные сети на базе модели нейрона Рулькова с синаптическими связями. Внутри каждого слоя все связи являлись возбуждающими, в то время, как между слоями часть связей была возбуждающей, а другая часть – ингибиторной. В данных сетях был обнаружен эффект образования пространственно-временных структур, было изучено влияние на образование этих структур таких параметров, как размеры сети, число стимулируемых нейронов, доли ингибиторных связей между слоями, величины подаваемого на систему стимула и амплитуды внутреннего шума. В зависимости от вышеуказанных параметров было обнаружено явление когерентного резонанса, который может быть использован для адаптивной обработки внешних сигналов нейронной сетью. Разработан новый механизм структурной адаптации в сети отображений Рулькова на основе принципа пластичности, зависящей от времени активации нейрона (spike-timing-dependent plasticity (STPD)). Показано, что разработанная модель адаптивной сети демонстрирует намного более сложную динамику по сравнению с классическим механизмом STPD. Выявлено, что данное различие напрямую связано с типом формирующихся в процессе адаптации структур: введение дополнительного гомеостатического слагаемого в уравнение связей привело к возникновению сильно неоднородных кластеров в структуре и появлению свойства свободного масштабирования, присущего реальным нейронным ансамблям головного мозга. Данные результаты открывают возможность создания генератора ритмов, характеристики которого адаптивно перестраиваются в зависимости от внешних условий. Проведены предварительные экспериментальные исследования, связанные с регистрацией нейронной активности человека во время активного движения для управления антропоморфным протезом руки. Выполнены 56 экспериментальных замеров с условно здоровыми добровольцами. Проведены различные виды анализа данных: спектральный анализ с помощью вейвлет-спектров, кросспектральный анализ, оценка коэффициентов фазовой когерентности, которые позволили предварительно выбрать перспективные для более детального анализа пары сигналов ЭЭГ, а также частотные диапазоны анализа. После выбора параметров методов анализа было проведено исследование направленной связанности, которое позволило выявить значимое отличие разности коэффициентов связи между симметричными отведениями ЭЭГ в противоположных направлениях от фоновых значений для двигательной активности. При помощи мультифрактального анализа изучена структура сигналов ЭЭГ, регистрируемых у нетренированных операторов во время двигательной активности. На основе полученных результатов выделены области мозга, для которых возможно достоверное детектирование различий между сигналами ЭЭГ, регистрируемыми при выполнении движений руки, и фоновыми записями электрической активности головного мозга. Показано, что наибольшая эффективность классификации достигается при использовании записей ЭЭГ, снимаемых в лобных областях мозга. Полученные результаты указывают на перспективу адаптации использованных методов для решения задач построения человеко-машинных интерфейсов. Разработана методика, основанная на машинном обучении, а именно на аппарате искусственных нейронных сетей для распознавания и классификации паттернов на ЭЭГ, соответствующих различным типам движений, которая продемонстрировала высокую эффективность для нетренированных субъектов: точность распознавания до 90-95%. Искусственная нейронная сеть с радиально-базисными функциями показывает наилучшие результаты распознавания и классификации. Предварительная фильтрация входных данных ЭЭГ с использованием фильтра нижних частот значительно повышает точность распознавания (в среднем на 10-20%), при этом фильтр нижних частот с частотой отсечки 4 Гц показывает наилучшие результаты. Показано, что при использовании сигналов из определенных групп электродов, состоящих из 6-12 каналов, точность классификации достигает значения, близкого к максимуму. Последний результат важен с практической точки зрения, поскольку он показывает возможность использования более компактных систем для регистрации сигналов ЭЭГ (с меньшим количеством электродов) при сохранении требуемой точности распознавания. 20-22 ноября 2017 года в СГТУ имени Гагарина Ю.А. состоялась I Международная школа молодых ученых «Динамика сложных сетей и их применение в интеллектуальной робототехнике» (DCNAIR 2017) (http://www.sstu.ru/nauka/konferentsii/dinamika-slozhnykh-setey-i-ikh-primenenie-v-intellektualnoy-robototekhnike-dcnair-2017.html). Школа-конференция стала международной площадкой для обучения и обмена образовательными, научными и техническими идеями между специалистами, в особенности – молодыми учеными и студентами, работающими в области изучения сложных сетей и интеллектуальной робототехники. DCNAIR 2017 способствовала активному научному взаимодействию, как на российском, так и на международном уровне (http://www.sstu.ru/news/uchenye-predstavili-rezultaty-issledovaniy-na-mezhdunarodnoy-ploshchadke-po-intellektualnoy-robotote.html).

