Вісник № 01. Системний аналіз, управління та інформаційні технології
Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/53562
Переглянути
2 результатів
Результати пошуку
Документ Прогнозування результатів складання єдиного вступного іспиту з іноземної мови випускниками-бакалаврами закладу вищої освіти при вступі до магістратури(Національний технічний університет "Харківський політехнічний інститут", 2021) Мельников, Олександр ЮрійовичВ роботі наведено інформацію щодо необхідності складання «Єдиного вступного іспиту» з іноземної (англійської) мови студентами, що отримали освітньо-кваліфікаційний рівень бакалавра та бажають продовжити навчання для здобуття ступеня магістра. Визначено, що при роботі зі студентами випускного курсу бакалаврату доцільно, по-перше, визначити відсоток випускників, здача якими ЄВІ малоймовірна, а по-друге, активізувати роботу з такими випускниками для підвищення цієї ймовірності. Було поставлено задачу створення моделі для прогнозування результатів складання єдиного вступного іспиту з іноземної мови випускниками-бакалаврами закладу вищої освіти при вступі до магістратури. Запропоновано низку факторів, які впливають на бал ЄВІ, а саме: конкурсний бал при зарахуванні (показник базового рівня студента), рейтинг (оцінка) за підсумками першого року навчання (іспит з обов’язкового предмету «Іноземна мова»), рейтинг за підсумками вивчення дисципліни вільного вибору «Іноземна мова» на 2-3-му курсах (максимальний з усіх або «0», якщо студент не вибирав), рейтинг за підсумками додаткових занять «Іноземна мова» на 4-му курсі, середній рейтинг за передостанню сесію (показник «актуального» відношення студента до навчального процесу), факт наявності додаткових балів (показник зацікавленості студента іншими видами діяльності, крім навчальної), середній рейтинг диплому бакалавра (показник загального ставлення студента до навчального процесу). Наведено наявні дані щодо студентів двох років кафедри інтелектуальних систем прийняття рішень Донбаської державної машинобудівної академії. Запропоновано метод штучних нейронних мереж з архітектурою двошарового персептрону з десятьма нейронами у кожному прихованому шарі, активаційною функцією сигмоїдою і алгоритмом зворотного поширення помилок для навчання мережі. Проведено розрахунки в середовищі Deductor Studio Lite, проаналізовано їхні результати. Зазначено, що запропонований підхід до прогнозування можна застосовувати при роботі зі студентами випускного курсу бакалаврату, для визначення відсотку випускників, здача якими ЄВІ малоймовірна, та активізації роботи з такими випускниками для підвищення цієї ймовірності.Документ Система поддержки принятия решений для определения оптимального состава команды исполнителей на примере спортивного варианта игры "Что? Где? Когда?"(Національний технічний університет "Харківський політехнічний інститут", 2021) Мельников, Александр ЮрьевичВ работе была поставлена задача создания системы поддержки принятия решений, позволяющей определить оптимальный состав команды исполнителей. В качестве предметной области выбран спортивный вариант игры «Что? Где? Когда?». Описаны принципы проведения турниров по интеллектуальной игре «Что? Где? Когда?» и правила формирования команд для участия в таких соревнованиях. Сделан вывод, что для предсказания влияния изменений в составе команды на результат целесообразно использовать современные математические и интеллектуальные методы, в том числе – метод искусственных нейронных сетей. Приведены имеющиеся данные о результатах синхронных турниров ЛУК (СТ) с 2011 года и городских турнирах (ГТ) с 2017 года, охарактеризованы основные показатели по каждому соревнованию. Обосновано введение выходных факторов: отношение результата команды к среднему результату и отношение результата команды к результату победителя. Сформулирована задача прогнозирования как предсказание относительного результата команды на конкретной игре по имеющемуся перечню игроков команды на эту игру. Предложено учитывать место проведения конкретной игры, а участие игроков фиксировать в виде «доли» вклада в результат команды, при этом сумма «долей» всех игроков должна быть равной единице. Предложен метод искусственных нейронных сетей с архитектурой двухслойного персептрона, активационной функцией сигмоидой и алгоритмом обратного распространения ошибок для обучения сети. Приведены примеры расчета в среде Deductor Studio Lite. Сделаны выводы, что для практического применения модели постоянное использование стандартных пакетов неприменимо. Кроме того, также необходимо решить задачу автоматизации выбора состава команды. Описано разработанное в среде визуального программирования приложение – система поддержки принятия решений, которая позволяет импортировать исходные данные из XLS-файла, настраивать входные и выходные факторы, изменять архитектуру нейронной сети (число скрытых слоев и число нейронов в каждом слое), проводить обучение нейронной сети методом обратного распространения ошибок, сохранять обученную сеть на диске и загружать ее заново, осуществлять расчет значений для вводимых данных, проводить поиск вариантов состава команды. Разработанная система поддержки принятия решений позволяет посредством перебора вариантов давать рекомендации по формированию команды на конкретный турнир.