Проект посвящен разработке, адаптации и развитию количественных методов анализа многоканальных электроэнцефалограмм (ЭЭГ) человека с целью последующего применения этих методов для выявления особенностей нейродинамики мозга при различных состояниях сознания, в том числе в состоянии медитации. В рамках проекта получат развитие некоторые методы теории сложных систем (complexity theory), первоначально хорошо зарекомендовавшие себя в физике. Среди них будут развиты и адаптированы для ЭЭГ методы нелинейного динамического и мультифрактального анализа временных рядов, сетевые методы анализа, использующие теорию графов и методы вычислительной топологии, методы вейвлет анализа, современные методы интеллектуального анализа печатных текстов, методы изучения динамики моделей реалистических нейронных сетей, а также классификационные методы c применением искусственных нейронных сетей. В рамках проекта решаются следующие конкретные задачи:

1 .Сбор и автоматизированная обработка расширенных баз данных ЭЭГ испытуемых в состояниях фона и медитации. Разработка соответствующего программного обеспечения.

2 .Извлечение из мультифрактальных спектров основных характеристик различных состояний сознания на основе метода MFDMA (Multifractal Detrended Moving Average). Разработка программного обеспечения для решения этой задачи.

3. Модификация процедуры фильтрации и детрендирования рядов ЭЭГ с помощью разложения на эмпирические моды (EMD-разложение) как способа отделения полезной ЭЭГ от физиологических и физических шумов. Изучение вероятностных и иных характеристик выделенных шумов и отфильтрованных ЭЭГ.

4. Развитие нелинейных динамических методов исследования реконструированных аттракторов для временных рядов ЭЭГ. Разработка новых подходов будет происходить на основе предварительной фильтрации и детрендирования рядов ЭЭГ с помощью разложения на эмпирические моды (EMD-разложение).

5. Разработка программного обеспечения для робастного вычисления корреляционных размерностей модифицированных реконструированных аттракторов для сигналов ЭЭГ и их сравнение в различных состояниях сознания.

6. Развитие метода вычисления ляпуновских показателей (как количественной меры хаоса) по временным рядам ЭЭГ на основе комбинирования нейросетевой реконструкции модельных динамических систем, соответствующих различным состояниям сознания, и QR- алгоритма. Разработка программного обеспечения для решения этой задачи.

7. Анализ частотной и временной динамики различных состояний сознания с помощью метода вейвлет-фазовой синхронизации.

8. Анализ функциональных сетей мозговой активности, которые возникают при различных состояний сознания.

9. Разработка метода классификации участков временных рядов аналогичного так называемому методу Word2Vec (разработан Google в 2015 году) и применение его для анализа ЭЭГ при различных состояниях сознания.
10. Изучение наиболее универсальных свойств динамических режимов моделей реалистических нейронных сетей и проведение исследования ЭЭГ с целью выявления их устойчивых количественных характеристик для различных состояний сознания.

11. Разработка нейросетевого интеллектуального классификатора временных рядов ЭЭГ для адаптивной кластеризации, классификации и визуализации данных испытуемых, находящихся в различных состояний сознания