Аннотация результатов, полученных в 2018 году
В качестве модели центрального генератора ритма (ЦГР) впервые предложена система, состоящая из активного осциллятора, демонстрирующего квазигармонические автоколебания (модель автогенератора Ван дер Поля) и связанных с ним двух пассивных линейных диссипативных осцилляторов. Сигналы, снимаемые с генератора и контура, используются в качестве сигналов, управляющих движениями ноги в тазобедренном и коленном суставах робота. Режим ЦГР определяет скорость передвижения робота, походку и режим «бег» или «ходьба». Построена математическая модель ЦГР, и с её использованием проведено исследование динамики ЦГР. Обнаружено, что движение по части плоскости параметров внешнего воздействия, соответствующей синхронизации через подавление, позволяет реализовать мягкий переход от одного колебательного режима к другому, что соответствует переключению бег/ходьба. Проведено численное и экспериментальное исследование динамики сети, состоящей из нейроподобных осцилляторов ФитцХью-Нагумо, связанных между собой запаздывающими связями. Создана радиофизическая установка для экспериментального исследования возможности управления колебательными режимами в ансамбле нейроподобных осцилляторов, связанных настраиваемыми связями. Показано, что введение адаптивно управляемой запаздывающей связи позволяет решить задачу синфазной синхронизации неидентичных нейроподобных осцилляторов в широкой области значений управляющих параметров. Для экспериментального исследования автогенератора с мягким возбуждением, моделируемого уравнением Ван-дер-Поля, разработана и построена радиофизическая установка, включающая в себя автогенератор с кубической нелинейностью и два дополнительных колебательных контура, связанных с контуром генератора через емкостную связь. Экспериментально исследована зависимость амплитуды колебаний в основном контуре от емкости конденсатора в основном генераторе, отвечающей за расстройку частот автогенератора и дополнительных контуров. Показано, что, меняя частоту автоколебаний основного генератора, можно управлять мультистабильными колебательными режимами в системе и наблюдать жесткие переходы между ними. В ходе проведенных работ были численно исследованы эффекты синхронизации и формирования пространственно-временных структур в многослойных сетях фазовых и нейроподобных осцилляторов. Было обнаружено и детально исследовано новое явление – макроскопическое химероподобное состояние сети, состоящее в разделении взаимодействующих изначально идентичных слоев сети на подгруппы, демонстрирующие разные динамические режимы. Такие состояния могут быть ассоциированы с состоянием сомнения нейронной сети головного мозга в ходе принятия неоднозначных решений. Проведен анализ нейронной активности головного мозга человека в ходе наблюдения бистабильных изображений и принятия решения относительно их интерпретации. Данные магнитоэнцефалографического эксперимента были обработаны при помощи искусственной нейронной сети, обученной классифицировать состояния восприятия слабо-неоднозначных визуальных стимулов. Были введены объективные критерии для описания процесса обработки информации и принятия решения в ситуации с неоднозначностью выбора. С помощью этих критериев предложен алгоритм для интеллектуальной системы принятия решений на основе обработки внешней сенсорной информации. По результатам выполнения экспериментальной работы согласно разработанному дизайну сформирован массив однородных экспериментальных данных, содержащий в себе наборы многоканальных электроэнцефалографий и миографий, зарегистрированных у 20 условно здоровых испытуемых. Разработан единый алгоритм обработки комплексных массивов электроэнцефалографических (ЭЭГ) и электромиографических (ЭМГ) сигналов. Комплекс обработки основан на выделении двигательной активности человека и её объективной классификации по миографическим сигналам. Показано, что использование методов энергетических и скелетонных оценок непрерывного вейвлетного преобразования позволяет установить точную связь между возникновением мышечной активности (ростом амплитуды ЭМГ) и ЭЭГ-сигналами в сенсомоторной зоне регистрации. Применение метода многомасштабного анализа на основе дискретного вейвлет-преобразования позволяет достоверно различать сигналы электрической активности головного мозга при выполнении движений. Для выделения общих закономерностей, присущих вертикальной позе испытуемых, осуществлялись энергетические оценки основных нейрофизиологических режимов колебательной активности головного мозга человека в моменты осуществления движений различных типов. Для минимизации помеховых