ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Собственные публикации и доклады

  1. Анализ алгоритмов обучения в стратегических системах реального времени

    Авторы: В. А. Надеждин, В. А. Светличная, Е. А. Шуватова

    Описание: Статья посвящена разработке интеллектуальных обучающих систем нового поколения для работы в сложных динамических средах, таких как симуляторы и стратегические игры. Ключевой идеей является комбинирование методов обучения с подкреплением для стратегической гибкости и имитативного обучения для быстрого старта, дополненных механизмами онлайн-обучения и памяти для персонализации. Это позволяет создать систему, которая эволюционирует вместе с пользователем, выступая в роли адаптивного оппонента и наставника, тем самым повышая эффективность и естественность освоения сложных навыков. Работа закладывает основу для дальнейших исследований и создания практических прототипов в данной области.

    Источник: Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ-2025) : Сборник материалов XVI Международной научно-технической конференции в рамках XI Международного научного форума Донецкой Народной Республики, Донецк, 28 мая 2025 года. – Донецк: Донецкий национальный технический университет, 2025. – С. 150-154. – EDN DOOSXX.

    2. Статьи по теме

  2. Использование интеллектуальных обучающих систем и систем искусственного интеллекта в образовании

    Авторы: В. П. Густяхина

    Описание:Данная статья рассматривает роль технологий искусственного интеллекта в современном образовании как ключевой фактор его развития и информатизации. Интеллектуальные обучающие системы представляются качественно новым поколением учебных технологий, способных моделировать процесс обучения, динамически адаптироваться к уровню знаний учащегося и автоматически подбирать оптимальную стратегию обучения. Они выполняют функции педагога, обеспечивая двустороннее и адаптивное взаимодействие, что делает процесс передачи знаний более эффективным.

    Источник: Современные тенденции и инновации в науке и производстве : Материалы ХIII международной научно-технической конференции, Междуреченск, 24 апреля 2024 года. – Междуреченск: Кузбасский государственный технический университет им. Т.Ф. Горбачева, 2024. – EDN QQEYME.

  3. Оптимизация времени обучения нейронных сетей с адаптивными параметрами скорости обучения

    Авторы: С. Д. Сонина

    Описание: Статья посвящена оптимизации скорости обучения нейронных сетей за счёт адаптивной настройки коэффициента скорости обучения n. Авторы отмечают, что классический градиентный спуск с фиксированным n имеет ограничения, и предлагают динамически изменять этот параметр на каждой итерации по специальной формуле, которая зависит от изменений весовых коэффициентов и двух настраиваемых параметров: коэффициента скорости изменения t и порогового значения p.

    Источник: Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. – 2025. – № 2. – С. 43-54. – DOI 10.18137/RNU.V9187.25.02.P.43. – EDN WUICQI.

  4. Изучение работы нейронных сетей: нейронные сети основы, использование нейронных сетей в экономике

    Авторы: М. А. Зелинов

    Описание: Практико-ориентированное исследование применения нейронных сетей в экономическом анализе и прогнозировании. Статья предлагает доступное объяснение работы нейросетей через аналогии с биологическими системами и демонстрирует, как эти технологии решают реальные экономические задачи: от прогнозирования продаж до оценки кредитных рисков. Особое внимание уделено перспективам внедрения искусственного интеллекта в финансовую сферу.

    Источник:Гуманитарные науки в современном вузе: вчера, сегодня, завтра : материалы международной научной конференции, Санкт-Петербург, 12 декабря 2019 года / под ред. С. И. Бугашева, А. С. Минина. – Санкт-Петербург: Санкт-Петербургский государственный университет промышленных технологий и дизайна, 2019. – С. 880-885. – EDN VFORAH.

  5. Краткая характеристика нейронных сетей. Реализация расширяемой нейронной сети

    Авторы: П. П. Боженко, Р. У. Стативко

    Описание: В статье исследуется применение нейронных сетей для автоматизации подбора персонала. Рассматриваются теоретические основы работы нейросетей, включая метод обратного распространения ошибок, и практические аспекты их реализации. На примере конкретной задачи - отбора кандидатов на основе технических навыков - демонстрируется процесс разработки двухслойной нейронной сети на языке Java. Особое внимание уделяется анализу проблем, возникающих при обучении нейросетей, включая формирование смещенных обучающих выборок, что иллюстрируется на примере неудачного опыта Amazon. Представлены результаты экспериментов и рекомендации по проектированию нейросетевых систем для HR-задач.

