Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
2 результатів
Результати пошуку
Документ Моделювання інформаційної системи e-learning з використанням генетичних алгоритмів(ФОП Петров В. В., 2018) Шматков, С. І.; Кучук, Ніна Георгіївна; Донець, В. В.В статті розглядається модель інформаційної системи e-learning. Мета статті – розробка моделі інформаційної системи e-learning, в якій для пошуку оптимальної структури буде використано апарат генетичних алгоритмів. Базою для створення програмної моделі є математична модель інформаційних взаємозв’язків системи електронного навчання, розгорнутої на гіперконвергентному сервері. Результати. Представлено розроблений програмний комплекс із поясненням запуску при наявності виконавчого файлу. Наведено інтерфейс використання програми відповідними зображеннями. Також надано типовий алгоритм використання програми із вводом початкових даних, збереженням їх у базы даних. Для синтезу інформаційної системи e-learning було досліджено переваги та недоліки генетичного алгоритму. В результаті виведені переваги та недоліки притаманні створеному алгоритму, які також притаманні генетичним алгоритмам взагалі. Висновки. Розроблена програма дозволить підвисити ефективність використання базової гіперконвергентної мережі, а, отже, і підвисити якість функціонування системи e-learning в цілому. Це є необхідною складовою створення такої системи в умовах обмеженого бюджету університету.Документ Модель інформаційної структури гіперконвергентної системи підтримки електронних обчислювальних ресурсів університетської е-learning(ФОП Петров В. В., 2018) Шматков, С. І.; Кучук, Ніна Георгіївна; Донець, В. В.В статті наведено результати розробки математичної моделі інформаційної структури гіперконвергентної системи підтримки електронних обчислювальних ресурсів університетської e-learning. Модель враховує особливості університетської e-learning, дозволяє встановити інформаційні взаємозвязки між складовими системи та провести аналіз гіперконвергентної базової мережі. На базі розробленої моделі можна провести моделювання процесу функціонування e-learning, результатами якого повинні стати чисельні значення пропускної здатності мережі: навантаження на канали зв'язку і структуроутворююче обладнання, інтенсивності потоків даних і запитів, що надходять на вузли мережі.