Материал: Оптимизация и моделирование в автоматизированных системах. труд. ФГБОУ В.О., Воронежский г.т.и

ниже), то есть один раз разворачивает это высказывание. Повторяются пункты

2-5;

7.Если все возможные комбинации были перебраны, но не нашлось таких значений переменных, при которых выполняются условия истинности или ложности переменных верхнего уровня, программа возвращается к первой посылке верхнего уровня и берет следующую, удовлетворяющую условию истинности посылки строку в таблице истинности. Повторяются пункты 2-5;

8.Пункты 6 и 7 выполняются до тех пор, пока не найдется комбинация переменных верхнего и нижнего уровня, где переменные верхнего уровня удовлетворяют условию истинности посылок, которые они формируют,

апеременные нижнего уровня удовлетворяют значениям переменных верхнего уровня.

Возьмём для примера высказывание: (b V c) V (b Λ c), (a V c) V (b Λ c), (b V c) V (a Λ b) |= (a Λ b) Λ (b V c). Упростим его (п.1): (A) V (B), (C) V (B), (A) V

(D) |= (D) Λ (A). Для первой посылки (A) V (B) составляется таблица истинности и берется первая строка значений, при которых эта посылка истинна (п.2). Такой строкой будет A = 0, B = 1. Переходим ко второй посылке

(C) V (B). У нас известно B = 1, значит, берём C = 0 и проверяем посылку на истинность (п.3). При B = 1 и C = 0 вторая посылка истинна. Переходи к третьей посылке (A) V (D). Известно, что A = 0, значит, пробуем D = 0. Посылка ложна, значит, берём D = 1. При A = 0 и D = 1 посылка истинна. Переходим к заключению (D) Λ (A). Все значения известны A = 0, D = 1. Заключение ложно при данных значениях, значит, переходим на нижний уровень. A = 0, A = b V c, из таблицы истинности для этой посылки берём первою удовлетворяющую условию ложности этой логической связки строку – b = 0, c = 0. Переходим к B = 1, B = b Λ c. Из A известно, что b = 0 и c = 1, а эти значения не дают требуемое B = 1. Программа возвращается к первой посылке (А), ищет другую удовлетворяющую условию A = 0 строку значений. В нашем случае таких строк нет, значит, возвращаемся на верхний уровень и ищем другое сочетание значений A, B, C, D удовлетворяющие истинности посылок и ложности заключения. Следующей такой комбинацией будет A = 1, B = 0, C = 1, D = 0. Спускаемся на нижний уровень. A = 1, A = b V c, первая подходящая строка – b = 0, c = 1. B = 0, B = b Λ c, b = 0, c = 0. Получили требуемое B = 0,

переходим к C = 1, C = a V c. Известно, что c = 0, пробуем с a = 0 – не подходит, пробуем a = 1 – подходит. Переходим к D = 0, D = a Λ b, a = 1, b = 0, эти значения дают нужное: D = 0. Значит, все значения переменных двух уровней были заполнены без противоречий, заключения не является логическим следствием.

Итого программе потребовалось 3 шага, чтобы опровергнуть наличие логического следствия. Программа, основанная на проверке по полной таблице истинности, сделала бы то же самое, но только за 11 шагов. Но эти цифры справедливы только для данного примера.

50

Литература

1.Герасимов А.С. Курс математической логики и теории вычислимости. – СПб.: Издательство «ЛЕМА», 2011. – 284 с.

2.Игошин В. И. Математическая логика и теория алгоритмов. – 2-е изд., стереотип. – М.: Издательский центр «Академия», 2008. – 448 с.

3.Марков А. А. Элементы математической логики / Под ред. А. Г. Драгалина. – М.: изд-во МГУ, 1984. – 79 с.

Воронежский государственный технический университет

УДК 004.048

К. А. Меркушова

ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ ДЛЯ МОНИТОРИНГА ЗНАНИЙ И КОМПЕТЕНЦИЙ

ОБУЧАЕМЫХ

Для эффективной работы учебного заведения требуется оперативная информация о текущем уровне приобретенных знаний и сформированных компетенций каждым студентом, об особенностях усвоения студентами теоретических и практических вопросов изучаемых дисциплин, об особенностях развития каждого студента. Для создания условий эвристической и творческой познавательной деятельности студента необходимо создание информационной среды, которая позволит управлять процессом сбора и анализа данных результатов текущей успеваемости. Повышение эффективности такой среды возможно, посредством совершенствования системы мониторинга знаний и компетенций обучаемых, в том числе за счет использования технологий искусственного интеллекта [1].

Для мониторинга знаний и компетенций, обучаемых следует внедрять современные системы обработки информации, основанные на использовании инструментов интеллектуального анализа данных [2].

Существует множество задач, в которых методы интеллектуального анализа данных, полученных в ходе обучения, очень полезны для всех участников образовательного процесса. Анализ таких данных способствует лучшему пониманию обучаемых; позволяет выявить предметы вызывающие наибольшие затруднения; способствует оптимальному построению дисциплины для достижения заданного уровня знаний и компетенций; позволяет определить задания, с которыми студенты не справляются; определить форму предпочитаемых занятий; создать индивидуальную траекторию обучения для каждого из обучаемых и т. д. Использование знаний

51

полученных в ходе анализа таких данных позволит принимать эффективные решения с целью совершенствования образовательного процесса.

