Публикации автора

Введение. Методы машинного обучения и элементы искусственного интеллекта используются для анализа случайных данных, процессов и сигналов. Изучение соответствующих инструментов уже входит в учебные программы направлений подготовки разного уровня.

Цель исследования – продемонстрировать на доступных для студентов разных специальностей примерах, что анализ погрешностей методов машинного обучения при решении конкретных задач может являться основой формирования в учебном процессе навыков применения элементов искусственного интеллекта.

Материалы и методы. Для обработки случайных сигналов и данных используется открытое доступное программное обеспечение: Microsoft Excel для подготовки обучающей и тестовой выборки, аналитическая платформа Deductor для реализации алгоритмов машинного обучения. В качестве примера для технических специальностей обрабатываются квазигармонические сигналы со случайными параметрами, а для обработки многомерных случайных данных используются результаты психодиагностики.

Результаты исследования. В качестве характерного решения аппроксимационных технических задач анализируются ошибки использования нейронной сети прямого распространения для определения случайных параметров сигналов. В качестве решения классификационных задач многомерные случайные данные с разной размерностью обрабатывались при помощи нейронных сетей и метода «дерево решений». Проанализированы преимущества комбинированного использования этих двух методов машинного обучения. Приведённые примеры и их анализ апробированы на занятиях со студентами университета в рамках дисциплин «Цифровая обработка сигналов» и «Основы статистики».

Обсуждение и заключения. Обсуждаются статистические особенности полученных результатов, возможности сокращения обучающей выборки и селективного анализа многомерных случайных данных. Показано, что адекватная оценка погрешностей методов машинного обучения позволяет существенно расширить возможности их применения и может являться основой для формирования навыков их использования.

В статье представлены результаты экспериментального исследования личностных черт и их репрезентации в статусных группах в своем коллективе подростков разных возрастных групп 11-12 лет (группа № 1) и 14-15 лет (группа № 2). Общение занимает важное место в жизни подростка, успешное взаимодействие определяет его психологическое благополучие, а обретение определенного социального статуса играет ключевую роль в формировании и укреплении самооценки подростка. Исследование проведено с обучающимися 5-6-х классов (151 ученик) и 8-9-х классов (112 обучающихся) МБОУ СОШ № 3 г. Белая Калитва Ростовской области. Для определения статуса в коллективе сверстников использовался социометрический метод исследования структуры взаимоотношений в группе Дж. Морено. Личностные черты выявлялись при помощи опросников Р. Б. Кеттелла: 12 PF/CPQ и 14 PF/HSPQ. Показано, что профиль личности подростков «звезды» разных возрастных групп значительно отличается по содержанию и высокой выраженности личностных характеристик. У обеих возрастных категорий «отверженные» личностные показатели оказались в средних значениях, «ярко» не выражены. Наблюдение за поведением и общением подростков это подтверждает. Группа подростков 14-15 лет «звезд» отличается более чем в 2 раза числом личностных черт с очень высокой и очень низкой выраженностью от «звезд» 11-12 лет. Полученные результаты позволяют предоставить рекомендации классному руководителю, педагогам по работе с учащимися разных возрастных групп по сплочению коллектива, разработать индивидуальный подход в урочное время и во внеклассной работе.