Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
23 результатів
Результати пошуку
Документ Методи штучних нейронних мереж для адаптивного тестування знань(Харківський національний університет радіоелектроніки, 2021) Шубін, Ігор Юрійович; Четвериков, Григорій Григорович; Ляшик, Володимир Андрійович; Шанідзе, Надія ОлександрівнаПід адаптивним тестовим контролем розуміють комп’ютеризовану систему науково обґрунтованої перевірки й оцінювання результатів навчання, що має високу ефективність за рахунок оптимізації процедур генерації, пред’явлення й оцінки результатів виконання адаптивних тестів, що заснована на методах побудови та оптимізації логічних мереж. Алгоритми підбору й пред’явлення завдань будуються за принципом зворотного зв’язку, коли при правильній відповіді суб’єкта навчання чергове завдання вибирається більш важким, а невірна відповідь спричиняє пред’явлення наступного більш легкого завдання, ніж те, на яке суб’єктом навчання була дана невірна відповідь. Також є можливість завдання додаткових питань по темах, які суб’єкт навчання знає не дуже добре для більш точного з’ясування рівня знань у даних областях. Вибір алгоритмів тестування наразі фактично обмежений формами представлення тестових завдань і алгоритмами оцінювання результатів тестування. Досягнення більш високих результатів і підвищення мотивації навчання в остаточному підсумку є основною метою тестування знань. Для визначення базового алгоритму, необхідно навести сценарій роботи системи. У його основі лежить модель приймання іспиту викладачем у студента, як модель адаптивного тестування. Такий вибір сценарію роботи системи обумовлений тим, що, по-перше, дана процедура історично добре формалізована, по-друге, при проектуванні тестів, їх розробнику необхідно спиратися на загальноприйняті, відомі й використовувані їм методи з мінімальною модифікацією.Документ Адаптивне тестування знань методами логічних мереж(Харківський національний університет радіоелектроніки, 2020) Шубін, Ігор Юрійович; Четвериков, Григорій Григорович; Ляшик, Володимир Андрійович; Шанідзе, Надія ОлександрівнаПід адаптивним тестовим контролем розуміють комп’ютеризовану систему науково обґрунтованої перевірки й оцінювання результатів навчання, що має високу ефективність за рахунок оптимізації процедур генерації, пред’явлення й оцінки результатів виконання адаптивних тестів, що заснована на методах побудови та оптимізації логічних мереж. Алгоритми підбору й пред’явлення завдань будуються за принципом зворотного зв’язку, коли при правильній відповіді суб’єкта навчання чергове завдання вибирається більш важким, а невірна відповідь спричиняє пред’явлення наступного більш легкого завдання, ніж те, на яке суб’єктом навчання була дана невірна відповідь. Також є можливість завдання додаткових питань по темах, які суб’єкт навчання знає не дуже добре для більш точного з’ясування рівня знань у даних областях. Вибір алгоритмів тестування наразі фактично обмежений формами представлення тестових завдань і алгоритмами оцінювання результатів тестування. Досягнення більш високих результатів і підвищення мотивації навчання в остаточному підсумку є основною метою тестування знань. Для визначення базового алгоритму, необхідно навести сценарій роботи системи. У його основі лежить модель приймання іспиту викладачем у студента, як модель адаптивного тестування. Такий вибір сценарію роботи системи обумовлений тим, що, по-перше, дана процедура історично добре формалізована, по-друге, при проектуванні тестів, їх розробнику необхідно спиратися на загальноприйняті, відомі й використовувані їм методи з мінімальною модифікацією.Документ Представление патентно-конъюнктурных данных с помощью алгебры конечных предикатов(Національний технічний університет "Харківський політехнічний інститут", 2012) Король, Ольга Игоревна; Шаронова, Наталья ВалерьевнаДокумент Построение модели идентификации и систематизации криминально значимой информации в текстовых репозиториях(Херсонський національний технічний університет, 2014) Узлов, Дмитрий Юрьевич; Хайрова, Нина ФеликсовнаДокумент Бинарная логическая сеть извлечения знаний из неструктурированных потоков текстовой информации(Харківський національний університет Повітряних Сил ім. Івана Кожедуба, 2012) Хайрова, Нина ФеликсовнаСформулированы задачи извлечения знаний для пополнения базы знаний корпоративной информацион-ной системы. Предложено использовать математические средства теории интеллекта и наработки ком-пьютерной лингвистики для увеличения семантической силы моделей представления знаний. Разработана математическая модель отношений между локальной областью исследования менеджера и достоверными глубинными знаниями, представленными в документе. Осуществлена графическая реализация предиката персонификации области знаний менеджера в виде логической сети.