компонент, вызванных непроизвольным напряжением шейных и плечевых мышечных групп, предложен специальный алгоритм, включающий в себя отдельную регистрацию сигналов с нескольких электродов, расположенных на задней поверхности мышц, и последующее включение фильтрации на базе расчёта эмпирических мод преобразования Гильберта-Хуанга в моменты повышения уровня амплитуды высокочастотной активности в регистрируемых миографических сигналах, приводящих к специфическому искажению активности головного мозга. Выявлено, что переход к вертикальному положению испытуемого, близкого к естественному, вызывает существенное усложнение частотной структуры динамики электрической активности головного мозга, делая менее выраженной характерную для сенсомоторной коры генерацию высокочастотных колебаний при двигательной активности рук в классических нейрофизиологических пробах. Разработаны методы управления антропоморфным протезом руки с использованием сигналов нейронной активности и мышечной активности при помощи прямой расшифровки биологических сигналов без использования копирующего экзоскелета. Показано, что движение управляющей руки вызывает формирование характерного паттерна на сигнале электрической активности соответствующей мышцы, форма которого сохраняется от одного движения к другому. Это позволяет детектировать точный момент начала движения автоматически при помощи предварительно установленного порогового значения. При этом найдено оптимальное пороговое значение, при котором возможно детектирование 100% движений при 10% ложных детектирований. Показано, что характерные паттерны электрической активности головного мозга могут быть детектированы с точностью 92% и при 5% ложных детектирований. Выявлено, что при выполнении движений в условиях дополнительной внешней стимуляции наблюдается активация лобных областей, что связано с концентрацией внимания на внешнем стимуле. Менее, чем за секунду до начала движения и во время его выполнения, как в случае произвольной двигательной активности, так и в случае дополнительных внешних стимулов наблюдается локальное уменьшение активности 8-12 Гц в левой части центрально-фронтальной коры (для движения правой рукой). При этом в случае присутствия дополнительного внешнего стимула наблюдается сохранение активности в лобных областях и подавление активности 8-12 Гц в затылочной коре, что также свидетельствует о концентрации внимания при обработке сенсорной информации. Создана методика проведения экспериментов по регистрации сигналов активности головного мозга (ЭЭГ) и мышечной активности (ЭМГ) человека при управлении антропоморфным роботом с помощью копирующего экзоскелета. При помощи искусственной нейронной сети (ИНС) и методов частотно-временного анализа выявлены частотные и пространственные свойства паттернов нейронной активности при генерации моторных команд для управления движениями ног робота. Показано, что наиболее высокая точность классификации моторных паттернов при помощи ИНС достигается при рассмотрении сигналов ЭЭГ в лобной и височных долях, при этом наиболее информативным является частотный диапазон 1-12 Гц. С использованием ИНС выявлены уникальные особенности и общие черты для ЭЭГ-данных, регистрируемых при управлении движениями рук и ног. Показано, что ИНС эффективно (средняя точность 95%) детектирует различия между данными паттернами при включении в рассмотрение высокочастотной (>30 Гц) составляющей сигналов ЭЭГ. В случае, когда учитывается низкочастотная составляющая (<4 Гц), средняя точность классификации уменьшается до 70%. Реализована интеллектуальная система управления антропоморфным роботом на основании коррелированных процессов активности головного мозга и мышечной активности. Для детектирования моторных паттернов на ЭЭГ и их сопоставления с характерными паттернами ЭМГ была использована рекуррентная ИНС. Средняя точность распознавания моторных команд составила 90%. 8-10 октября 2018 года в СГТУ имени Гагарина Ю.А. состоялась II Международная школа молодых ученых «Динамика сложных сетей и их применение в интеллектуальной робототехнике» (DCNAIR 2018) (http://www.sstu.ru/nauka/konferentsii/dcnair-2018-ru.html). Школа-конференция стала международной площадкой для обучения и обмена образовательными, научными и техническими идеями между специалистами, в особенности – молодыми учеными и студентами, работающими в области изучения сложных сетей и интеллектуальной робототехники. DCNAIR 2018 способствовала активному научному взаимодействию, как на российском, так и на международном уровне (http://www.sstu.ru/news/v-sgtu-proshla-shkola-konferentsiya-po-intellektualnoy-robototekhnike.html).

