Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
4 результатів
Результати пошуку
Документ Logical Networks and Their Usage in Solving of Morphological Tasks(2020) Shubin, Igor; Kozyriev, Andrii; Pitiukova, Mariia; Svyatkin, YaroslavIn the study of category theory, along with the usual concept of category met. As a result of developing a link between two different definitions of a category and a more general notion of an objectless category, it was found out that a whole class of isomorphic categories with objects corresponds to it. A universal mathematical apparatus of the algebra of predicates was proposed, and more precisely its central fragment, which refers to the description of logical spaces – logical analysis. As a result, the interpretation of the category in terms of the algebra of predicates was found – the predicate category Pred, and for both cases: the category with objects and the objectless category.Документ Knowledge Representation Method for Object Recognition in Nonlinear Radar Systems(CEUR-WS, 2021) Makaruk, Maksym A.; Nazarov, Alexei S.; Shubin, Igor Yu.; Shanidze, Nadezhda A.Substantiation of the technical appearance of nonlinear short-range radar system designed to detect and measure the characteristics of objects with nonlinear electrical properties is the main topic of this article. The general principles of constructing short-range radar system are described in the form of their structural diagrams and algorithms for their operation, which ensure the maximization of the signal-to-noise power ratio at the output of the receiving device. An optimal procedure for distinguishing a noise-like signal against a background of noise and interference was proposed on the basis of measuring the moment characteristics of the probability distributions of signals and interference.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.