РАЗРАБОТКА (НА ОСНОВЕ МЕЖДУНАРОДНЫХ СПЕЦИФИКАЦИЙ) АВТОМАТИЗИРОВАННОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ «ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ» > Полезные советы
Тысяча полезных мелочей    

РАЗРАБОТКА (НА ОСНОВЕ МЕЖДУНАРОДНЫХ СПЕЦИФИКАЦИЙ) АВТОМАТИЗИРОВАННОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ «ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ»

РАЗРАБОТКА (НА ОСНОВЕ МЕЖДУНАРОДНЫХ СПЕЦИФИКАЦИЙ) АВТОМАТИЗИРОВАННОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ «ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ»

Кудряшова Э.Е. Статья в формате PDF 109 KB В последние несколько лет наблюдается подъем интереса к искусственным нейронным сетям, которые успешно применяются в самых различных областях - бизнесе, медицине, технике, геологии, физике и т.д., для решения задач прогнозирования, классификации и управления. В международной пpaктике разработка компьютерного продукта учебного назначения (методических и программно-информационных средств) считается весьма дорогостоящей в силу высокой наукоемкости и необходимости совместной работы квалифицированных специалистов.

Разработанная АОС «Искусственный нейронные сети» состоит из следующих подсистем: "Регистрация", "Преподаватель", "Контроль знаний (блок тестирования)", "Статистика", "Лекции по нейросетям".

Подсистема "Регистрация" содержит набор средств по декларированию прав пользователей АОС и прав преподавателя; подсистема "Контроль знаний" содержит набор средств для проверки индивидуальных знаний обучаемого. Блок тестирования АОС содержит модули: сведения о пользователе, запрос помощи, изменение помощи, изменение наборов тестов, результаты тестирования; подсистема "Лекции по нейросетям" содержит комплект лекций по нейросетям, представленный в виде гипертекста в HTML; подсистема "Преподаватель" содержит набор средств по управлению, созданию, удалению, редактированию наборов тестов; подсистема "Статистика" содержит набор средств для хранения и статистической обработки количественных и качественных показателей уровня знаний обучаемого (номер теста, оценка, время ответа, количество попыток и т.д.) в течение периода обучения.

Разработана методика построения тестов в АОС «Искусственные нейронные сети» на основе пяти документов IMS Question - международных спецификаций взаимодействия вопросов и тестов в дистанционном образовании: краткий обзор взаимодействия вопросов и тестов; информационная модель взаимодействия вопросов и тестов; методы и руководство выполнения взаимодействия вопросов и тестов; обработка результатов тестирования; спецификация последовательности и отбора тестов и вопросов.

Ключевые компоненты системы контроля знаний:

  1. авторская система (Authoring system) - поддерживает создание и редактирование исследования, разделов и пунктов АОС;
  2. механизм исследования (Assessment engine) - поддерживает оценку ответов в терминах создания АОС;
  3. система управления обучением (Learning management system) - отвечает за управление структурой изучаемого материала;
  4. репозиторий данных (Candidate data repository) - база данных результатов обучения;
  5. внешний репозиторий (External ASI repository) - внешние базы данных, которые будут импортированы с помощью QTI спецификаций.

Вопросы по искусственным нейронным сетям, входящие в блок тестирования, являются базисом контроля знаний в АОС. В процессе использования АОС вопросы могут дополняться. Пример вопросов по разделу «Исследование модели Больцмана».

  • Пункт 1. Как меняются веса синапсов по правилу обучения Хебба.
  • Пункт 2. Понятие вероятностного алгоритма поиска экстремума функции энергии (машина Больцмана).
  • Пункт 3. В чем достоинства и недостатки модели - машина Больцмана.

Рассмотрено применение искусственных нейронных сетей в различных областях, например, в слабоформализованных задачах экономики, в том числе и в финансовой деятельности; указаны принципы построения моделей нейронных сетей и их функционирование. В финансовой области эффективно решаются с помощью нейронных сетей следующие классы задач: прогнозирование временных рядов на основе нейросетевых методов обработки (валютный курс, спрос и котировки акций, фьючерсные контpaкты и др.; страховая деятельность банков; прогнозирование банкротств на основе нейросетевой системы распознавания; определение курсов облигаций и акций предприятий с целью вложения средств в эти предприятия; применение нейронных сетей к задачам биржевой деятельности; прогнозирование экономической эффективности финансирования экономических и инновационных проектов.

СПИСОК ЛИТЕРАТУРЫ

  1. Кудряшова Э.Е. Новые информационные технологии в автоматизированных системах обработки информации и управления: Учеб. пособие. - гриф УМО вузов /РПК Политехник». - Волгоград, 2001.
  2. Пояснительная записка к проекту Концепции развития дистанционного образования на территории государств - участников Содружества Независимых Государств [Электронный ресурс]. - 2004.
  3. IMS Question & Test Interoperability Final Specification Version 1.2 (спецификация взаимодействия вопросов и тестов) [Электронный ресурс]. - 2004. - http://www.imsglobal.org/


ЭФФЕКТИВНОСТЬ ПРИМЕНЕНИЯ ЭЛАСТИЧНЫХ ПОЛИМЕРОВ В ОРТОДОНТИЧЕСКОЙ ПРАКТИКЕ

ЭФФЕКТИВНОСТЬ ПРИМЕНЕНИЯ ЭЛАСТИЧНЫХ ПОЛИМЕРОВ В ОРТОДОНТИЧЕСКОЙ ПРАКТИКЕ Рассматривается возможность использования термопластических полимеров в качестве материала для конструирования лечебного аппарата с регуляторами дозированного давления. Проведен сравнительный анализ клинических наблюдений по применению лечебных аппаратов в клинике с использованием термопластических полимеров с памятью формы. ...