    Источник: Вестник молодёжной науки России. – 2019. – № 5. – С. 1. – EDN SDFVWR.

  6. Анализ понятий нейронная сеть и сверточная нейронная сеть, обучение сверточной нейросети при помощи модуля Tensorflow

    Авторы: И. И. Багаев

    Описание: Статья посвящена анализу эволюции инструментов распознавания образов: от классических методов машинного обучения к доминированию сверточных нейронных сетей (CNN) в задачах компьютерного зрения. Основное внимание уделено разбору базовых архитектур нейронных сетей и практическому применению высокоуровневого API фреймворка TensorFlow для построения и обучения CNN.

    Источник: Математическое и программное обеспечение систем в промышленной и социальной сферах. – 2020. – Т. 8, № 1. – С. 15-22. – DOI 10.18503/2306-2053-2020-8-1-15-22. – EDN IZBILN.

  7. Влияние адаптивного обучения с применением машинного обучения на показатели эффективности онлайн обучения

    Авторы: В. А. Шуваева

    Описание: Статья исследует потенциал адаптивных образовательных систем, построенных на основе машинного обучения, для повышения ключевых метрик эффективности онлайн-курсов. Автор рассматривает персонализацию как ответ на недостатки массовых онлайн-курсов, которые не учитывают индивидуальные цели и начальный уровень знаний учащихся.

    Источник: Бизнес и общество. – 2023. – № 2(38). – EDN MGPIKE.

  8. Обзор нейронных сетей: основные принципы работы, типы нейронных сетей, применение в области безопасности

    Авторы: В. В. Костырко

    Описание: Статья представляет собой обзорный анализ нейронных сетей как технологического инструмента для повышения эффективности систем информационной безопасности, в первую очередь в контексте муниципальных учреждений. Автор подчеркивает, что традиционные методы защиты становятся недостаточными перед лицом эволюционирующих киберугроз, и обосновывает необходимость внедрения адаптивных технологий машинного обучения.

    Источник: Интеллектуальные ресурсы - региональному развитию. – 2024. – № 2. – С. 512-517. – EDN SOHMGE.

  9. Нейронная сеть и регрессия: описание линейной регрессии в нейронных сетях

    Авторы: Л. Г. Саетова

    Описание: Статья посвящена анализу нейронных сетей как универсального инструмента для построения регрессионных моделей, в частности, для решения задачи линейной регрессии. Авторы рассматривают нейронную сеть не как альтернативу, а как обобщающий и гибкий математический аппарат для установления зависимостей между данными и последующего прогнозирования.

    Источник: Информационные технологии в науке, промышленности и образовании : Сборник трудов научно-технической конференции в рамках Всероссийского молодежного научного форума «ОБЩЕНИЕ СТУДЕНТОВ И АСПИРАНТОВ В НАУЧНОЙ И ПРОФЕССИОНАЛЬНОЙ СФЕРАХ», Ижевск, 26 мая 2021 года. – Ижевск: Издательство УИР Ижевского государственного технического университета имнги М. Т. Калашникова, 2021. – С. 15-21. – EDN QRGOWW.

  10. Влияние архитектуры нейронной сети и исходных данных на работу нейронной сети для задач классификации

    Авторы: В. В. Лебедянцев, М. И. Озерова

    Описание: Статья посвящена экспериментальному исследованию двух ключевых факторов, влияющих на эффективность нейронных сетей в задачах классификации: качество и структура исходных данных, а также архитектура самой сети. Авторы стремятся не только продемонстрировать существование этих зависимостей, но и исследуют возможность создания метамодели, способной предсказывать архитектуру сети на основе желаемого уровня точности.

