Neural network model of human intoxication functional state determining in some problems of transport safety solution

 pdf (1140K)  / Annotation

List of references:

  1. А. М. Ахметвалеев. Нейросетевое моделирование функционального состояния человека на примере диагностики зрачкового рефлекса / Проблемы анализа и моделирования региональных социально-экономических процессов: материалы докладов VII Международной очной научно-практической конференции. — Казань, 2017. — С. 37–41.
    • A. M. Akhmetvaleev. Nejrosetevoe modelirovanie funkcional'nogo sostoyaniya cheloveka na primere diagnostiki zrachkovogo refleksa / Proc. 7th International full-time scientific and practical conference “Problems of analysis and modeling of regional socio-economic processes”. — Kazan, 2017. — P. 37–41. — in Russian.
  2. А. М. Ахметвалеев, А. С. Катасёв. Нейросетевая модель и программный комплекс определения функционального состояния человека // Автоматизация процессов управления. — 2017. — № 3(49). — С. 88–95.
    • A. M. Akhmetvaleev, A. S. Katasyov. Neural network model and software for determining the functional state of a person // Automation of management processes. — 2017. — no. 3(49). — P. 88–95. — in Russian.
  3. А. М. Ахметвалеев, А. С. Катасёв, А. П. Кирпичников. Редукция нейросетевых моделей на основе метода двухэтапной генетической оптимизации // Вестник технологического университета. — 2017. — Т. 20, № 9. — С. 71–75.
    • A. M. Akhmetvaleev, A. S. Katasyov, A. P. Kirpichnikov. Reduction of neural network models based on the method of two-stage genetic optimization // Journal of technological University. — 2017. — V. 20, no. 9. — P. 71–75. — in Russian.
  4. А. Г. Зеренин, С. М. Мостовой. Предрейсовые, послерейсовые и текущие медицинские осмотры водителей транспортных средств. — пособие для врачей и средних медицинских работников. — М: Национальный научный центр наркологии, 2008.
    • A. G. Zerenin, S. M. Mostovoj. Pre-trip, post-trip and on-going medical examinations of vehicle drivers. — a manual for doctors and nurses. — Мoscow: Nacional’nyj nauchnyj centr narkologii, 2008. — in Russian.
  5. Н. Н. Иванец. Наркология. Национальное руководство. — М: Гэотар-Медиа, 2008.
    • N. N. Ivanecz. Narcology. National guide. — Мoscow: Geotar-Media, 2008. — in Russian.
  6. В. В. Колесников, В. Е. Кальницкая, А. И. Погребной. Особенности зрачкового рефлекса у больных наркоманией в период острой абстиненции // Вопросы наркологии. — 2004. — № 4. — С. 39–46.
    • V. V. Kolesnikov, V. E. Kal’niczkaya, A. I. Pogrebnoj. Features of pupillary reflex in patients with drug addiction during acute abstinence // Issues of addiction. — 2004. — no. 4. — P. 39–46. — in Russian.
  7. А. С. Куприянов. Моделирование реакции сложной адаптивной системы на импульсное воздействие. — СПб, 2012.
    • A. S. Kupriyaniv. Simulation of complex adaptive system response to impulse action. — Saint Petersburg, 2012. — in Russian.
  8. А. Л. Куцало. Пупиллометрия в качестве метода экспресс-диагностики наркотической интоксикации. — СПб, 2004.
    • A. L. Kuczalo. Pupillometry as a method of rapid diagnosis of drug intoxication. — Saint Petersburg, 2004. — in Russian.
  9. А. С. Михайлов, Б. А. Староверов. Проблемы и перспективы использования искусственных нейронных сетей для идентификации и диагностики технических объектов // Вестник Ивановского государственного энергетического университета. — 2013. — № 3. — С. 64–68.
    • A. S. Mikhajlov, B. A. Staroverov. Problems and prospects of using artificial neural networks for identification and diagnostics of technical objects // Bulletin of Ivanovo state power engineering University. — 2013. — no. 3. — P. 64–68. — in Russian.
  10. L. Yu. Emaletdinova, I. V. Matveev, A. N. Kabirova. Method of constructing a neural regulator for the automatic one-dimensional control of a technical object // Russian Aeronautics. — 2015. — no. 58(2). — P. 227–232. — DOI: 10.3103/S1068799815020154.
  11. L. Yu. Emaletdinova, E. D. Tsaregorodtseva. Algorithms of constructing a neural network model for a dynamic object of control and adjustment of PID controller parameters // Russian Aeronautics. — 2013. — no. 56(3). — P. 247–256. — DOI: 10.3103/S1068799813030069.
  12. C. Ge, B. Wang, X. Wei, Y. Liu. Exponential synchronization of a class of neural networks with sampled-data control // Applied Mathematics and Computation. — 2017. — no. 315. — P. 150–161. — MathSciNet: MR3693461.
  13. J. I. Gold, M. N. Shadlen. The neural basis of decision making // Annual Review of Neuroscience. — 2007. — no. 30. — P. 535–574. — DOI: 10.1146/annurev.neuro.29.051605.113038.
  14. A. S. Katasev, D. V. Kataseva. Neural network diagnosis of anomalous network activity in telecommunication systems / Dynamics of Systems, Mechanisms and Machines (Dynamics). — 2016. — 7819020.
  15. A. S. Katasev, D. V. Kataseva, L. Yu. Emaletdinova. Neuro-fuzzy model of complex objects approximation with discrete output / 2nd International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM. — Proceedings. — 2016. — 7911653.
  16. A. Nazemi, M. Dehghan. A neural network method for solving support vector classification problems // Neurocomputing. — 2015. — no. 152. — P. 369–376. — DOI: 10.1016/j.neucom.2014.10.054.
  17. H. Sug. The effect of training set size for the performance of neural networks of classification // WSEAS Transactions on Computers. — 2010. — no. 9(11). — P. 1297–1306.

Indexed in Scopus

Full-text version of the journal is also available on the web site of the scientific electronic library eLIBRARY.RU

The journal is included in the Russian Science Citation Index

The journal is included in the RSCI

International Interdisciplinary Conference "Mathematics. Computing. Education"