| DC Field | Value | Language |
|---|
| dc.contributor.author | Серебряная, Л. В. | - |
| dc.coverage.spatial | Минск | - |
| dc.date.accessioned | 2022-10-10T05:51:22Z | - |
| dc.date.available | 2022-10-10T05:51:22Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Серебряная, Л. В. Методы построения искусственных нейронных сетей для классификации данных=Methods for Constructing Artificial Neural Networks for Data Classification / Серебряная Л. В. // Цифровая трансформация. – 2022. – Т. 28, № 1. – С. 20 – 26. – DOI: http://doi.org/10.35596/2522-9613-2022-28-1-20-26. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/48490 | - |
| dc.description.abstract | Рассмотрены особенности организации дистанционной формы обучения студентов в высшем
учебном заведении, а также необходимые для этого информационно-образовательные технологии.
Предложена система автоматического оценивания знаний студентов. В ее основу положена модель в виде
искусственной нейронной сети. Приведены особенности такой модели. Реализовано два метода
построения искусственных нейронных сетей, используемых в программном модуле тестирования знаний
студентов. Обоснован выбор типа сети, ее структуры и параметров. Первый способ связан с построением
искусственной нейронной сети в ручном режиме. Изложен алгоритм, отражающий итерационный процесс
ее обучения. Во втором случае сеть строится автоматически путем применения генетического алгоритма.
В начале работы на вход алгоритма поступает множество исходных данных, сформированное случайным
образом. В ходе своей работы генетический алгоритм определяет архитектуру и параметры нейронной
сети, обеспечивающие успешное решение поставленной прикладной задачи. Обученные сети
используются для классификации данных. Обе сети показали приемлемую точность классификации
результатов, полученных в ходе тестирования знаний студентов. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | цифровая трансформация | ru_RU |
| dc.subject | дистанционное обучение | ru_RU |
| dc.subject | искусственные нейронные сети | ru_RU |
| dc.subject | многослойные персептроны | ru_RU |
| dc.title | Методы построения искусственных нейронных сетей для классификации данных | ru_RU |
| dc.title.alternative | Methods for Constructing Artificial Neural Networks for Data Classification | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | The features of the organization of distance learning of students in a higher educational institution,
as well as the information and educational technologies necessary for this, are considered. A system of automatic
assessment of students’ knowledge is proposed. It is based on a model in the form of an artificial neural network.
The features of such a model are given. The two implemented methods for constructing artificial neural networks
have been used in the software module for testing students’ knowledge. The choice of the type of network, its
structure, and parameters has been substantiated. The first method is related to the construction of an artificial
neural network in the manual mode. An algorithm is presented that reflects the iterative process of its training.
In the second case, the network is built automatically by applying a genetic algorithm. At the beginning of the
work, a set of randomly generated initial data arrives at the input of the algorithm. In the course of its work, the
genetic algorithm determines the architecture and parameters of the neural network, which ensure the successful
solution of the assigned applied problem. Trained networks are used to classify data. Both networks showed
acceptable classification accuracy of the results obtained in the course of the students’ knowledge testing. | - |
| Appears in Collections: | Том 28, № 1
|
