Vanredni profesor na Katedri za informacione tehnologije i računarske nauke Univerziteta MISIS, doktor nauka, matematičar i doktor Aleksandra Bernadot razvila je algoritme koji značajno povećavaju tačnost prepoznavanja mentalnih komandi robotskim uređajima. Rezultat se postiže optimizacijom izbora rečnika. Algoritmi implementirani u robotskim uređajima mogu se koristiti za prenos informacija preko bučnih komunikacionih kanala. Rezultati su objavljeni u recenziranom međunarodnom naučnom časopisu Mathematics.
Zadatak poboljšanja tačnosti klasifikacije objekata (audio, video ili elektromagnetni signali) prilikom sastavljanja takozvanih „rečnika“ uređaja suočavaju se programeri različitih sistema koji imaju za cilj da poboljšaju kvalitet ljudskog života.
Najjednostavniji primer je glasovni asistent. Uređaji za audio ili video prenos za daljinsko upravljanje objektom u zoni linije vidljivosti koriste ograničen skup komandi. Istovremeno, važno je da klasifikator komandi zasnovan na neuronskoj mreži tačno razume i ne zbuni komande uključene u rečnik uređaja. To takođe znači da tačnost prepoznavanja ne bi trebalo da padne ispod određene vrednosti u prisustvu stranog šuma.
Izbor ograničenog rečnika komandi je takođe veoma relevantan za interfejs mozak-računar (BCI) koji se koristi za daljinsko upravljanje robotskom rukom od strane ljudi sa poremećajima kretanja. Uređaj percipira i prepoznaje obrasce električne aktivnosti mozga kada osoba razmišlja o određenoj komandi.
Teškoća je u tome što su ovi obrasci slični za reči sa sličnim značenjima ili zvucima. S tim u vezi, ozbiljan problem predstavlja klasifikacija mentalnih ili drugih komandi iz specifičnog rečnika za projektovanje ulaznih uređaja pomoću zvučnog ili elektromagnetnog signala. Međutim, 16–20 komandi je dovoljno za kontrolu većine robotskih uređaja, a prioritet se ne daje raznolikosti objekata u rečniku, već kvalitetu prepoznavanja.
Algoritmi Makimin i Makimal koje je predložila Aleksandra Bernadot u svom radu omogućavaju odabir skupa objekata rečnika kako bi se maksimizirala tačnost klasifikacije dok se vreme za izbor rečnika komandi smanjilo za pet redova veličine u poređenju sa algoritmom grube sile.
„Postojeći algoritmi, obično pomažu u povećanju tačnosti klasifikacije već kreiranog rečnika. Moj cilj je bio da optimizujem sam proces izbora komandi rečnika. Maksimin algoritam je efikasan kada je rečnik dovoljno velik i želite da se reči podjednako prepoznaju. algoritam Makimal se koristi ako treba da povećamo tačnost prepoznavanja, a resursa za izbor rečnika ima znatno više.
„Ideja rešavanja problema je da se skup objekata (kodiranih kao niz simbola ili vizuelnih sekvenci) predstavi u obliku k-partitnog grafa, gde svaki deo grafa odgovara grupi objekata sa određenim zajednička karakteristika (klasa ekvivalencije).Ivice grafa imaju težine koje odgovaraju vrednosti Kolmogorov-Smirnovovog kriterijuma dobijenog na distribucijama n-dimenzionalnih signala mentalnih komandi koje pripadaju različitim klasama ekvivalencije—različitim partitima.
„Pronalaženje klika sa maksimalnom ili maksimalnom ukupnom težinom na ovom grafikonu daje željeni rečnik komandi koje su klasifikovane sa tačnošću koja nije niža od navedene. Ovaj algoritam se može koristiti za različite zadatke u oblasti prenosa informacija“, objašnjavaju. dr Aleksandra Bernadot, matematičar i doktor, vanredni profesor na Katedri za informacione tehnologije i računarske nauke Univerziteta MISIS, zaposleni na Mehaničko-matematičkom fakultetu Moskovskog državnog univerziteta Lomonosov.
