Дисертаційна робота присвячена підвищенню точності виконання протезом кінцівки руки когнітивних команд шляхом створення інформаційної технології машинного навчання системи керування протезом кінцівки руки для розпізнавання електроміографічних біосигналів в рамках функціонального підходу до моделювання когнітивних процесів природного інтелекту при формуванні та прийнятті класифікаційних рішень. За результатами аналізу сучасного стану та тенденцій розвитку інтелектуалних протезів кінцівок показано, що протези з інвазивною системою зчитування електроміографічних біосигналів характеризуються більшою точністю виконання когнітивних команд у порівнянні з неінвазивною системою. Але інвазивна система зчитування біосигналів потребує хірургічного втручання, створює для особи з інвалідністю некомфортні умови і не забезпечує через недосканалість існуючих інформаційних технологій розпізнавання електроміографічних сигналів відновлення втрачених функцій руки. У порівнянні з протезами руки з інвазивною системою зчитування біосигналів протези з неінвазивною системою зчитування є суттєво дешевшими та зручнішими при їх використанні. Але через високу зашумленість біосигналів, багатовимірність простору ознак розпізнавання і суттєвий перетин в просторі ознак розпізнавання класів розпізнавання, які характеризують основні рухи протезу, розробка інтелектуальних протезів вимагає подолання ускладнень науково-методологічного характеру, на які впливають такі фактори:довільні початкові умови формування електроміографічних біосигналів, обумовлених пошкодженням когнітивно-нервового тракту проходження біосигналу; перетин класів розпізнавання, що утворює у просторі ознак апріорно нечітке їх розбиття; багатовимірність словника ознак і алфавіту класів розпізнавання; вплив неконтрольованих факторів, пов’язаних, наприклад, із щільністю прилягання електроміографічних датчиків, їх місцезнаходженням, змінами параметрів живлення, емоційно-психічного стану особи з інвалідністю тощо, що обумовлює зашумленість та спотворення електроміографічних біосигналів відповідних когнітивних команд. Саме через такі причини алгоритми машинного навчання системи керування протезом руки з використанням відомих методів технології Data Mining, включаючи нейроподібні структури, не забезпечують високу точність виконання когнітивних команд. Тому дисертаційна робота, яка виконана у науковій проблемній лабораторії кафедри комп’ютерних наук Сумського державного університету, є актуальною, оскільки спрямована на розв’язання важливої науково-практичної задачі підвищення функціональної ефективності протезів руки з неінвазивною системою зчитування біосигналів і наближення їх до функціональних можливостей інвазивних при збереженні відносно невисокої собівартості є актуальною. У дисертаційній роботі дослідження виконувалися у рамках створеної в Сумському державному університеті так званої інформаційно-екстремальної інтелектуальної технології аналізу даних, яка ґрунтується на максимізації інформаційної спроможності системи керування в процесі машинного навчання. Ідея розроблених методів інформаційно-екстремального машинного навчання системи керування протезом кисті руки для розпізнавання електроміографічних біосигналів як і в штучних нейронних мережах полягає в адаптації в процесі машинного навчання вхідного математичного опису до максимальної повної ймовірності прийняття правильних діагностичних рішень. Але основна перевага методів інформаційно-екстремального машинного навчання перед нейроподібними структурами полягає в тому, що вони розроблені у рамках функціонального підходу до моделювання когнітивних процесів, притаманних людині при формуванні та прийнятті класифікаційних рішень. Такий підхід на відміну від штучних нейронних мереж дозволяє методам інформаційно-екстремального машинного навчання надати гнучкість при перенавчанні системи через розширення алфавіту класів розпізнавання. Водночас побудовані в рамках геометричного підходу вирішальні правила практично є інваріантними до багатовимірності словника ознак розпізнавання. Крім того, для формування навчальної матриці потрібно на порядок менше зразків, що є важливою перевагою перед нейроподібними структурами. У дисертаційній роботі розв’язано важливе науково-практичне завдання розроблення інформаційної інтелектуальної технології машинного навчання системи керування протезом кінцівки руки з неінвазивною системою зчитування біосигналів в рамках функціонального підходу до моделювання когнітивних процесів.
На основі запропонованих моделей, методів та алгоритмів реалізовано засоби інформаційної технології машинного навчання системи керування протезом кінцівки руки, які включають модулі формування вхідного математичного опису, машинного навчання, побудови вирішальних правил та функціонування системи в режимах функціонального тестування та екзамену.
