Details

Предмет исследования. Механизмы помехоустойчивого зрительного восприятия человека и их моделирование с использованием генеративных нейросетевых моделей. Цель работы. Анализ механизмов распознавания зрительных сигналов человеком в условиях помех и ограничений, вносимых внутренними шумами, и разработка эффективных вычислительных технологий, реализующих эвристические принципы работы зрительной системы. Метод. Анализ психофизических и нейрофизиологических данных по оценке эффективности восприятия, характеристик внутреннего шума, процессов реконструкции образов. Компьютерное моделирование механизмов восприятия с использованием генеративных нейросетей. Основные результаты. Представлен анализ проведённых исследований порогов зрительного восприятия в условиях помехи. Установлены характеристики внутреннего шума, как эквивалентного. Показано, что эффективность зрительного восприятия определяется ограничениями, накладываемыми внутренним шумом и внешними условиями неопределённости. Снижение эффективности восприятия отражает нарушения обработки информации при сенсорной и когнитивной патологии. Показано, что при помощи генеративных нейросетевых моделей возможно провести моделирование ключевых феноменов восприятия в условиях помех. Практическая значимость. Разработанные вычислительные модели открывают возможности для исследования механизмов помехоустойчивого восприятия и дифференциальной диагностики нарушений обработки информации в зрительной системе.

Subject of study. Mechanisms of noise-resistant visual perception in humans and their modeling using generative neural networks. Aim of study. Analysis of the mechanisms of human recognition of visual signals under conditions of interference and limitations introduced by internal noise, and the development of effective computing technologies that implement heuristic principles of the visual system. Methods. Analysis of psychophysical and neurophysiological data on perception efficiency, internal noise, and image reconstruction. Computer modeling of perception mechanisms using generative neural networks. Main results. The paper presents an analysis of the performed studies on visual perception thresholds in the presence of noise. The properties of internal noise, as an equivalent, have been determined. The study reveals that visual perception efficiency is determined by limitations imposed by internal noise and external uncertainty. Reduced efficiency indicates information processing disorders in sensory and cognitive pathology. The research shows that generative neural network models enable the modeling of crucial perceptual phenomena in noisy environments. Practical significance. The developed computational models enable research into noise-resistant perception mechanisms and differential diagnosis of visual information processing disorders.