Куприн П.П. «Современные акустические экраны в системах защиты человека от воздействия шума» Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова. Белгород, 01–20 мая 2016 года. 2016, с. 574-578 (2016)

Негорожина К.А., Ошита А.Л. «Городской шум и мероприятия по его снижению в г. Белгород» Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова. Белгород, 01–20 мая 2016 года. 2016, с. 881-885 (2016)

Денисенко Е.С., Воронкина Е.П., Шайхутдинова А.М. «Разновидности звукопоглощающих материалов подвесных потолочных систем» Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова. Белгород, 01–20 мая 2016 года. 2016, с. 2593-2597 (2016)

Шайхутдинова А.М., Денисенко Е.С., Воронкина Е.П. «Особенности применения акустических потолочных систем в общественных зданиях» Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова. Белгород, 01–20 мая 2016 года. 2016, с. 3076-3079 (2016)

Монич С.Г., Саяб А., Галаваченко П.О. «Ударно-волновой генератор» Приборостроение-2021. Материалы 14-й Международной научно-технической конференции. Минск, 17–19 ноября 2021 года, с. 314-315 (2021)

Отражена проблема использования медико-технических средств для лечения и профилактики заболеваний суставов конечностей и позвоночного столба человека, приведены схема конструкции ударно-волнового генератора и описание принципа его действия, отмечено, что достоинством приведенной конструкции генератора ударно-волновых импульсов является низкая амплитуда полуволны отрицательного давления из-за исключения неравномерности магнитного поля.

Колесник А.Г., Побаченко С.В., Соловьев А.В. «Оценка сопряженности показателей ЭЭГ мозга человека с параметрами фоновых инфразвуковых колебаний давления по данным мониторинговых исследований» Геофизические процессы и биосфера, 12, № 1, с. 70-80 (2013)

Ключевые слова: синхронный мониторинг, инфразвуковые колебания, ЭЭГ человека, биоритмическая активность

Радзиминович Я.Б., Новопашина А.В., Лухнева О.Ф. «Сейсмические воздействия и аномальное поведение животных: пример Быстринского землетрясения 21.09.2020 г. (M_w=5.5) в Южном Прибайкалье» Геофизические процессы и биосфера, 20, № 3, с. 61-75 (2021)

Рассматривается реакция животных на сравнительно сильное (M_w=5.5) Быстринское землетрясение, произошедшее 21.09.2020 г. в Южном Прибайкалье. Размещение в сети Интернет интерактивного опросного листа дало возможность собрать существенно больший объем макросейсмических данных, чем было возможно ранее. Из 3012 полученных откликов 1169 (42.71%) сообщений содержат сведения о поведении животных до, во время и после землетрясения. Наибольшую статистическую представительность имеют сообщения о домашних собаках, кошках и попугаях. Анализ собранного фактического материала позволил получить соотношение отреагировавших на землетрясение и индифферентных к нему животных, а также определить основные типы реакций, обусловленных сейсмическим воздействием. Наибольшее количество случаев нетипичных поведенческих реакций наблюдалось непосредственно в момент землетрясения. Кроме того, необычное поведение отмечено в период от нескольких часов до нескольких минут перед землетрясением; при этом количество сообщений о предваряющей землетрясение реакции животных заметно превышает статистическую погрешность. Пороговое значение интенсивности сотрясений, при котором реакция животных приобретала выраженный характер, оценивается в IV балла по шкале MSK-64. Возможно, что наряду с ощутимыми сотрясениями реакция животных на сейсмическое воздействие могла быть обусловлена и другими факторами, в том числе наличием низкочастотного подземного гула. Полученные результаты являются первым опытом анализа сейсмически обусловленного поведения животных для территории Южного Прибайкалья и могут быть полезны для дальнейших исследований реакции живых существ на сейсмические воздействия. Ключевые слова: необычное поведение животных, землетрясение, макросейсмические данные, Южное Прибайкалье.

Егорчев А.А., Пашин Д.М., Сарамбаев Н.А., Фахрутдинов А.Ф. «Анализ систем определения и классификации эмоций человека по данным звукового потока» Известия Южного федерального университета. Технические науки, № 4, с. 91-100 (2024)

В современной быстро меняющейся и требовательной рабочей среде способность быстро и точно оценить эмоциональное состояние сотрудника имеет решающее значение для защиты человеческих жизней и снижения материальных рисков. Эмоциональное благополучие играет важную роль в обеспечении безопасности на рабочем месте, производительности труда и общего психического здоровья. Поэтому разработка эффективных инструментов для мониторинга негативных эмоций и реагирования на них является актуальной задачей современности. Целью данного исследования является разработка алгоритма, способного классифицировать эмоции, используя аудиоданные, записанные смартфоном пользователя. Такой инструмент особенно полезен, если интегрирован в более широкую систему мониторинга здоровья, позволяющую оценивать показатели здоровья человека в режиме реального времени с помощью неинвазивных методов. В статье представлено новое решение, которое использует акустические сигналы, улавливаемые микрофоном смартфона, для обнаружения и классификации эмоций пользователя. Используя сверточные нейронные сети (CNNS), тип алгоритма глубокого обучения, известного своей эффективностью при обработке аудио- и визуальных данных, предлагаемая система может определять эмоциональное состояние пользователя. Модель CNN обучена распознавать признаки в аудиоданных, соответствующие различным эмоциональным проявлениям, фокусируясь на обнаружении негативных эмоций, таких как, гнев или печаль. Результаты исследования демонстрируют эффективность системы: частота ошибок при определении негативных эмоций составляет 19,5% для ложноположительных результатов (ошибки I рода) и 20,1% для ложноотрицательных результатов (ошибки II рода). Эти показатели указывают на ее потенциал для практического применения в реальных условиях. Внедряя это решение в существующие системы биомедицинского мониторинга, организации могут расширить свои возможности по мониторингу эмоционального благополучия сотрудников, потенциально предотвращая негативные последствия, такие как несчастные случаи на производстве или кризисы психического здоровья. Интеграция распознавания эмоций с помощью смартфонов в системы мониторинга состояния здоровья представляет собой значительный прогресс в области неинвазивного биомедицинского мониторинга, использующего повсеместное присутствие смартфонов и возможности машинного обучения.