Аннотация результатов, полученных в 2019 году
Предложена и реализована нейронная сеть на базе модельных нейронов Ходжкина-Хаксли, демонстрирующая поведение, соответствующее поведению мозга человека при принятии решений в условиях, характеризующихся недостатком или неоднозначностью информации. Механизм работы предложенной нейронная сети основан на формировании химероподобного состояния, когда одна часть нейронов находится в активном состоянии и генерирует спайки, в то время как вторая часть неактивна. Показана возможность управления данным состоянием с помощью внешних стимулов в виде импульсов, что позволяет использовать подобную систему для классификации различных неоднозначных состояний. В процессе анализа работы сети показано, что при низкой степени неоднозначности нейронная сеть однозначно принимает решения. При повышении неоднозначности она начинает «сомневаться», но с большей вероятностью принимает решение в сторону более вероятного решения. При максимальной неоднозначности конкуренция между выходными нейронами с равной вероятностью может привести к активации каждого из них под конец предъявления неоднозначного стимула. Обнаружена роль влияния внутреннего шума в сети кодирования сенсорной информации на процесс принятия решения: с одной стороны, наличие шума расширяет границы области неоднозначности принятия решения, но с другой – ускоряет процесс принятия решения в случае однозначно-интерпретируемой сенсорной информации. Таким образом, эффекты стохастического и когерентного резонанса при добавлении шума к исходному сенсорному сигналу могут иметь положительный эффект на процесс принятия решения в искусственной интеллектуальной системе. На основании результатов экспериментальных исследований выдвинуто предположение о том, что поиск решения задачи классификации неоднозначной информации может приводить к повышению размерности пространства признаков. С точки зрения интеллектуальной системы это требует многослойной свёртки входного информационного сигнала для извлечения нескольких уровней признаков. Построена математическая модель, основанная на взаимодействии между двумя сетями нейроноподобных элементов Ходжкина-Хаксли, описывающая процесс восприятия и обработки сенсорной информации и принятия решения на основе анализа экспериментальных данных электрической активности головного мозга с использованием методов теории сетей. Одна сеть осуществляет предобработку и кодирование входящей сенсорной информации в последовательность нейронных спайков, другая участвует в обработке данного сигнала. Показано, что при изменении контраста изображения наблюдается изменение степени скоррелированности регистрируемых сигналов активности головного мозга. Наибольшая скоррелированность достигается в диапазоне контраста изображения 0.4-0.7. Анализ функциональных связей по экспериментальным данным электрической активности головного мозга показал, что для данного диапазона контрастов характерно формирование распределенной сетевой структуры функциональных связей, вовлекающих нейронные популяции префронтальной и теменной областей коры мозга. Подобное локальное увеличение скоррелированности активности нейронов достигается за счет влияния внутреннего шума и возможно только при определенных значениях его интенсивности (эффект когерентного резонанса). Предложен оригинальный подход для экспериментального исследования ансамбля нейроподобных осцилляторов, при котором в радиотехнической установке реализована возможность задания как постоянной, так и адаптивной связи между генераторами, причем эта связь может быть произвольного вида, а изменение связей внутри ансамбля происходит в реальном времени. На примере системы двух взаимно связанных неидентичных осцилляторов и кольца, состоящего из 10 неидентичных осцилляторов ФитцХью-Нагумо, показано, что введение адаптивной запаздывающей связи может обеспечить синфазную синхронизацию осцилляторов даже в случае большой расстройки их параметров и в случаях, когда постоянная связь не может обеспечить синфазную синхронизацию всех неидентичных элементов ансамбля даже при больших значениях коэффициентов связи. Полученные в эксперименте результаты хорошо согласуются с результатами проведенных численных исследований. Показано, что адаптивная связь осцилляторов является перспективной при разработке центральных генераторов ритма, отвечающих за управление