Современный уровень развития науки и техники позволяет использовать нейросетевые технологии при решении задачи мониторинга знаний и компетенций обучаемых. Система такого мониторинга позволит упростить и реструктуризировать контрольно-оценочный процесс и устранить возможную субъективность итоговой оценки преподавателем.

Мониторинг знаний и компетенций обучаемых производится на основании результатов текущего контроля и личностных характеристик обучаемых. В качестве показателей текущего контроля могут выступать оценки письменных работ (контрольные работы, курсовые работы, отчеты по научноисследовательской работе студентов, отчеты по практике, тесты, рефераты); устных опросов (экзамен, зачет, защита лабораторных работ, собеседование); компьютерного тестирования, анкетирования, опросов преподавателей и т.д. Кроме того, могут учитываться личностные характеристики студентов.

Рассматриваемая задача является задачей классификации. Пусть, имеется группа студентов, каждый из которых характеризуется определенным набором независимых переменных, в качестве которых выступают результаты текущего контроля, и на основании значений которых рассчитывается искомая переменная - итоговая оценка, принимающая конечное множество значений. Для обучения нейронной сети создается обучающая выборка, содержащая объекты с известными значениями зависимых и независимых переменных. Обученная нейронная сеть будет представлять собой модель определения значения зависимой переменной для произвольных значений независимых.

Вработе в качестве независимых переменных использовались оценки в четырехуровневой шкале полученные студентами при тестировании, написании контрольных работ и устных опросов. Зависимая переменная также принимает четыре возможных значения: 2, 3, 4 и 5.

Вработе, с использованием аналитической платформы Deductor Studio, разработана модель мониторинга знаний и компетенций студентов по результатам текущего контроля. Разработанная модель получена на основе использования нейронной сети в виде многослойного персептрона. Для решения рассматриваемой задачи был выбран двухслойный персептрон с пятью

итремя нейронами соответственно в первом и втором скрытых слоях. Для обучения сети использовался алгоритм обратного распространения ошибки. Исходные данные для формирования обучающей выборки были взяты из базы данных обучения магистрантов второго курса ТГТУ при освоении дисциплины «Основы интеллектуального анализа данных».

На рис. 1 представлен результат работы визуализатора «Что - если» аналитической платформы Deductor Studio, который позволяет получить значение выходной итоговой оценки по произвольным значениям результатов текущего контроля для любого студента.

52

Рис. 1. Результат работы визуализатора «Что - если» Диаграмма рассеяния, показывающая отличие реальных выходных

данных от данных полученных нейронной сетью показана на рис. 2.

Рис. 2. Диаграмма рассеяния

Анализ диаграммы рассеяния показывает, что разработанная на основе использования нейросетевых технологий модель, позволяет проводить качественный мониторинг знаний и компетенций обучаемых

Использование полученной модели позволит проводить аналогичный мониторинг оценки знаний и компетенций студентов по любым другим дисциплинам и на любом этапе обучения. Кроме того, использование данной модели устраняет субъективность оценки преподавателя.

53

Литература

1. Меркушова, К. А. Интеллектуальная система обучения, адаптивная к уровню подготовки студентов / К. А. Меркушова, А. П. Рыжков // Сборник трудов ХХVI международной научно-технической конференции: «Современные технологии в задачах управления, автоматизации и обработки информации». 14-20 сентября 2017 г., Алушта. – М.: ИД «МЕДПРАКТИКА-

М», 2017. С. 28-29.

2. Меркушова, К. А. Интеллектуальный анализ данных в задаче определения итоговой оценки по результатам текущего контроля / К. А. Меркушова, А. П. Рыжков // Сборник трудов ХХVII международной научнотехнической конференции: «Современные технологии в задачах управления, автоматики и обработки информации». 14 -20 сентября 2018 г., Алушта. – Тамбов: Изд-во ФГБОУ ВО «ТГТУ», 2018. С. 116-117.

Тамбовский государственный технический университет

УДК 681.3

В. В. Решетов

МНОГОКРИТЕРИАЛЬНЫЙ ВЫБОР МЕТОДОЛОГИИ ПРИ РАЗРАБОТКЕ WEB-СРЕДСТВ

Методология разработки программного обеспечения - это процесс описания того, как будет разрабатываться конкретный продукт, то есть способ организации коллективной разработки. Существует много разных моделей этого процесса, каждая из которых описывает свой собственный подход, и нельзя сказать, что одна из них выделяется тем, что необходимо использовать в каждом проекте. Выбор зависит от специфики проекта, бюджетной системы, субъективных предпочтений и даже темперамента руководителя.

Управление проектами помогает улучшить вашу реализацию с точки зрения эффективности и затрат, одновременно снижая риски. Но одного объявления приоритетов недостаточно. Необходимо хорошо понимать положительное влияние каждой из методологий управления проектом и то, как оно может помешать успешной реализации проекта.

Для выбора оптимальной методологии разработки очень важно учитывать многие критерии.

Немаловажно учитывать отрасль и структуру организации, которая разрабатывает проект. До начала создания проекта следует изучить рынок конкуренции и аналогичные продукты. На современном рынке важно иметь уверенное и гибкое руководство – то есть, уметь подстраиваться под потребителя и в нужный момент изменить концепцию разработки. Структура

54