Документ Логико-лингвистическая модель идентификации семантических отношений сущностей средствами алгебры конечных предикатов(Белорусский государственный университет информатики и радиоэлектроники, 2014) Хайрова, Нина Феликсовна; Узлов, Дмитрий Юрьевич; Шаронова, Наталья ВалерьевнаВ работе предлагается логико-лингвистическая модель извлечения слабоструктурированных фактов из естественно языковых текстов. Для идентификации факта в тексте определяются некоторые сущности, выраженные лексическими единицами, и семантические связи между ними. Семантические связи определяются семантическими функциями партиципантов предложения, которые описаны предикатами алгебры конечных предикатов. Модель применяется на семантическом этапе лингвистического процессора информационной подсистемы идентификации криминалистически значимых фактов в слабоструктурированных текстах.Документ Лингвистические инструменты выявления криминально окрашенной текстовой информации веб-контента(Казахстанско-Британский технический университет, 2018) Мамырбаев, Оркен Жумажанович; Мусхина, Куралай Женисбековна; Хайрова, Нина Феликсовна; Колесник, А. С.В работе рассматриваются виды криминально окрашенной текстовой информации Web-контента (киберпреступность, террористический акт или финансовое мошенничество) и анализируются существующие технологии лингвистического анализа, позволяющие выявлять противоправную информацию в текстах. Проводится аналитический обзор использования существующих инструментов обработки языка, позволяющий выявить проблемы использования традиционных подходов NLP для анализа криминально значимой текстовой информации. Предлагаемый метод базируется на подходах Information Extraction и фокусируется на методе извлечения фактов из cлабоструктурированных текстов. Рассматривается использование технологии, базирующейся на описании семантических функций средствами алгебры конечных предикатов, для извлечения слабоструктурированных фактов из предложений русского и английского языков. Анализируется возможность использования предложенной технологии для текстов казахского языка.Документ Использование интеллектуальных методов идентификации информации в интегрированных информационно-криминалистических системах(Х. Досмұхамедов атындағы Атырау мемлекеттік университеті, 2014) Хайрова, Нина Феликсовна; Узлов, Дмитрий Юрьевич; Борисова, Наталья ВладимировнаДокумент Автоматическая генерация структурированной машинно-читаемой информации из мультиязычных текстов(Институт информационных и вычислительных технологий, Республика Казахстан, 2019) Хайрова, Нина Феликсовна; Мамырбаев, Оркен Жумажанович; Мусхина, Куралай Женисбековна; Колесник, А. С.Open Information Extraction представляет современную стратегию извлечения фактов из коллекций веб-документов. Однако, большая часть современных подходов по извлечению фактов основана на таких, доступных не для всех естественных языков, техниках NLP, как POS-tagging, анализ зависимостей, Named Entity Recognition, Coreference Resolution и др. В этой работе для генерации фактов из текста произвольного веб-контента мы предлагаем использование уравнений алгебры конечных предикатов, выражающих семантические роли участников триплета факта через отношения грамматических и семантических характеристик слов предложения. Модель позволяет извлекать неограниченное количество доменно-независимых фактов из предложений разных языков. В работе показана имплементация модели для английского, казахского и русского языков.Документ Модель извлечения знаний из неструктурированных документов корпоративной информационной системы(Institute of Information Theories and Applications FOI ITHEA, 2011) Хайрова, Нина Феликсовна; Шаронова, Наталья ВалерьевнаВ работе предлагается математическая модель отношений между областью интеллектуальной деятельности менеджера и достоверными глубинными знаниями, представленными в документах, поступающих в корпоративную информационную систему (КИС). Доказывается возможность использования математического аппарата алгебры конечных предикатов в качестве базового средства описания модели. В работе показана возможность использования данной модели для извлечения знаний, представленных терминологическими понятиями и отношениями между ними, из разноформатных текстов документов КИС, с их одновременным динамическим разбиением на персонифицированные локальные области знаний менеджеров корпорации. Описывается информационное и алгоритмическое обеспечение программной реализации модели, приводится расчет эффективности использования разработанной подсистемы.
- «
- 1 (current)
- 2
- 3
- »