С.В. Челебаев – к.т.н., доцент, кафедра автоматизированных систем управления,  Рязанский государственный радиотехнический университет им. В.Ф. Уткина

E-mail: sergeychelr@yandex.ru

Ю.А. Челебаева – аспирант, кафедра информационно-измерительной и биомедицинской техники,  Рязанский государственный радиотехнический университет им. В.Ф. Уткина

E-mail: chel-juliya@yandex.ru

Постановка проблемы. В настоящее время имеется потребность в реализации функциональной зависимости двух и более переменных в устройствах преобразования биосигналов. Одной из главных проблем является повышение точности воспроизведения нелинейной функциональной зависимости двух переменных. Одним из способов повышения точности функциональных преобразователей биосигналов является математический аппарат искусственных нейронных сетей. Цель – разработка моделей структур преобразователей частотно-временны́х параметров биосигналов в код двух переменных для уменьшения погрешности преобразования при воспроизведении ими нелинейных функциональных зависимостей.

Результаты. Предложены нейросетевые структуры преобразователей частотно-временны́х параметров биосигналов в цифровой код на основе двухслойного и трехслойного персептронов на математическом уровне описания. Рассмотрено несколько вариантов распределения нейронов между скрытыми слоями трехслойной сети преобразователя биосигналов. Предложена методика настройки преобразователей частотно-временны́х параметров биосигналов в код двух переменных, состоящая из шести этапов. Результаты настройки нейросетевых преобразователей двух переменных приведены для выбранной функции. Проанализировано влияние параметра активационной функции на величину погрешности преобразования. Исследовано влияние объема обучающей выборки на величину погрешности преобразования. Получены зависимости ошибки преобразования от количества нейронов скрытых слоев для нейросетей с одним и двумя скрытыми слоями. Исследованы вопросы оптимального распределения нейронов сети преобразователя между скрытыми слоями.

Рассмотрены вопросы реализации предложенных моделей на программируемых логических интегральных схемах (ПЛИС). Предложено использовать кусочно-линейную аппроксимацию в качестве способа реализации сигмоидной функции активации нейронов на ПЛИС. Найдена зависимость количества участков аппроксимации от точности воспроизведения сигмоидной функции активации нейронов. В качестве примера приведены коэффициенты кусочно-линейной аппроксимации для сигмоидной активационной функции. Приведены аппаратные затраты на реализацию функции активации с учетом полученных коэффициентов.

Практическая значимость. Полученные результаты позволяют сделать вывод, что предложенные структуры преобразователей частотно-временны́х параметров биосигналов в цифровой код двух переменных имеют низкую погрешность воспроизведения нелинейной зависимости и могут быть реализованы на ПЛИС с незначительными аппаратными затратами.

1. Головко В.А. Нейронные сети: обучение, организация и применение. М.: ИПРЖР. 2001. 256 с.
2. Березный Е.А., Рубин А.М., Утехина Г.А. Практическая кардиоритмография. М.: Нео. 2005. 140 c.
3. Daponte P., Grimaldi D., Michaeli L. Gray code ADC based on analog neural curcuit // Radioengineering. Apr. 1995. V. 4.  № 1. P. 7–12.
4. Локтюхин В.Н., Челебаев С.В. Нейросетевые преобразователи импульсно-аналоговой информации: организация, синтез, реализация / Под общ. ред. А.И. Галушкина. М.: Горячая линия–Телеком. 2008. 144 с.
5. Локтюхин В.Н., Челебаев С.В., Антоненко А.В. Нейросетевые аналого-цифровые преобразователи. М.: Горячая линия– Телеком. 2010. 128 с.
6. Галушкин А.И. Нейронные сети: основы теории. М.: Горячая линия–Телеком. 2010. 496 с.