Вісники НТУ "ХПІ"

Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/2494


З 1961 р. у ХПІ видається збірник наукових праць "Вісник Харківського політехнічного інституту".
Згідно до наказу ректора № 158-1 від 07.05.2001 року "Про упорядкування видання вісника НТУ "ХПІ", збірник був перейменований у Вісник Національного Технічного Університету "ХПІ".
Вісник Національного технічного університету "Харківський політехнічний інститут" включено до переліку спеціалізованих видань ВАК України і виходить по серіях, що відображають наукові напрямки діяльності вчених університету та потенційних здобувачів вчених ступенів та звань.
Зараз налічується 30 діючих тематичних редколегій. Вісник друкує статті як співробітників НТУ "ХПІ", так і статті авторів інших наукових закладів України та зарубіжжя, які представлені у даному розділі.

Переглянути

Фільтри

2018 - 201912020 - 20222

Налаштування

Ключові слова: search.filters.subject.штучна нейронна мережа

Результати пошуку

Зараз показуємо 1 - 3 з 3
  • Ескіз
    Документ
    Дослідження впливу якості засвоєння попереднього матеріалу на успішність здобувачів освіти з окремої дисципліни
    (Національний технічний університет "Харківський політехнічний інститут", 2022) Мельников, Олександр Юрійович; Гітіс, Веніамін Борисович
    У роботі розглянуто основні поняття, пов'язані з якістю освіти у цілому та засвоєнням студентами навчального матеріалу. Сформульовано задачу прогнозування оцінки студента з будь-якої дисципліни, маючи дані щодо оцінок з «забезпечуючих» дисциплін. Наведено перелік методів, які можуть бути застосовані для розв'язання задачі (метод багатовимірного регресійного аналізу, метод штучних нейронних мереж, метод k найближчих сусідів), зроблено висновок щодо доцільності використання методу штучних нейронних мереж. Описано постановку задачі прогнозування засвоєння знань та навичок програмування; використана архітектура – персептрон з чотирма вхідними нейронами, одним вихідним і 10 нейронами прихованого шару. Шляхом проведення низки числових експериментів підібрано оптимальну архітектуру нейронної мережі. У якості прикладу використано навчальний план та структурно-логічну схему освітньо-професійної програми «Інтелектуальні системи прийняття рішень» спеціальності 124 «Системний аналіз». Описано створену інформаційну модель проєктованої системи мовою візуального моделювання UML (діаграми варіантів використання, класів, кооперації, послідовності, станів, діяльності та компонентів). Описано можливості системи для дослідження впливу якості засвоєння попереднього матеріалу на прогнозування оцінок студентів з окремої дисципліни, наведено приклад функціонування цієї системи та проведено аналіз результатів розрахунків. Зазначено, що система дозволяє проведення аналізу результатів розрахунків для подальшого вибору найкращого методу для прогнозування.
  • Ескіз
    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 Юрійович
    В 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.
  • Ескіз
    Документ
    Аналіз ефективності навчання CNN за принципом "вчитель-учень" з використанням непідготовленого image-dataset
    (НТУ "ХПІ", 2018) Зубарєв, Д. О.; Скарга-Бандурова, І. С.
    Штучні нейронні мережі з кожним роком розширюють спектр існуючих та потенційних сфер використання. Якість навчання штучних нейронних мереж є основою якості їх подальшого функціонування. Стаття присвячена аналізу ефективності навчання штучних нейронних мереж класу CNN для розпізнавання непідготовленого набору зображень (Image-Dataset) за принципом "вчитель-учень", де у ролі вчителя виступає попередньо навчена діюча штучна нейронна мережа CNN-1, що завдає алгоритм навчання, а учнем є непідготовлена штучна нейронна система CNN-2. Доведено, що CNN-1 є більш ефективною для пошуку великого спектра об'єктів на зображеннях, а CNN-2 найкраще працює для вузько направлених надточних пошуків завданих об'єктів.