CC BY
0
Секция «Программные средства и информационные технологии»
УДК 004.8
О ПРИМЕНЕНИИ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ЗАДАЧ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ
О. А. Тахтай Научный руководитель - Ю.Б. Козлова
Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева Российская федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: olesva.tahtai@vandex.ru
Предполагается проектный подход для решения задач высших учебных заведений при помощи искусственной нейронной сети. Рассматривается актуальность данной проблемы и преимущества работы российских вузов с выпускниками. Рассматривается проектный подход к созданию искусственной нейронной сети.
Ключевые слова: Нейронная сеть, глубокое обучение, искусственный интеллект
ON THE USE OF ARTIFICIAL NEURAL NETWORKS FOR TASKS OF HIGHER
EDUCATIONAL INSTITUTIONS
O. A. Takhtay Scientific supervisor-Yu. B. Kozlova
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation *E-mail: olesya.tahtai@yandex.ru
A project approach is proposed to solve the problems of higher education institutions using an artificial neural network. The article considers the relevance of this problem and the advantages of working with graduates of Russian universities. A project approach to creating an artificial neural network is considered.
Keyword: Neural network, deep learning, artificial intelligence
Во многих областях нейронные сети приобрели большую популярность. Например, в экономике, медицине, авионике, связи, образовании и так далее.
В образовательном процессе можно выделить такие аспекты применения нейронных сетей как:
1. Применение нейронных сетей для проверки знаний студентов
2. Обработка информации о выпускниках
Рассмотрим каждый из данных аспектов по отдельности.
Проверка знаний студентов на основании тестирования. Входными элементами НС в данном случае будут являться вопросы, заданные слушателям по степени важности. Установив соответствующие весовые коэффициенты, можно получить более правдивую картину уровня знаний каждого студента в отдельности, то есть создания определенного профиля знаний студента. Правильно же оценив уровень знаний студента можно максимально конкретно выявить те пробелы в знаниях, которые необходимо устранить, и с помощью тех же интеллектуальных обучающих систем.
Актуальные проблемы авиации и космонавтики - 2021. Том 2
Таким образом, весь учебный процесс будет настроен на каждого учащегося индивидуально, что, несомненно, даст ощутимые плюсы[1-3].
Активное взаимодействие с выпускниками уже давно стали обычной практикой во многих зарубежных вузах. Их опыт показывает, что имидж учебного заведения напрямую зависит от отзывов выпускников и является действенным инструментом для привлечения абитуриентов.
Эта связь очень полезна в обоих направлениях: для выпускников - способ организовать и использовать свои профессиональные и социальные связи, находить нужных им людей и развивать контакты. Успешные выпускники, в свою очередь, способствуют улучшению репутации университета и привлечению абитуриентов. Кроме того, ассоциация выпускников определенного вуза может помочь студентам с трудоустройством.
Подобная практика работы активно развивается в некоторых российских вузах. Например, в Высшей школе экономики была создана ассоциация выпускников, которая служит удобным инструментом маркетинга. В Высшей школе экономики существует специальный отдел для работы с выпускниками, который проводит мониторинг карьеры выпускников, ведёт базу данных и даже предоставляет нужную информацию студентам и абитуриентам. В МФТИ такой отдел организован в 2014 году, в МГИМО - в 2007 году и так далее.
Но, к сожалению, такая практика работы с выпускниками развита не во всех вузах. Хотя, в последнее время, заметен рост интереса к подобным контактам. Каким образом можно поддерживать связь между вузом и выпускниками? Во-первых, это создание клубов, ассоциаций выпускников или центры карьеры. Но этот способ не всегда эффективен, потому что, не все выпускники остались там, где они учились. Оптимальным решением будет создание информационного портала для взаимодействия выпускников и вуза. Таким образом, создается база данных выпускников на основе анкетных сведений, которые дают возможность анализировать трудоустройство выпускников, развитие их карьеры, социальный статус. Базы также активно используют для обратной связи вуза с выпускниками — информирования о событиях, приглашения на мероприятия и пр.
Полученная информация имеет очень большой объем. Работа с большим объемом информации — это трудоемкий процесс, для его упрощения было предложено классифицировать информацию, полученную от выпускников.
Задачей является разработка нейронной сети, которая позволяет классифицировать текст.
Таким образом, была спроектирована глубокая нейронная сеть для решения задачи классификации текстов. Проектируемая сеть имеет структуру многослойного персептрона (MLP), которую называют простыми нейронными сетями прямого распространения, а иногда и просто нейронными сетями. Многослойные персептроны успешно применяются для решения задач классификации. Нейронная сеть была запущена, протестирована точность обучения и предсказания, реализована данная сеть с использованием графического вывода данных об успехе обучаемости для каждого выходного класса классификатора; точность предсказания класса варьируется около 93%. При проведении тестирования работоспособность программы была оценена положительно.
Библиографические ссылки
1. Открытая библиотека машинного обучения scikit-learn [Электронный ресурс]. - URL: https://scikit-learn.org/ (дата обращения: 25.03.2021).
2. The Most Popular Python Data Science Platform Anaconda [Электронный ресурс]. -URL: https://www.anaconda.com/ (дата обращения: 25.03.2021).
3. Воронова Л.И., Воронов В.И. Machine Learning: регрессионные методы интеллектуального анализа данных: Учебное пособие / МТУСИ. - М., 2018, -83 с.
© Тахтай О. А., 2021
