ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ СИСТЕМИ КОНТРОЛЮ ЗНАНЬ

Abstract

Розглядається алгоритм машинного навчання комп’ютеризованої системи контролю знань за тестовими завданнями. При цьому машинне навчання здійснюється в рамках інформаційно-екстремальної інтелектуальної технології аналізу даних, яка ґрунтується на максимізації інформаційної спроможності системи в процесі її навчання. Як ознаки розпізнавання розглядалися результати відповідей студентів на тестові завдання, які оцінювалися за стобальною шкалою. Запропоновано алгоритм інформаційно-екстремального машинного навчання з паралельно-послідовною оптимізацією системи контрольних допусків на ознаки розпізнавання. Як параметр машинного навчання, що оптимізується, розглядався нижній контрольний допуск на ознаки розпізнавання при фіксованому верхньому допуску. При цьому отримані в процесі паралельної оптимізації квазіоптимальні контрольні допуски на ознаки розпізнавання використовувалися як стартові при реалізації алгоритму машинного навчання з послідовною оптимізацією. Як критерій оптимізації параметрів машинного навчання розглядалася модифікована інформаційна міра Кульбака, яка є функціоналом від точнісних характеристик класифікаційних рішень. Оскільки, специфіка контролю знань полягає в тому, що алфавіт класів є структурованим, то розглядалася вкладена структура контейнерів класів розпізнавання, які характеризують відповідні рівні знать. При цьому вкладена структура характеризувалася загальним центром розсіювання векторів-реалізацій класів розпізнавання. Така структура на відміну від полімодальних контейнерів класів розпізнавання дозволила підвищити оперативність машинного навчання та достовірність вирішальних правил. Перевірка працездатності запропонованого алгоритму машинного навчання здійснювалася за репрезентативною вхідною навчальною матрицею, яка була сформованою за результатами тестування студентів за навчальною дисципліною.

Authors and Affiliations

Ihor Shelehov, Svitlana Pylypenko, Oleksiy Stolyarchuk, Tymofiy Romanenko

Keywords

Related Articles

Medium-term planning information technology for quality improvement of the software development process based on the CMMI model

<p class="304">Information technology is considered for medium-term planning for quality improvement of the software development process based on the CMMI model for the dynamic problem statement. The information system f...

MODELS AND SOFTWARE SOLUTIONS FOR THE PROBLEM OF DIAGNOSING THE FINANCIAL STATE OF IT ENTERPRISE

Today, the economy of Ukraine is in a relatively unstable position; therefore, Ukrainian enterprises require effective management. But in order to effectively manage the enterprise, you need to know what state it is in....

AN INFORMATION TECHNOLOGY FOR THE SUPPORT FOR SOLVING THE ANALYSIS PROBLEM OF THE CUSTOMERS’ VALUE WITHIN THE ENTERPRISE CRM-STRATEGY IMPLEMENTATION

This study considers a CRM-approach and methods for analyzing customer base. Mathematical and algorithmic support was developed for the analysis of customer value in a trading enterprise. Algorithmic support is presented...

РОЗРОБКА ANDROID ДОДАТКУ ДЛЯ СИСТЕМИ ПІДТРИМКИ ХОЛТЕРІВСЬКОГО МОНІТОРУВАННЯ

<p class="104"><span lang="UK">В роботі розглянуті питання розробки програмного забезпечення для підтримки системи холтерівського моніторування, яке орієнтоване на застосування пристроїв, на базі операційної систему Andr...

Підхід до виявлення аномальної поведінки процесів в системах процесного управління на основі аналізу логів

<span>В роботі запропоновано підхід до виявлення аномалій поведінки знання-ємних бізнес-процесів на основі порівняльного аналізу трас у складі журналів реєстрації подій. Підхід враховує темпоральному і об’єктний аспекти...

Download PDF file
  • EP ID EP465221
  • DOI 10.20998/2079-0023.2018.44.09
  • Views 109
  • Downloads 0

How To Cite

Ihor Shelehov, Svitlana Pylypenko, Oleksiy Stolyarchuk, Tymofiy Romanenko (2018). ІНФОРМАЦІЙНО-ЕКСТРЕМАЛЬНЕ МАШИННЕ НАВЧАННЯ СИСТЕМИ КОНТРОЛЮ ЗНАНЬ. Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї, 1320(44), 49-56. https://europub.co.uk/articles/-A-465221