14 04 2024 17:17:35

НОВАЯ МОДЕЛЬ ОЦЕНКИ КАРДИОВАСКУЛЯРНОГО РИСКА НА ОСНОВЕ ЭПИДЕМИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ В ЦИРКУМПОЛЯРНОМ РЕГИОНЕ

НОВАЯ МОДЕЛЬ ОЦЕНКИ КАРДИОВАСКУЛЯРНОГО РИСКА НА ОСНОВЕ ЭПИДЕМИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ В ЦИРКУМПОЛЯРНОМ РЕГИОНЕ Уровень кардиодеструктивных заболеваний в циркумполярном регионе имеет тенденцию к устойчивому росту. На основании результатов эпидемиологических исследований и количественной оценки факторов риска развития патологии разработана региональная модель оценки кардиоваскулярного риска для населения Ямало-Ненецкого автономного округа, учитывающая факторы питания. При составлении модели использован метод расчета весовых показателей. Шкала включает показатели распространенности классических кардиоваскулярных факторов риска, а также показатели дополнительных алиментарных рисков: артериальная гипертония, избыточная масса тела и ожирение, уровень холестерина в крови, уровень потрeбления белка и пищевого натрия. Использование модели позволяет более эффективно решать вопросы прогноза, индивидуализировать программу профилактики. ...

12 04 2024 7:55:42

РОЛЬ ВОДЫ В ОСНОВНЫХ СТРУКТУРАХ ЖИВОГО ОРГАНИЗМА

РОЛЬ ВОДЫ В ОСНОВНЫХ СТРУКТУРАХ ЖИВОГО ОРГАНИЗМА Статья в формате PDF 950 KB...

11 04 2024 1:11:56

ИНФОРМАЦИОННЫЙ АНАЛИЗ КАЛА

ИНФОРМАЦИОННЫЙ АНАЛИЗ КАЛА Статья в формате PDF 194 KB...

03 04 2024 8:14:48

ИНФОРМАЦИОННЫЙ АНАЛИЗ СПИННОМОЗГОВОЙ ЖИДКОСТИ

ИНФОРМАЦИОННЫЙ АНАЛИЗ СПИННОМОЗГОВОЙ ЖИДКОСТИ Статья в формате PDF 164 KB...

31 03 2024 22:29:13

ГАСТРОЭЗОФАГЕАЛЬНАЯ РЕФЛЮКСНАЯ БОЛЕЗНЬ И ПИЩЕВОД БАРРЕТТА: КЛИНИКО-ИММУНОЛОГИЧЕСКИЕ ПАРАЛЛЕЛИ

ГАСТРОЭЗОФАГЕАЛЬНАЯ РЕФЛЮКСНАЯ БОЛЕЗНЬ И ПИЩЕВОД БАРРЕТТА: КЛИНИКО-ИММУНОЛОГИЧЕСКИЕ ПАРАЛЛЕЛИ Цель исследования - изучение особенностей клеточного звена иммунитета и содержания цитокинов в сыворотке крови у пациентов с гастроэзофагеальной рефлюксной болезнью и пищеводом Барретта. Обследованы 70 пациентов с эрозивной формой гастроэзофагеальной рефлюксной болезни и 42 пациента с пищеводом Барретта. Применены клинические, эндоскопические, морфологические, иммунологические методы исследования. Выявлены различия в показателях клеточного звена иммунитета и содержания в сыворотке крови интерлейкина-4, интерлейкина-8, интерлейкина-10, фактора некроза опухолей-, интерферона- у больных гастроэзофагеальной рефлюксной болезнью в динамике лечения и у пациентов с пищеводом Барретта. ...

28 03 2024 19:39:59

ВЛИЯНИЕ ЛЕСНЫХ ПОЖАРОВ НА ЭКОЛОГИЧЕСКУЮ СИТУАЦИЮ

ВЛИЯНИЕ ЛЕСНЫХ ПОЖАРОВ НА ЭКОЛОГИЧЕСКУЮ СИТУАЦИЮ Статья в формате PDF 254 KB...

20 03 2024 14:23:53

РЕДКИЕ ВИДЫ ЛИШАЙНИКОВ ДЕЛЬТЫ ВОЛГИ

РЕДКИЕ ВИДЫ ЛИШАЙНИКОВ ДЕЛЬТЫ ВОЛГИ Целью настоящей работы является выявление мест редких и нуждающихся в охране видов лишайников дельты Волги. ...

14 03 2024 13:19:59

Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::