Самообучающееся эволюционное обучение для сегментации нейродинамических временных рядов с учётом прогрессии при принятии решений в условиях безопасности

В статье представлен новый метод анализа нейродинамических временных рядов, полученных в процессе принятия решений в условиях, критических для безопасности. Метод основан на самообучающемся эволюционном обучении и позволяет сегментировать данные с учётом их прогрессии во времени. Это открывает возможности для более точного моделирования когнитивных процессов и выявления паттернов, связанных с риском.

**Выводы:** Разработанный метод самообучающегося эволюционного обучения позволяет эффективно сегментировать нейродинамические временные ряды, что улучшает понимание когнитивных процессов при принятии решений в условиях безопасности. Данный подход может быть применён для выявления ранних признаков когнитивных нарушений.