В работе изучается распределённая нелинейная математическая модель гликолитического осциллятора Хиггинса с диффузией. Исследуется влияние диффузии на процессы, протекающие в модели, способность модели к формированию пространственных структур и её чувствительность к случайному шуму. Изучаются явления мультистабильности, стохастического доминирования, подавления автоколебаний диффузией, индуцированных шумом переходов между аттракторами. Рассмотрен вариант модели с одной и двумя пространственными координатами. / This thesis studies a distributed nonlinear mathematical model of the Higgins glycolytic oscillator with diffusion. The influence of diffusion on the processes occurring in the model, the ability of the model to form spatial structures and its sensitivity to random noise are investigated. The phenomena of multistability, stochastic preference, suppression of self-oscillations by diffusion, noise-induced transitions between attractors are studied. A variant of the model with one and two spatial coordinates is considered.

Object of the study is the process of analyzing oculography data. The subject of the study is the methods of extracting and classifying features of oculography data. The purpose of the work is to review existing studies in the field of oculography, analyze data obtained using Eye-tracking technology. The study included: studying methods of extracting and classifying features using Scikit-Learn, developing a methodology for analyzing data and machine learning models to identify eye movement patterns, conducting experiments to compare the effectiveness of algorithms. The work demonstrates the effectiveness of the approach with feature selection, and makes assumptions about the influence of indicators on the absence or presence of visual impairments. Practical application: the proposed approach can be used to improve methods for diagnosing dyslexia, automate the analysis of oculography data. / Объект исследования – процесс анализа данных окулографии. Предметом исследования являются методы извлечения и классификация признаков данных окулографии. Цель работы – обзор существующих исследований в области окулографии, анализ данных, полученных с помощью технологии Eye-tracking. В процессе исследования проводились: изучение методов извлечения и классификации признаков с использованием Scikit-Learn, разработка методологии анализа данных и моделей машинного обучения для выявления паттернов движений глаз, проведение экспериментов для сравнения эффективности алгоритмов. В работе продемонстрирована эффективность подхода с отбором признаков, сделаны предположения о влиянии показателей на отсутствия или присутствия нарушений в области зрения. Область практического применения: предложенный подход может быть использован для улучшения методов диагностики дислексии, автоматизации анализа данных окулографии.