В данной работе рассмотрены различные подходы к генерации синтетических сигналов, имитирующих электрокардиограмму (ЭКГ) человека, с акцентом на нестационарность временного ряда и наличие разнообразных форм волны сигнала. Предлагаются результаты анализа трех подходов к генерации синтетических нестационарных ЭКГ-подобных сигналов, включающих: 1) правило-ориентированный подход, при котором модель ЭКГ строится на основе суммы гауссовых функций, каждая из которых моделирует характерную волну (где P --- волна предсердной деполяризации, QRS --- комплекс желудочковой деполяризации, T --- волна реполяризации); 2) стохастические модели с использованием Марковских цепей для эмуляции переходов между различными физиологическими состояниями; 3) нейросетевые генераторы, не основанные на жестко заданных правилах (например, рекуррентная LSTM с случайными весами). Показано, как модель ЭКГ-сигнала, полученную при каждом из подходов, можно модифицировать для внесения нестационарности, в частности вариации длительности сердечных циклов, переключения состояний) и добавления локальных артефактов записи, например зашумлённых участков. Предложенные подходы могут быть использованы при тестировании алгоритмов кластеризации и анализа временных рядов, когда необходимо проверить устойчивость методов к~шумам, редким событиям и смене состояний. С. 24-35.
In this paper, various approaches to the generation of synthetic signals simulating a human electrocardiogram (ECG) are considered, with an emphasis on non-stationarity and the presence of various waveforms. Three main types of methods are proposed: 1) rule-based, based on the sum of Gaussians for modeling waves P, Q, R, S, T; 2) stochastic models based on Markov chains, allowing to emulate transitions between different physiological states; 3) neural network generators without strict rules (for example, a recurrent LSTM network with random weights). It is shown how each of the models can be modified to introduce nonstationarity (variations in the duration of cardiac cycles, switching states) and adding local recording artifacts (noisy areas). The proposed methods can be used in testing clustering and time series analysis algorithms when it is necessary to test the methods' resistance to noise, rare events, and state changes.
Ключевые слова: синтетическая ЭКГ, нестационарные сигналы, генерация сигналов, временные ряды, rule-based методы, марковские цепи, нейросетевые генераторы, LSTM.
Keywords: synthetic ECG, nonstationary signals, signal generation, time series, rule-based methods, Markov chains, neural network generators, LSTM.
В статье рассматривается проблема автоматизации профориентации на основе анализа цифрового следа пользователей социальной сети «ВКонтакте». Цель исследования заключается в повышении доступности и точности диагностики профессиональных интересов посредством мини-приложения «AI профориентатор» на платформе VK Mini Apps. В основе методологии лежит задача классификации с несколькими метками: для каждого из шести профессиональных типов модели RIASEC формируется отдельный бинарный выход с сигмоидальной активацией, а обучение осуществляется с использованием функции потерь Binary Cross-Entropy. Модель обучена на данных пользователей, прошедших тест Голланда, и их подписках на сообщества, собранных через приложение «Психологические тесты». Техническая реализация построена по принципу клиент–серверного взаимодействия с архитектурой REST API, включающей обработку данных, взаимодействие с ML-сервером и формирование результатов. Разработанная система обеспечивает полный цикл работы: извлечение и валидация подписок, предсказание профессионального типа личности по шести категориям Голланда и отображение результатов пользователю. Модель продемонстрировала Top-1 точность 47,1 % и Top-2 --- 72,3 %, что подтверждает её применимость в профориентационной диагностике. Созданная система автоматизирует процесс первичной профориентации и может использоваться как индивидуальными пользователями, так и организациями для оптимизации подбора и развития персонала. Новизна работы заключается в комплексной интеграции нейросетевых методов и архитектуры клиент-серверного приложения в социальную сеть, обеспечивающей персонализированный и масштабируемый подход к профориентации. С. 36-47.
Ключевые слова: профориентация, цифровой след, машинное обучение, социальные сети, клиент-серверное приложение, предсказательная модель, тест Голланда.