×

Вы используете устаревший браузер Internet Explorer. Некоторые функции сайта им не поддерживаются.

Рекомендуем установить один из следующих браузеров: Firefox, Opera или Chrome.

Контактная информация

+7-863-218-40-00 доб.200-80
ivdon3@bk.ru

  • Построение и оценка эффективности модели дерева решений для прогнозирования успеваемости обучающихся

    • Аннотация
    • pdf

    В данной работе решается задача повышения эффективности образовательной деятельности за счет прогнозирования успеваемости обучающихся на основе внешних и внутренних факторов. Для решения данной задачи построена модель прогнозирования успеваемости обучающихся с использованием языка программирования Python. Исходные данные для построения модели дерева решений взяты с платформы UCI Machine Learning Repository и предварительно обработаны с помощью аналитической платформы Deductor Studio Academic. Приведены результаты работы модели и проведено исследование для оценки эффективности прогнозирования успеваемости обучающихся.

    Ключевые слова: прогнозирование, дерево решений, успеваемость обучающихся, влияние факторов, оценка эффективности

    2.3.1 - Системный анализ, управление и обработка информации , 5.8.7 - Методология и технология профессионального образования

  • Нейронечеткая модель построения контуров на изображении

    • Аннотация
    • pdf

    В статье описывается методика построения неронечеткой модели выделения контурных точек на изображении. Методика включает следующие шаги: формирование лингвистических переменных «разность яркостей пикселей» и «признак принадлежности пикселя к контуру», формирование базы знаний нейронечеткой модели при помощи бинарного изображения, формирование обучающей выборки с использованием как полутонового, так и контурного изображения, обучение нейронечеткой модели с использованием генетического алгоритма. Особенностью представленного генетического алгоритма является - проверка условий на корректность значений параметров функций принадлежностей, получаемых при генерации хромосом. Описывается структура нейронечеткой модели принятия решения о принадлежности пикселя контуру. Приводится результат применения нейронечеткой модели для построения контуров изображений.

    Ключевые слова: нейронечеткая модель, контурное изображение, выделение контура, контурный пиксель, лингвистическая переменная, нечеткое множество, функция принадлежности, генетический алгоритм, логический вывод Цукамото, обучение нейронечеткой модели

    1.2.2 - Математическое моделирование, численные методы и комплексы программ