способ отработки навыков физической деятельности живого существа

Формула изобретения

Способ отработки навыков физической деятельности, при котором создают эталонную модель движения органа, посредством которого осуществляется соответствующая физическая деятельность живого существа, регистрируют исполненное движение указанного органа, определяют параметры этого движения и определяют отклонения движения органа от эталонной модели движения для учета этого отклонения при отработке навыков физической деятельности, отличающийся тем, что отклонения движения указанного органа, которые учитывают при отработке навыков физической деятельности, являются прогнозируемыми и определяются на основе сравнения эталонной модели движения указанного органа с моделью прогнозируемого движения указанного органа, полученной с помощью нейронечеткой системы, для которой входными данными являются параметры исполненного движения.

Описание изобретения к патенту

Изобретение относится к области медицины и спорта, а именно медицинской и спортивной технике, и может быть использовано для тренировки спортсменов или реабилитации людей с заболеваниями или травмами опорно-двигательного аппарата.

Следуя павловской теории физиологии, все действия осуществляются на уровне простой рефлекторной дуги: раздражение - рецептор - чувствительный нейрон - сегмент спинного мозга - двигательный нейрон - исполнительный орган - это путь прохождения нервного импульса. Рефлекторную дугу контролируют вышележащие отделы центральной нервной системы (ЦНС). Различают безусловные, врожденные рефлексы, которые «вшиты» в структуру центральной нервной системы. И условные, вновь созданные, которые основаны на «проторении» нервных связей по Павлову. Эти «проторения» или «энграммы» по Бернштейну хранятся в памяти человека в виде связей между нейронами, образующими естественные нейронные сети коры головного мозга. В теории Бернштейна речь уже идет о построении сложного действия или навыка. Двигательный стереотип - это определенная программа, которая работает, следуя четкому алгоритму. Например: перемещение центра тяжести приводит к сокращению икроножной мышцы; результат - восстановление положения тела. Но обязательным условием для перемещения центра тяжести требуется определенная работа мозга, которая запускает эту двигательную программу для реализации. Перед запуском двигательной программы у человека, по существу, возникает образ того результата, который и есть окончание работы двигательной программы. Мыслим и, соответственно, управляем движениями мы посредством образов, чаще всего, зрительными, которые мы создаем на основе своего двигательного опыта (Бернштейн Н.А. Очерки о физиологии движений и физиологии активности. - М.: 1966. Н.А. Бернштейн «О ловкости и ее развитии», М., 1954.) (1), (2). Образное мышление - мышление в виде образов путем их создания, формирования, поддержки, передачи, оперирования, видоизменения с помощью мыслительных процессов. Оно входит как существенный компонент во все без исключения виды человеческой деятельности, реализуется с помощью механизма представления, передает знание не об отдельных изолированных сторонах (свойствах) реальной действительности, а формирует целостную мысленную картину отдельного участка действительности.

Известен способ отработки навыков физической деятельности, при котором создают эталонную модель движения органа, посредством которого осуществляется соответствующая физическая деятельность живого существа, регистрируют исполненное движение указанного органа, определяют параметры этого движения и определяют отклонения движения органа от эталонной модели его движения, для учета этого отклонения при отработке навыков физической деятельности (патент Украины UA 20874, опубл. 07.10.1997) (3). В данном способе навык какой-либо физической деятельности отрабатывается на основе восприятия исполненных движений органа, при осуществлении живым существом, например, человеком, указанной физической деятельности.

Задачей заявляемого изобретения является создание такого способа отработки навыков физической деятельности, при котором производится формирование и предъявление человеку, отрабатывающему навыки физической деятельности таких образцовых двигательных образов пациенту до начала выполнения движения, использование которых для воздействия на подсознание приведет к достижению технического результата, заключающегося в сокращении времени отработки или овладевания навыками заданной физической деятельности.

Технический результат достигается тем, что в способе отработки навыков физической деятельности, при котором создают эталонную модель движения органа, посредством которого осуществляется соответствующая физическая деятельность живого существа, регистрируют исполненное движение указанного органа, определяют параметры этого движения и определяют отклонения движения органа от эталонной модели его движения, для учета этого отклонения при отработке навыков физической деятельности, отклонения движения указанного органа, которые учитывают при отработке навыков физической деятельности являются прогнозируемыми и определяются по модели прогнозируемого движения указанного органа, полученной с помощью нейро-нечеткой системы, для которой входными данными являются параметры исполненного движения.

Поясним характер реализации способа и получение технического результата следующим образом.

Будущий двигательный образ у нас присутствует всегда, т.е. перед началом любого движения люди, по существу, представляют его конечный результат в виде образа, скорее всего зрительного. При видеосъемке и передачи изображения, например движения человека, на монитор, перед его глазами демонстрируется результат в прошлом, т.е. то, что произошло. На основании сравнения с ожидаемым образом в сознании в процессе овладевания навыками физическое леятельности делают поправку в движение, если оно является циклическим. Для удобства назовем это пассивным воздействием на сознание. Определение «пассивный» здесь означает, что ваше сознание воспринимает картинку и дальше обрабатывает его самостоятельно.

Введем понятие «активный сигнал» для ситуации, когда испытуемому представляют иллюзию того движения, которого еще нет, т.е., смоделированный образ будущего движения, «обманывая» таким образом, наше сознание.