движением. Для реализации различных видов походки робота и переключения между ними требуется обеспечить различные виды синхронизации осцилляторов ансамбля, отличающиеся величиной фазового сдвига их колебаний. Предложена модель центрального генератора ритмов (ЦГР) в виде автогенератора с мягким возбуждением, который моделируется уравнением Ван-дер-Поля и имеет два дополнительных колебательных контура, связанных с контуром генератора через емкостную связь. Показано, что данная модель является перспективной для генерации походки антропоморфного робота с возможностью переключения режима походки. В результате проведенного детального бифуркационного анализа установлено, что подача внешнего гармонического воздействия на разрабатываемую систему центрального генератора ритмов в режиме сосуществования двух колебательных режимов с различным соотношением фаз позволяет реализовать переключения между предельными циклами, существующими в фазовом пространстве системы. Обнаруженная структура пространства параметров внешнего воздействия позволяет осуществлять переключения между колебательными режимами в мультистабильной системе путём подачи на нее внешнего гармонического воздействия и управления его параметрами. На созданном экспериментальном макете удалось воспроизвести в радиофизическом эксперименте структуру плоскости параметров математической модели ЦГР. Также в ходе эксперимента установлено, что переключение колебательных режимов наблюдается в системе даже при соотношении сигнал/шум, равном 0 дБ. Предложена модель ЦГР, реализующая переключения между четырьмя типами локомоторного движения, основанная на ансамбле гетерогенных осцилляторов. В качестве активного осциллятора был выбран автогенератор, моделируемый уравнением Ван-дер-Поля, а другими элементами ансамбля являлись три линейных диссипативных осциллятора, выполненные на базе индуктивности и конденсатора. Элементы ансамбля были связаны в цепочку через конденсаторы одного номинала. Соотношение фаз между колебаниями активного и трех пассивных осцилляторов соответствует соотношению между углами поворота конечностей робота в «тазобедренном», «коленном» и «голеностопном» суставах. Изменение величины отстройки частоты автогенератора от частоты двух других элементов гетерогенного ансамбля приводит к жесткому переключению между четырьмя колебательными режимами. Исследованные режимы являются устойчивыми и грубыми к вариациям других параметров, и могут использоваться для генерации различных типов локомоторного движения. Также предложена новая модель генератора примитивов ходьбы, основанная на применении виртуальных голономных связей с использованием генератора движения, не являющегося явной функцией от обобщенных координат. Показан способ стабилизации движения, основанный на сведении системы на нулевое подмногообразие за счет обратной связи по невязке виртуальных связей и их скоростей. Была создана и структурирована база данных сигналов нейронной и мышечной активности человека, соответствующих выполнению человеком моторных команд (как реальных, так и воображаемых). База данных содержит исходные сигналы ЭМГ, ЭЭГ, а также посчитанные для них частотно-временные характеристики, сигналы ЭЭГ и ЭМГ, отфильтрованные с использованием полосового фильтра Баттерворта 5-го порядка в диапазонах 1-100 Гц и 10-100 Гц, а также ЭЭГ-отрезки, отфильтрованные в диапазонах мю- и бета- ритма, наиболее информативных при анализе электрической активности головного мозга, соответствующей реальным и воображаемым движениям. Помимо этого база данных содержит частотно-временные характеристики каждого отрезка ЭЭГ, такие как вейвлетные поверхности ЭЭГ-сигналов и усреднённые вейвлетные энергии мю- и бета-ритма. Разработана система управления двуногим шагающим роботом без использования копирующего экзоскелета при помощи анализа нейронной активности оператора разработанными в рамках проекта методами количественного анализа рекуррентных диаграмм. Сигналы, снимаемые с помощью электроэнцефалографа с оператора в процессе выполнения им движений, вначале проходят предварительную обработку для уменьшения шумов и удаления артефактов. Затем они подаются на вход классификатора, который определяет вид совершенного движения (движение левой/правой рукой/ногой). На основании полученной информации формируется управляющая команда для шагающего робота. В качестве