    Источник: Информационные технологии в науке и производстве : Материалы VII Всероссийской молодежной научно-технической конференции, Омск, 21–22 апреля 2020 года / Редколлегия: А.Г. Янишевская (отв. ред.) [и др.]. – Омск: Омский государственный технический университет, 2020. – С. 145-152. – EDN DXWPPC..

  11. Сравнение нейронной сети Хемминга и свёрточной нейронной сети в задачах распознавания образов

    Авторы: Н. Е. Старостенко

    Описание: Статья представляет собой сравнительный анализ двух принципиально различных архитектур искусственных нейронных сетей — сети Хемминга и свёрточной нейронной сети (CNN) — в контексте классической задачи распознавания образов на примере арабских цифр. Цель сравнения — выявление их сильных и слабых сторон, а также определение областей эффективного применения.

    Источник: Перспективы развития информационных технологий : Труды Всероссийской молодежной научно-практической конференции, Кемерово, 29–30 мая 2014 года / Кузбасский государственный технический университет имени Т.Ф. Горбачева, Международный научно-образовательный центр КузГТУ-Arena Multimedia. – Кемерово: Кузбасский государственный технический университет им. Т.Ф. Горбачева, 2014. – С. 288-289. – EDN TCDKRN.

  12. Место модульных нейронных сетей в классификации искусственных нейронных сетей

    Авторы: Н. С. Костин

    Описание: Статья посвящена систематизации искусственных нейронных сетей (ИНС) на основе структурных признаков, с фокусом на выделение и анализ модульных нейронных сетей, в частности, сетей с ядерной организацией. Работа решает актуальную проблему проектирования больших высокопроизводительных нейросетей, предлагая структурный подход к их классификации и синтезу.

    Источник: Интеллектуальный потенциал XXI века: ступени познания. – 2013. – № 19. – С. 91-95. – EDN RPTPPN.

  13. Адаптивные интеллектуальные обучающие системы для систем электронного обучения

    Авторы: С. Р. Мубаракова, Б. Курос

    Описание: Статья посвящена анализу интеграции интеллектуальных обучающих систем (Intelligent Tutoring Systems, ITS) в среду электронного обучения. Авторы рассматривают ITS как решение ключевой проблемы массовых онлайн-курсов — отсутствия персонализированной адаптации под индивидуальные знания, цели и темп каждого учащегося, что необходимо для повышения мотивации и эффективности образовательного процесса.

    Источник: Молодой ученый. – 2018. – № 44(230). – С. 24-28. – EDN YNHAXJ.

  14. Автоматизация подбора параметров машинного обучения и обучение модели машинного обучения

    Авторы: Р. Л. Астапов, Р. М. Мухамадеева

    Описание: Статья посвящена решению одной из ключевых практических задач в области машинного обучения — автоматизации процесса настройки моделей. Авторы рассматривают два взаимосвязанных аспекта: автоматизированный подбор оптимальных гиперпараметров и выбор корректной методологии для валидации и обучения модели, что критически важно для обеспечения её обобщающей способности и воспроизводимости результатов.

    Источник: Актуальные научные исследования в современном мире. – 2021. – № 5-2(73). – С. 34-37. – EDN GJEUNW.

  15. Цифровая трансформация образовательной среды: внедрение нейросетей в создание обучающего контента: методы, преимущества и перспективы

    Авторы: Д. А. Мадиярова, Д. О. Миронова

    Описание: Статья посвящена практическому внедрению технологий искусственного интеллекта, в частности конкретных нейросетевых инструментов, в повседневную школьную практику. Авторы переходят от общих рассуждений о потенциале ИИ к демонстрации конкретных, апробированных на уроках методов, с целью показать, как нейросети могут быть использованы для повышения интерактивности, мотивации и эффективности обучения.

    Источник: Интеграция методической (научно-методической) работы и системы повышения квалификации кадров : материалы XXV Международной научно-практической конференции: в 2-х частях, Челябинск, 22 апреля 2024 года. – Челябинск: Челябинский институт развития образования, 2024. – С. 148-155. – EDN FRQYZO.

