Сложные биосистемы (complexity) нельзя относить к традиционным хаотическим системам, т.к. для них невозможно рассчитывать автокорреляционные функции, экспоненты Ляпунова, нет выполнения свойства перемешивания и непрерывно их вектор состояния x(t) демонстрирует хаотическое движение в виде dx/dteO. Поскольку начальное состояние x(to) невозможно повторить произвольно для таких систем, то возникают неопределенности 1-го и 2-го типа. Для 1-го типа неопределенности характерно отсутствие статистически значимых различий между выборками, но в нейрокомпьютинге и теории хаоса-самоорганизации эти выборки четко различаются, Представлены примеры такой ситуации для параметров кардио-респираторной системы человека при широтных перемещениях больших групп людей. Показывается, что нейрокомпьютер не только решает задачу бинарной классификации, но и идентифицирует параметры порядка у диагностических признаков. Очень важно при этом увеличивать число итераций при повторах задачи бинарной классификации. При таком числе итераций возможны ошибки в рамках параметров порядка.
Complex Biosystems (complexity) cannot be attributed to traditional chaotic systems, because for them it is impossible to calculate the autocorrelation function, Lyapunov exponent, no run properties of mixing, continuously the state vector x(t) demonstrates chaotic motion in the form άχίάίΦθ. Since the initial state x(to) is arbitrarily unrepeatable for such systems, type-one uncertainty and type-two uncertainty arise. Type-one uncertainty is characterized by absence of statistically significant differences between samples. The authors propose neurocomputing methods and theory of chaos and self-organization to differentiate these samples. The authors present examples of such a situation for the parameters of the cardio-respiratory system of humans in conditions of the latitudinal displacement of large groups of people. It is shown that the neuroemulator not only solves the problem of binary classification, but also identifies the order parameters in diagnostic signs. It is very important to increase the number of iterations in the repetition of binary classification. The number of iteration (when we repeat the neuroemulator procedure) has the fundamental role for identification of order parameters. Errors are possible within the order parameters with the high number of iterations.
Введение. Возможность применения различных статистических методов в оценке динамики кардио-интервалов остается дискуссионной. Многочисленные попытки анализа амплитудно-частотных характеристик (АЧХ), автокорреляционных функций A(t), расчета экспонент Ляпунова, свойства перемешивания, использования теории фракталов и других подходов не могут демонстрировать значимые результаты при изучении ритма сердца - кардиоинтервалов (КИ). Сегодня можно четко сказать, что все эти методы (если их принять в условиях кратных повторений) не имеют диагностическую ценность. Использование стохастики в медицине и биологии наталкивается на трудности из-за неустойчивости получаемых результатов даже для одного человека (и тем более для групп испытуемых) [5,8,9,15,17]. При этом главная проблема такой низкой эффективности традиционной науки заключена именно в хаотической особенности поведения кардиоинтервалов, которые очень похожи на постуральный тремор. Выборки тремора и кардиоинтервалов аналогичны. Стохастические методы при изучении произвольности и непроизвольности в движениях - аналогичны всем процессам, обеспечивающим гомео-стаз, т. к. имеется постоянная хаотическая динамика изменения всех параметров х; вектора состояния сложных биосистем - Complexity X=x(t)=(xi, Х2,..., Хт) в фазовом пространстве состояний (ФПС) и характеризует состояние complexity [9]. На многочисленных примерах для x(t) и его компонент х; всегда выполняется условие dx/dt≠0, x≠const, что составляет основу разрабатываемой теории хаоса-самоорганизации (ТХС) [1,2,6,7,14-16]. Методы стохастики для систем третьего типа (СТТ) - complexity не могут быть использованы из-за особой хаотической динамики поведения x(t) в ФПС. Это не только отсутствие стационарности dx/dt≠0, т. е.