moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2019.24.1 576 ПРИМЕНЕНИЕ ИНС В ИНТЕРФЕЙСАХ ЧЕЛОВЕК – МАШИНА APPLICATION OF ANN IN HUMAN-MACHINE INTERFACES Будко Наталья Александровна Budko Natalia Alexandrovna natalia.tb13@mail.ru aff-1 Будко Раиса Юрьевна Budko Raisa Yuryevna raisa-budko@ya.ru aff-2 Будко Артём Юрьевич Budko Artyom Yurievich aptem_budko@mail.ru aff-3 ФГБОУ ВО «Южный федеральный университет» Southern Federal University Южный федеральный университет Southern Federal University Южный федеральный университет Southern Federal University 01 01 2026 1 1 10.26102/2310-6018/2019.24.1 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В настоящее время почти не осталось сфер человеческой деятельности, которых не касается автоматизация, получившая наибольшую популярность за последние несколько лет. На сегодняшний момент большую известность приобрели методы, которые основаны по принципу организации и функционирования биологических нейронных сетей. В статье приведен аналитический обзор возможностей применения искусственных нейронных сетей (ИНС) при разработке интерфейсов человек – машина, основанных на различных физических принципах взаимодействия с организмом человека. Данный интерфейс обеспечивает взаимодействие пользователя с управляемыми им машинами. Приведены примеры использования интерфейсов человек – машина в бытовой, медицинской и военных областях. Эффективность обусловлена гибкостью, нелинейностью, быстродействием и обучаемостью систем, основанных на нейронных сетях. Таким образом, пользователи могут проводить контроль процесса с большой точностью, добиваясь наилучшего результата. Рассмотрены вопросы применения ИНС в системах управления техническими объектами, основанных на распознавании естественной речи, отслеживании направления взгляда, анализе электрической активности головного мозга и мышечных волокон человека. Описаны задачи предварительной обработки информации, классификации, анализа результата, полученного с помощью обработки нейронной сетью.

Currently, there are almost no areas of human activity that are not concerned with automation, which has received the greatest popularity over the past few years. To date, the methods that are based on the organization and functioning of biological neural networks have become most famous. The article provides an analytical review of the possibilities of using artificial neural networks (ANN) in the development of human-machine interfaces based on various physical principles of interaction with the human body. This interface provides user interaction with the machines it manages. Examples of the use of human-machine interfaces in household, medical and military areas are given. Efficiency is due to the flexibility, nonlinearity, speed and learning of systems based on neural networks. Thus, users can monitor the process with great precision, achieving the best result. The problems of using ANNs in control systems of technical objects based on the recognition of natural speech, tracking the direction of sight, analysis of the electrical activity of the brain and muscle fibers of a person are considered. The tasks of pre-processing information, classification, analysis of the result obtained by processing the neural network are described.

 интерфейс человек – машина искусственные нейронные сети управление электромиограмма электроэнцефалограмма man-machine interface artificial neural networks control electromyogram electroencephalogram Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Локтионов Н.П. Обзор систем распознавания речи // Молодежный научный форум: Технические и математические науки: электр. сб. ст. по мат. XLIII междунар. студ. науч.-практ. конф. № 3(43). URL: https://nauchforum.ru/archive/MNF_tech/3(43).pdf (дата обращения: 19.01.2019) Ле Н. В. Распознавание речи на основе искусственных нейронных сетей [Текст] // Технические науки в России и за рубежом: материалы Междунар. науч. конф. (г. Москва, май 2011 г.). — М.: Ваш полиграфический партнер, 2011. — С. 8-11. — URL https://moluch.ru/conf/tech/archive/3/712/ (дата обращения: 18.01.2019). Малин, И. К., Крапивенко, А. В. Система отслеживания направления взгляда с использованием доступной видеоаппаратуры / И. К. Малин, А. В. Крапивенко // Электронный журнал «Труды МАИ». – Вып. 36. – С. 7–11. Duchowski A. T. Eye Tracking Methodology: Theory and Practice. Springer, 2007, 22 Шепета Александр Павлович, Жаринов Игорь Олегович Перспективы применения в авиации интегрированных нашлемных систем нейрофизиологического контроля // Информационно-управляющие системы. 2003. №6, с. 58-62. Glenstrup A. J., Engell-Nielsen T. Eye-controlled media: present and future state. University of Copenhagen DIKU, June 1995. Сидорова М.А., Сержантова Н.А., Чулков В.А. Некоторые аспекты применения компьютерных технологий нейросетевого прогнозирования в медицине //XXI век: итоги прошлого и проблемы настоящего плюс. 2015. № 4 (26). С. 94-100. Черний В.И., Острова Т.В., Качур И.В. Применение метода нейросетевого моделирования для исследования электрической активности мозга человека, укладывающейся в понятие «норма» // Искусственны интеллект. 2008. №2. С. 76-87. Лаврентьева С.В. Нейросетевые алгоритмы обработки электроэнцефалограмм для диагностики эпилепсии. Автореферат диссертации. Минск, 2010. 22 с. Жиганов С.В. Использование каскада нейронных сетей для анализа ЭЭГ данных //Вестник научного общества студентов, аспирантов и молодых ученых. 2015. №1. С. 14-22. Пен О.В. Использование вейвлет-нейросетей для анализа ЭЭГ в диагностике эпилепсии. URL: http://elib.sfukras.ru/hancHe/2311/18967 Мусакулова Ж.А. Разработка нейросетевой автоматизированной системы классификации данных ЭЭГ//Альманах современной науки и образования. №2. 2014. С. 118-120. Мусакулова Ж.А. Нейросетевой анализ данных электроэнцефалограммы. Альманах современной науки и образования. Тамбов: Грамота, 2017. № 4-5. С. 68-72 Будко Р.Ю., Старченко И.Б., Будко А.Ю. Распознавание лицевой электромиограммы в системе управления вспомогательными устройствами. Перспективные системы и задачи управления, Материалы Двенадцатой Всероссийской научно-практической конференции и Восьмой молодежной школы-семинара «Управление и обработка информации в технических системах», Ростов-на-Дону, 2017г. С. 572-574 Будко Р.Ю., Чернов Н.Н, Будко А.Ю. Распознавание мышечных усилий по сигналу лицевой электромиограммы в режиме реального времени // Научный вестник НГТУ. – 2018. – № 2 (71). – С. 59–74. – doi: 10.17212/1814-1196-2018-2-59-74. Будко Р.Ю., Старченко И.Б., Будко А.Ю. Preprocessing Data for Facial Gestures Classifier on the Basis of the Neural Network Analysis of Biopotentials Muscle Signals. First International Conference, ICR 2016, Budapest, Hungary, August 24-26, 2016, Proceedings, Springer International Publishing, Vol. 9812, Online ISBN 978-3-319-43955-6, pp. 163-171. . Будко Р.Ю., Старченко И.Б. Создание классификатора мимических движений на основе анализа электромиограммы. Труды СПИИРАН. 2016. Выпуск 46. C. 76-89.

The authors declare that there are no conflicts of interest present.