критерия для классификации использовалась временная зависимость меры детерминизма (determinism, DET), обладающая ярко выраженным свойством контралатеральности. Взаимодействие между блоками серверной части интерфейса управления роботом реализовано при помощи очереди исполнения, в которую помещаются команды на исполнение. Была создана интеллектуальная система, обученная с использованием миограмм и электроэнцефалограмм, обеспечивающая автоматическое поддержание равновесия шагающего робота при изменяющимся во времени наклоне поверхности. На первом этапе были проведены эксперименты по регистрации нейронной и мышечной активности человека при поддержании равновесия на баланс-платформе. Показано, что при поддержании равновесия на баланс-платформе наблюдается изменение распределения значений угла отклонения баланс-платформы от положения равновесия в каждой из трех экспериментальных сессий. В последней сессии максимум распределения смещается в область малых отклонений, что свидетельствует о возрастании времени нахождения платформы в равновесии. Это свидетельствует об адаптации человека к изменяющимся условиям. Были проведены исследования с антропоморфным шагающим роботом. Следует отметить, что при определенных параметрах эксперимента поведение робота в среде математического моделирования достаточно близко к поведению человека в натурных экспериментах с баланс-платформой. Было показано, что введение обратной связи по положению центра масс недостаточно для получения характера движения робота, близкого к наблюдаемому в экспериментах с испытуемыми, при этом введение дополнительного канала обратной связи по ориентации баланс-платформы позволило получить результаты, качественно сходные с экспериментальными данными. 9-11 сентября 2019 года в Университете Иннополис состоялась III Международная школа молодых ученых «Динамика сложных сетей и их применение в интеллектуальной робототехнике» - «Dynamics of Complex Networks and their Application in Intellectual Robotics» (DCNAIR 2019), в которой приняло участие 5 российских и 8 зарубежных ученых-лекторов, а также 82 слушателя – российских молодых ученых в возрасте до 35 лет включительно (https://lomonosov-msu.ru/rus/event/5553/). Избранные материалы DCNAIR 2019 размещены в IEEE Explore и проиндексированы в Scopus и Web of Science.

Аннотация результатов, полученных в 2020 году
Была реализована нейронная сеть, основанная на модели биологических нейронов Ходжкина-Хаксли, способная обрабатывать и классифицировать получаемую со входов сенсорную информацию, принимая при этом решение о типе входного стимула. Механизм работы предложенной нейронная сети основан на формировании химероподобного состояния, когда одна часть нейронов находится в активном состоянии и генерирует спайки, в то время как вторая часть неактивна. Разработанная сеть состоит из 100 нейронов Ходжкина-Хаксли, связанных между собой в соответствие с безмасштабной топологией, и двух выходных нейронов. В начальный момент времени основная сеть не связана с выходным слоем. В процессе обучения данные связи меняются во времени в зависимости от входного сигнала для того, чтобы каждый из выходных нейронов активировался при определенной амплитуде входного сигнала, а второй при этом оставался в состоянии покоя. Выходные нейроны связаны между собой подавляющей связью. Реализованная сеть способна определять тип входного импульса с близкой к 100% точности в широком диапазоне значений амплитуды внешнего импульса тока. Вблизи порогового значения импульса, которое соответствует среднему значению амплитуд, для которых проводилось обучение, происходит активация обоих выходных нейронов в равной степени, что соответствует неоднозначности в определении типа предъявляемого стимула и находится в соответствии с известными результатами экспериментального исследования восприятия бистабильных изображений. Создана экспериментальная радиофизическая модель центрального генератора ритмов (ЦГР), предложенного на предыдущем этапе выполнения проекта. Построенный радиофизический прототип состоит из активного осциллятора Ван дер Поля, который связан с цепочкой из трех линейных диссипативных осцилляторов. Построены карты колебательных режимов созданного ЦГР на экспериментальных плоскостях управляющих параметров. Продемонстрирована возможность управления переключением динамических режимов ЦГР, отвечающих