Описание программы. 
Моделирование процесса обучения движениям в сложных биомеханических системах на основе нейро-нечетких комплексов

Программа состоит из четырех логических блоков:

• — основной блок программ — реализует функционал программы и связывает остальные блоки программы;
• — графический интерфейс — реализует возможность удобной настройки различных параметров программы пользователю;
• — блок для обработки данных с СОМ-Порта — обрабатывает данные с внешнего устройства, подключенного через СОМ-порт, позволяющие проводить тестирование на платформе;
• — блок адаптивной нейро-нечеткой системы — реализует полный функционал для обработки данных в программе с помощью гибридной сети.

Все, кроме основного блока, реализовано в. dll (Dynamic link library) — динамически подключаемые библиотеки. Это осуществляет гибкое связывание компонентов программы на этапе выполнения, что в свою очередь оптимизирует используемые ресурсы системы, необходимые для работы программы.

Основной блок реализован как исполняемый файл.

Все слои системы инициализируются в определенном порядке. В некоторых функциях используются их перегруженные варианты. Это обеспечивает возможность обработки различных типов входных данных.

Один тип входных данных реализует возможность обработки ошибок, которые делает испытуемый, ошибаясь по амплитуде, другой тип данных используется, когда обрабатываются данные с ошибкой по времени.

Таким образом, при обработке ошибок по амплитуде в систему необходимо вводить данные о радиусе траектории, по которой движется эталонный маркер.

При инициализации системы основные параметры загружаются из файла настроек.

Данные, записываемые программой, хранятся в определенных папках (индивидуальных для каждого испытуемого) в текстовых файлах в заданном формате, что позволяет сохранять все необходимые для дальнейшей обработки параметры и дает возможность также просматривать эти данные без дополнительного программного обеспечения.

Рис 2. Принципиальная схема нейро-нечеткой системы

На рис. 2 изображена принципиальная схема устройства адаптивной нейро-нечеткой системы. Система состоит из 4-х вычислительных слоев и 3-х слоев связей. В каждом слое нейронов находится переменное (в зависимости от количества входов и выходов) число элементов.

Для обучения используется алгоритм обратного распространения ошибки (Back-Propagation Algorithm), который позволяет достигать заданного качества обучения многослойных сетей.

Функции каждого слоя:

Слой 1 — представляет функции принадлежности, реализованные как радиально базисные нейроны.

Слой 2 — моделирует И-условия правил, в нем содержится полный набор правил, которые в дальнейшем редактируются и выводятся.

Слой 3 — представляет собой ИЛИ — комбинацию. В режиме обучения слой настраивает параметры функций принадлежности в третьем слое. В рабочем режиме формирует значения выхода, объединяя правила.

Слой 4 — в рабочем режиме осуществляет дефаззификацию, нормализацию и вывод системы; а в режиме обучения — это дополнительный вход, позволяющий настроить функцию принадлежности выходной переменной.

В связи с недостатками существующих реализаций была написана своя реализация адаптивной нейро-нечеткой системы.

Реализации программы для проведения тестирования и модуля адаптивной нейро-нечеткой системы написаны под операционную систему Microsoft Windows XP SP2 или выше, с установленными пакетами Microsoft.Net Framework 3.5 или выше, и Microsoft DirectX 9.0 или выше.

Для написания программы была выбрана технология.Net и язык программирования C#, который позволяет на высоком программном уровне строить как пользовательские приложения, так и технические библиотеки.

Общий ход работы программы:

Испытуемый встает на платформу и делает пробное количество кругов. После прохождения определенного количества кругов происходит запись координат стабилограммы.

В программе определяется сектор, в котором испытуемый совершил набольшее количество ошибок при движении. И дальше будет происходить обработка данных этого сектора.

По полученной выборке нейро-нечеткая система начинает генерацию своей структуры, т. е. генерирует полный набор правил и выбирает используемые, затем дообучается по этой же выборке, в которой несколько точек упорядоченного набора координат — это входной параметр, а следующие за ними соответствующие точки стабилограммы выходной.

Если обучаемость не достигает нужного, заданного априори, качества, то повторяется цикл приема, обработки данных и дообучения системы.

На выходе получается набор «правил», описывающий характерные ошибки пациента в данном тестовом упражнении.

После окончания тестирования у оператора есть возможность просмотреть график траектории движения испытуемого в конкретном тесте.

Окно просмотра графического отображения траектории выглядит следующим образом (рис. 3):

Рис 3. Окно для отображения графиков программы