2021
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/52264
Переглянути
2 результатів
Результати пошуку
Публікація Застосування методів штучного інтелекту для апроксимації механічної поведінки гумоподібних матеріалів(Національний технічний університет "Харківський політехнічний інститут", 2021) Погребняк, Сергій Віталійович; Водка, Олексій ОлександровичУ ХХІ сторіччі нейронні мережі широко використовуються в різних сферах, в тому числі в комп’ютерному моделюванні і в механіці. Така популярність через те, що вони дають високу точність, швидко працюють та мають дуже широкий спектр налаштувань. Мета роботи створення програмного продукту з використанням елементів штучного інтелекту, для інтерполяції та апроксимації експериментальних даних. Програмне забезпечення повинно коректно працювати, та давати результати з мінімальною похибкою. Недоліком використання математичних підходів до обчислення та прогнозування петель гістерезису є те шо вони досить погано описують розвантаження, таким чином отримуємо не коректні данні для розрахунків напружено-деформованого стану конструкції. Інструментом вирішення було використання елементів штучного інтелекту, а точніше нейронних мереж прямого поширення. В роботі збудована та навчена нейронна мережа прямого поширення. Вона була навчена вчителем (вчитель з використанням метода зворотного розповсюдження похибки) на основі навчаючої вибірки попередньо проведеного експерименту. Для тестування було побудовано декілька мереж різної структури, які отримували на вхід однаковий набір даних який не використовувався при навчанні, але був відомий з експерименту, таким чином була знайдена похибка мережі за кількістю виділеної енергії та за середньо-квадратичним відхиленням. У статті детально описується математична інтерпретація нейронних мереж, спосіб їх навчання, попередньо проведений експеримент, архітектура мережі та її топологія, метод навчання, підготовки навчаючої вибірки та вибірки тестування. В результаті проведеної роботи було збудоване та протестоване програмне забезпечення в якому використовувалась штучна нейронної мережа, було побудовано та протестоване декілька типів нейронних мереж з різними вхідними даними та внутрішніми структурами, визначені їх похибки, сформовані позитивні та негативні якості мереж які використовувались.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.