за различные типы локомоторной активности. Экспериментально показано, что при изменении величины отстройки частоты радиофизического автогенератора от частоты трех пассивных элементов гетерогенного ансамбля происходят жесткие переключения между колебательными режимами. Изменяя соотношения между фазами колебаний элементов ансамбля, можно осуществлять управление походкой робота за счет изменения значений сдвига между углами поворота конечностей робота в «тазобедренном», «коленном» и «голеностопном» суставах. Предложенная схема ЦГР продемонстрировала свою эффективность в эксперименте с моделью двуногого робота для решения задачи генерации ритма, обеспечивающего режимы ходьбы/бега. Экспериментально показано, что построенная радиофизическая модель ЦГР демонстрирует устойчивость к высоким уровням шума. Установлено, что переключение колебательных режимов в исследованном гетерогенном ансамбле наблюдается даже при соотношении сигнал/шум, равном -6 дБ, что свидетельствует об устойчивости предложенного ЦГР к шумам и перспективности её использования в задачах управления антропоморфными роботами. Были выявлены характерные особенности нейронной активности коры мозга и траектории взгляда в процессе сбора однозначной и неоднозначной сенсорной визуальной информации, необходимой для принятия решения. Было показано, что при неоднозначности сенсорных данных наблюдается увеличение энергии нейронной активности в тета- и в бета-диапазонах в первые 0.2 с после предъявления зрительного стимула. Первое свидетельствует о том, что испытуемые полагались на внутренние представления (память и контекстное мышление), в то время как увеличение энергии в бета-диапазоне характеризует активацию механизма обработки неоднозначности и выявления релевантных сенсорных данных, необходимых для принятия решения. Анализ траектории движения глаз с использованием айтрекера показал, что каждая ориентация куба имеет свой характерный паттерн. Степень неоднозначности также оказывает влияние на траекторию взгляда. Так, в случае сильно неоднозначного стимула для принятия решения испытуемому требуется больше сенсорной информации, что влечет за собой частые переключения точек наблюдений. Предложен подход для синтеза нейро-нечетких регуляторов с использованием модифицированного генетического алгоритма и адаптивной нейро-нечёткой системы вывода. Указанный подход применен к построению оптимальных в смысле Парето управлений движениями манипулятора в среде со статическими ограничениями. Предполагается, что манипулятор также имеет ограничения подвижности в сочленениях, что, в свою очередь, накладывает ограничения на возможные движения. Были синтезированы субоптимальные регуляторы минимизирующие как максимально возможные отклонения от желаемой траектории движения, так и максимально возможные управляющие моменты, создаваемые в сочленениях (суставах) манипулятора. Корректность работы построенных регуляторов была проверена на модели, и проведено сравнение с регуляторами, построенными классическим способом с использованием аппарата полуопределённого программирования для системы, полученной линеаризацией исходной вдоль желаемой траектории движения. Исследована пространственно-временная структура изменения уровня сложности сигнала электрической активности головного мозга человека в диапазоне мю-ритма (8-14 Гц) с помощью рекуррентного анализа во время выполнения моторной функции. Было показано, что выполнение движений кистью рук ассоциировано со статистически значимым увеличением регулярности сигнала, локализованным в области моторной коры мозга с доминирующей ролью контралатерального полушария. Была сформулирована гипотеза о том, что увеличение регулярности сигнала ЭЭГ может быть интерпретировано с позиций адаптации динамики локальных нейронных популяций моторной коры к выполнению двигательной задачи под действием механизма нейронной пластичности. Как следствие, было показано, что регулярность колебаний между выполнениями заданий, т.