    16. Переводы статей

  16. Вейвлет-нейронные сети против нейронных сетей на основе вейвлетов

    Авторы: L. T. Dechevsky, K. M. Tangrand

    Автор перевода: В. А. Надеждин

    Описание: Статья представляет фундаментальное исследование, направленное на преодоление концептуальных и практических ограничений существующего класса вейвлетных нейронных сетей (ВНС). Авторы вводят и всесторонне обосновывают новый класс архитектур — нейронные сети на основе вейвлетов (НСОВ), который коренным образом отличается использованием продвинутых свойств многомасштабного вейвлет-анализа. Цель работы — доказать значительное теоретическое и практическое превосходство НСОВ над ВНС, особенно в контексте скорости обучения, качества аппроксимации и способности работать с выборками различного размера.

    Источник (англ.): International Journal of Applied Mathematics. – 2023. – Vol. 36, No. 2. – DOI 10.12732/ijam.v36i2.5. – EDN KPVUKW.

  17. Концепция адаптивного тренажёра и оценка его эффективности в математическом приложении

    Авторы: L. S. Kuravsky, D. A. Pominov, G. A. Yuryev [et al.]

    Автор перевода: В. А. Надеждин

    Описание: Статья посвящена разработке и эмпирической проверке математической модели самообучающегося адаптивного тренажёра. Предложенный подход является альтернативой распространённым адаптивным технологиям, основанным на теории обработки заданий (Item Response Theory), и направлен на преодоление их ключевых недостатков: неучёта временной динамики способностей обучающегося и необходимости выполнения большого количества заданий для точной диагностики. Работа представляет собой практическую попытку автоматизировать индивидуальную траекторию обучения в электронной среде, что особенно актуально для неформального обучения навыкам, таким как решение математических задач.

    Источник (англ.): Моделирование и анализ данных. – 2021. – Vol. 11, No. 4. – P. 5-20. – DOI 10.17759/mda.2021110401. – EDN GMMVTK.

  18. Задача неустойчивой связанной двухбаковой системы с новой скоростью обучения при использовании адаптивного онлайн нейро-нечёткого контроллера

    Авторы: H. R. Kataria, U. S. M. Pirzada, K. Dheerawat, A. Kataria

    Автор перевода: В. А. Надеждин

    Описание: Статья посвящена решению сложной промышленной задачи управления — регулированию уровня жидкости в неустойчивой нелинейной системе двух связанных резервуаров при наличии возмущений. Авторы ставят цель преодолеть ограничения традиционных методов, разработав и внедрив усовершенствованную схему адаптивного управления, которая сочетает вычислительную эффективность и устойчивость.

    Источник (англ.): Bulletin of the South Ural State University. Series: Mathematical Modelling, Programming and Computer Software. – 2025. – Vol. 18, No. 1. – P. 79-91. – DOI 10.14529/mmp250106. – EDN USRQIL.

  19. Отслеживание объектов с использованием глубокого обучения

    Авторы: V. V. Buryachenko, A. I. Pahirka

    Автор перевода: В. А. Надеждин

    Описание: Статья посвящена разработке системы многопользовательского слежения (Multi-Object Tracking, MOT) на основе технологий глубокого обучения. Основной акцент сделан на повышении точности и стабильности отслеживания в сложных условиях видеонаблюдения: при изменениях освещённости, формы объектов (например, позы человека), движении камеры и наличии шумов.

    Источник (англ.): Siberian Journal of Science and Technology. – 2020. – Vol. 21, No. 2. – P. 150-154. – DOI 10.31772/2587-6066-2020-21-2-150-154. – EDN GRXCJQ.

  20. Анализ алгоритмов обучения в стратегических системах реального времени

    Авторы: A.Krizhevsky, I.Sutskever, Geoffrey E. Hinton

    Автор перевода: В. А. Надеждин

    Описание: В статье представлена глубокая сверточная нейронная сеть AlexNet, которая с большим отрывом выиграла конкурс по распознаванию изображений ImageNet

    Источник (англ.): International Journal of Applied Mathematics. – 2024. – Vol. 51, No. 4. – DOI 10.12734/ijam.v36i2.5. – EDN KPVUKW.