Для того, чтобы этот прием действительно обеспечивал высокую эффективность обучения навыкам физической деятельности по смоделированному образу будущего движения, необходимо создание такой модели, которая действительно соответствует физическим особенностям данного человека.

Одним из наиболее перспективных в рассматриваемом контексте является направление с использованием нейро-нечетких моделей (ННМ) как «наилучших аппроксиматоров» (Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzy TECH. СПб.: БХВ-Петербург, 2003) (4). Они обладают целым рядом свойств, привлекательных для решения задач управления. К ним можно отнести, в частности, следующие свойства: - нейронные сети могут самообучаться любым функциям при достаточно большом объеме информации и правильном выборе самой нейронной модели. В отличие от традиционных методов и систем оптимального и адаптивного управления, это свойство избавляет от необходимости использовать соответствующие сложные математические модели.

Процедура построения прогностической модели с помощью пакета инженерных расчетов Matlab достаточно подробно описана в литературе (см. указанный выше источник).

С помощью нейро-нечеткого комплекса мы имеем возможность с большой точностью прогнозировать (что, собственно, и есть функция искусственной нейронной сети) поведение какой-либо системы во времени. Вначале происходит обучение нейронной сети. В этом случае идет пассивное воздействие (см. выше). Испытуемому задается шаблон циклического движения и по результатам, предъявляемым на экране перед его глазами, он делает коррекцию (обычная система с биологической обратной связью). После обучения система может предсказывать движения испытуемого и в этом случае происходит незаметный для испытуемого переход на активное воздействие, то есть отработка навыка физической деятельности с помощью иллюзорного (будущего) результата, а именно: по модели прогнозируемого движения органа человеческого тела в процессе осуществления физической деятельности, полученной с помощью нейро-нечеткой системы, для которой входными данными являются параметры исполненного движения.

Основным недостатком искусственных нейронных сетей является невозможность получить «знания», которые получились в результате обучения сети, т.к. они распределены по всем элементам сети и отдельно друг от друга не несут никакой смысловой нагрузки. Также недостатком нейронных сетей является отсутствие возможности объяснить выходной результат.

Этого недостатка лишены системы управления с нечеткой логикой,

в которых начальные данные и база знаний системы вводится априорно экспертом или полученные статистически.

Предметом нечеткой логики является построение моделей приближенных рассуждений человека и использование их в компьютерных системах.

Характеристикой нечеткого множества выступает функция принадлежности. Существует свыше десятка типовых форм кривых для задания функций принадлежности. Наибольшее распространение получили: треугольная, трапецеидальная и гауссова функции принадлежности.

Основой для проведения операции нечеткого логического вывода является база правил, содержащая нечеткие высказывания в форме "Если-то" и функции принадлежности для соответствующих лингвистических термов. При этом должны соблюдаться следующие условия:

1. Существует хотя бы одно правило для каждого лингвистического терма выходной переменной.

2. Для любого терма входной переменной имеется хотя бы одно правило, в котором этот терм используется в качестве предпосылки (левая часть правила).

В противном случае имеет место неполная база нечетких правил.

Пусть в базе правил имеется m правил вида:

R₁: ЕСЛИ x₁ - это А₁₁ И х_n это A_1n, ТО у - это В₁

R₁: ЕСЛИ x₁ - это А_i1 И х_n это A_in, ТО у - это В₁

R_m: ЕСЛИ x₁ - это А_i1 И х_n это A_mn, ТО у - это В_m , где x_k, k=1..n - входные переменные; у - выходная переменная; A_ik - заданные нечеткие множества с функциями принадлежности.

Результатом нечеткого вывода является четкое значение переменной у^* на основе заданных четких значений x_k, k=1..n

Психологи полагают, что на 90% наше поведение, привычки, образ жизни обусловлены подсознательными реакциями и убеждениями, а сознанием - только на 10.

В процессе осуществления физической деятельности (физические упражнения, ручной труд, игра на музыкальных инструментах и т.п.) органы человеческого тела совершают разнообразные движения. Можно считать, что человек тогда овладел соответствующими навыками, когда соответствующие движения органов, посредством которых человек осуществляет тот или иной вид физической деятельности, соответствуют некоему принятому или разработанному эталону (эталонной модели). В соответствии с предлагаемым способом отработки навыков физической деятельности испытуемого предварительно определяют характерные особенности выполнения им заданного движения по регистрируемым параметрам, с которыми сравнивают текущие действительные значения параметра в процессе сеанса отработки навыка физической деятельности, преобразуемые в эффективные сенсорные (зрительные) сигналы, предъявляемые испытуемому для управления, в удобной символической форме изображения для контроля степени отклонения параметра от модельного значения, по которой осуществляют дифференцированную оценку неполноценности двигательного параметра и в зависимости от этого изменяют предъявляемую пациенту траекторию движения.

Способ обеспечивает отработку навыков физической деятельности, в котором могло бы производится формирование и предъявление человеку, отрабатывающему навыки физической деятельности таких образцовых двигательных образов пациенту до начала выполнения движения, использование которых для воздействия на подсознание приводит к сокращению времени отработки или овладевания навыками заданной физической деятельности.

Источники информации, принятые во внимание:

1. Бернштейн Н.А. Очерки о физиологии движений и физиологии активности. - М.: 1966.

2. Бернштейн Н.А. «О ловкости и ее развитии». - М., 1954.

3. Патент Украины UA 20874, опубл. 07.10.1997 (прототип).

4. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzy TECH. - СПб.: БХВ-Петербург, 2003.