| dc.contributor.author | Попова, Ю. Б. | ru |
| dc.coverage.spatial | Минск | ru |
| dc.date.accessioned | 2019-08-28T09:36:45Z | |
| dc.date.available | 2019-08-28T09:36:45Z | |
| dc.date.issued | 2019 | |
| dc.identifier.citation | Попова, Ю. Б. Искусственная нейронная сеть в обучающей системе CATS = Artificial Neural Network in the CATS Training System / Ю. Б. Попова // Цифровая трансформация. – 2019. – № 2. – С. 53-59. | ru |
| dc.identifier.uri | https://rep.bntu.by/handle/data/56582 | |
| dc.description.abstract | В данной работе представлен вариант применения искусственной нейронной сети (ИНС) для адаптивного обучения. Основная идея использования ИНС заключается в применении ее под конкретный учебный материал, чтобы по окончании изучения курса или его отдельной темы обучающийся мог без участия преподавателя определить не только свой уровень знаний, но и получить рекомендации, какой материал необходимо изучить дополнительно вследствие пробелов в изучаемых вопросах. Такой подход позволяет построить индивидуальную обучающую траекторию, значительно сократить время для изучения учебных дисциплин и повысить качество образовательного процесса. Обучение искусственной нейронной сети происходит по методу обратного распространения ошибки. Разработанная ИНС может быть применена для изучения любой учебной дисциплины с различным количеством тем и контрольных вопросов. Результаты исследований внедрены и апробированы в авторской разработке – адаптивной обучающей системе CATS. | ru |
| dc.language.iso | ru | ru |
| dc.publisher | Главный информационно-аналитический центр Министерства образования Республики Беларусь | ru |
| dc.title | Искусственная нейронная сеть в обучающей системе CATS | ru |
| dc.title.alternative | Artificial Neural Network in the CATS Training System | en |
| dc.type | Article | ru |
| local.description.annotation | This paper presents a variant of using an artificial neural network (ANN) for adaptive learning. The main idea of using ANN is to apply it for a specific educational material, so that after completing the course or its separate topic, the student can determine, not only his level of knowledge, without the teacher’s participation, but also get some recommendations on what material needs to be studied further due to gaps in the studied issues. This approach allows you to build an individual learning trajectory, significantly reduce the time to study academic disciplines and improve the quality of the educational process. The training of an artificial neural network takes place according to the method of back propagation of an error. The developed ANN can be applied to study any academic discipline with a different number of topics and control questions. The research results are implemented and tested in the CATS adaptive training system. This system is the author's development. | en |
