ИСТИНА

В работе рассмотрена разработка методов рекомендаций музыки для терапии на основе данных электроэнцефалографии (ЭЭГ). В качестве входных данных задана информация из ЭЭГ, на основе которой нужно рекомендовать музыкальную композицию, стабилизирующую параметры. Известный алгоритм составления рекомендаций на основе коллаборативной фильтрации требует решения проблемы холодного старта: в системе могут отсутствовать данные о похожих пользователях. В работе предложен подход, основанный на обученной модели по набору Musin-G. В рамках работы проведены эксперименты по составлению рекомендации с помощью нескольких различных методов. Наилучший результат показал метод градиентного бустинга.