е. на престимульных интервалах, демонстрирует статистически значимый рост в ходе эксперимента. Это может свидетельствовать о здоровых механизмах тренировки моторных функций головного мозга и адаптации нейронных ансамблей для более оптимальной активации при последовательно повторяемых движениях. Предложен метод оценки сложности и долговременных корреляций в сигналах ЭЭГ, связанных с выполнением движений, на основе флуктуационного анализа временных рядов. Было показано, что движение недоминирующей (левой) рукой определяет относительно слабые изменения дальних корреляций сигналов ЭЭГ, по сравнению с доминирующей (правой) рукой. Разработана система управления двуногим шагающим роботом в онлайн-режиме без использования копирующего экзоскелета при помощи анализа нейронной активности оператора разработанными в рамках проекта методами количественного анализа рекуррентных диаграмм. Классификатор ЭЭГ-сигналов, связанных с выполнением движений руками и ногами, основан на количественном анализе рекуррентных диаграмм. В качестве критерия для классификации использовалась временная зависимость меры детерминизма (DET), обладающая свойством контралатеральности. Основная идея классификатора заключается в том, что каждый тип движения характеризуется своим уникальным паттерном DET. Быстрая скорость классификации обеспечивается за счёт применения технологий параллельных вычислений и соответствующей оптимизации алгоритма. Сигналы нейронной активности мозга оператора в процессе выполнения им движений, вначале проходят предварительную обработку, а затем подаются на вход классификатора, который определяет вид совершенного движения (движение левой/правой рукой/ногой). На основании полученной информации формируется управляющая команда для шагающего робота. Показано наличие мышечного паттерна, возникающего во время тренировки человека при поддержании равновесия. Мышечный паттерн включает четыре мышечные пары: передняя большеберцовая мышца на правой ноге и трехглавая мышца голени на правой ноге, большеберцовая мышца на правой ноге и трехглавая мышца голени на левой ноге, большеберцовая мышца на правой ноге и четырёхглавая мышца бедра на правой ноге, трехглавая мышца голени на правой ноге и трехглавая мышца голени на левой ноге. Результаты статистического анализа поведенческих характеристик показывают значительное увеличение между сессиями 1 и 2 продолжительности самого длительного участка равновесия и общей длительности всех участков равновесия. Этот вывод подтверждается статистическим анализом мышечной активности, который демонстрирует, что значительное изменение коэффициентов корреляции между 4 парами мышц обнаруженного паттерна происходит только между экспериментальными сессиями 1 и 2. Выявлено, что количество задействованных мышц в паттерне активации является ограниченным. Показано, что паттерн активации мышц является асимметричным, что подтверждает способность системы управления позой использовать асимметричные паттерны для поддержания равновесия. Была построена математическая модель, основанная на механических принципах с учётом механизмов тренировки человека при поддержании равновесия, управление мышцами в которой осуществляется на основе нейронных контроллеров с обратной связью, включающей отклонение угла платформы, скорость, ускорение, смещение центра масс тела, афферентные нервные задержки и проприоцептивный фактор. Применение разработанной модели позволило выявить ограниченный набор паттернов корреляции между мышцами ног человека в процессе тренировки, в которых усиливается взаимодействие между мышцами при длительном выполнении сложных действий, связанных с поддержанием равновесия. Нейронная активность в сенсомоторной области коры головного мозга показывает значительные изменения в процессе поддержания баланса, сопровождающиеся общим снижением активности в каналах O1, O2, Oz, Pz, Cpz. В ходе многомерного дисперсионного анализа было выявлено, что значимые различия достигаются в диапазоне высоких частот 23.75-40 Гц в правой и левой теменных областях и в центральной фронтальной области. Следует отметить, что эта разница достигается в начале сессии (200–240 секунд), при этом энергия в данном кластере максимальна в первой сессии и уменьшается от сессии к сессии. 7-9 сентября 2020 года в Университете Иннополис состоялась IV Международная научная школа «Dynamics of Complex Networks and their Application in Intellectual Robotics» (DCNAIR’2020) (https://events.innopolis.university/dcnair2020), в которой приняло участие 6 российских и 9 зарубежных ученых-лекторов, а также 75 слушателей – российских и зарубежных молодых ученых в возрасте до 35 лет включительно. Избранные материалы DCNAIR 2020 размещены в библиотеке IEEE Explore и проиндексированы в Scopus.