кандидат биологических наук;
candidate of sciences in biology;
Целью исследования было выявление наиболее информативных вегетативных показателей, отражающих уровень сложности выполняемого спортсменами сенсомоторного задания с применением различных классификационных моделей. В качестве заданий двух уровней сложности использовали задачу на слухомоторную синхронизацию с заданным ритмом под метроном (простое задание) и удержание его по памяти (сложное задание). Регистрировались показатели работы сердца, параметры дыхания, кожная проводимость, ЭЭГ. Наиболее точную классификацию продемонстрировала модель Classification and Regression Trees (C&RT) – ошибка составила 18,3%.
The study aimed to identify the most sensitive autonomic indicators reflecting the level of complexity of the sensorimotor task performed by athletes using various machine learning methods (classification algorithms). As tasks of two levels of difficulty, we used the audio-motor synchronization task: to tap in synchrony with a metronome rhythmic sound (a simple task) and to tap the same rhythm without auditory cues (rhythm memory task, a complex task). Heart rate, respiratory parameters, skin conduction, and EEG were recorded. The most accurate classification was demonstrated by the Classification and Regression Trees (C&RT) model – the error was 18.3%.