Тест алгоритмизация и программирование ответы 9 класс

Абдукадиров А. А. 1 Юсупов Д. Ф. 2


1 1 Министерство высшего и среднего специального образования Республики Узбекистан 2 Министерство высшего и среднего специального образования Республики Узбекистан

Данная статья посвящена рассмотрению сущности формализации системы предикатов по теме “Алгоритмизация и программирование” курса информатики для построения нейронной сети оценки знаний студентов. Предлагаемый метод формализации системы предикатов по теме. Основанный на построенной нейронной сети. Позволяет оценить знания и компетентность студента в данном курсе. Разработанном на примере курса “Алгоритмизация и программирование”. Учитывает следующие особенности решаемой задачи: неполноту и неопределенность информации о навыках. Умениях и знаниях студента; многокритериальность. Обусловленную необходимостью учета большого количества частных показателей. Связанных с учебной деятельностью и формированием знаний и умений.;

наличие как количественных. Так и качественных показателей. Которые необходимо учитывать при оценке уровня знаний. Разработанная методика формализации системы предикатов темы может быть применена к любым дисциплинам высшего учебного заведения для оценки компетентности студентов на основе нейронной сети путем изменения характера и количества предикатов.

Данная статья посвящена рассмотрению сущности формализации системы предикатов по теме “Алгоритмизация и программирование” курса информатики для построения нейронной сети оценки знаний студентов. Предложенный метод формализации системы предикатов по теме. Основанный на построенной нейронной сети. Позволяет оценить знания и компетентность студента в данном курсе. Разработанном на примере дисциплины “Алгоритмизация и программирование”. Учитывает следующие особенности решаемой задачи: неполноту и неопределенность информации о навыках. Умениях и знаниях студента; многокритериальность. Обусловленную необходимостью учета большого количества частных показателей. Связанных с учебной деятельностью и формированием знаний и умений.;

наличие как количественных. Так и качественных показателей. Которые необходимо учитывать при оценке уровня знаний. Разработанная методика формализации системы предикатов темы может быть применена к любым дисциплинам высшего учебного заведения для оценки компетентности студентов на основе нейронной сети путем изменения характера и количества предикатов.

алгоритм

математическая логика

высказывание

сказуемое

нейрон

нейронная сеть

1. Игошин В. И. Математическая логика и теория алгоритмов.

— М.: Академия, 2008. – 448 с.

2. Гринченков Д. В.. Потоцкий С. В. Математическая логика и теория алгоритмов для программистов. Учебник. – М.: КноРус, 2017. – 206 с.

3. Каллан, Роберт. Основные понятия нейронных сетей.: Пер.с англ. – М.: Изд-во Вильямс, 2001. – 286 с.

4. Барский А. Б. Нейронные сети: распознавание, управление. Принятие решений. – М.: Финансы и статистика, 2004. – 176 с.

5. Сараев П. В. Нейросетевые методы искусственного интеллекта: учебное пособие / П. В. Сараев .

— Липецк: ЛГТУ, 2007. – 64 с.

6. Крисилов В. А.. Кондратюк А. В. Преобразование входных данных нейронной сети с целью повышения их различимости. http://neuroshool.narod.ru/

7. Назиров Ш. А.. Кобулов Р. В.. Бобожонов М. Р.. Рахманов С. С. С в ++ +++. ” Ворис-наширует

В моменты принятия трудных решений специалист пытается “заглянуть внутрь себя” и осмыслить. Как он справляется с трудными. А иногда и неразрешимыми формально-логическими задачами. Естественная тревога и жажда знаний переполняют его вместе со смутным сознанием того. Что математический. Алгоритмический подход к построению сложных кибернетических систем искусственно абсолютизирован.

Все должно быть в порядке. Все должно быть взвешено. Ищаясь к самому себе. Он неоднократно проводит мозговой штурм на том загадочном. Созданном природой. – на своем собственном мозгу.

Математическая логика. Ее важнейшие разделы “Алгебра высказываний” и “Теория алгоритмов”. Действительно объединили принципы мышления и их автоматизированное воплощение [1, 2]. Однако для реализации мышления природа не создала ничего лучшего. Чем человеческий мозг. Это гигантская нейронная сеть. Фиксирующая причинно-следственные связи. Создающая базу знаний и владеющая процедурами логического вывода.

Таким образом. Нейронные сети действительно являются основой для формализации средств мышления. Поэтому справедливо предположить. Что изучение нейронных сетей основано на достижениях математической логики.

Интеграция педагогических и интеллектуальных информационных технологий. В частности нейросетевых технологий [3. 4]деляет новый вид интеллектуальных компьютерных обучающих средств – нейросетевые компьютерные обучающие системы. Индивидуализирующие и адаптирующие процесс обучения к потребностям обучающегося с помощью аппарата нейронных сетей.

Нейронные сети относятся к технологиям искусственного интеллекта и представляют собой математические модели биологических нейронных сетей. Основным преимуществом нейронных сетей является то. Что они позволяют создать математический аппарат предикатной логики. Который в условиях разнообразия. Большого объема. Противоречивости и недостаточности различной диагностической информации способен решать задачи распознавания и категоризации изображений. Данный математический аппарат позволяет: путем измерения характеристик обучаемого и применения методов кластерного анализа группировать контингент по кластерам интегративных индивидуальных характеристик; дифференцировать учебный материал по различным параметрам;

строить индивидуальные траектории обучения; учитывать динамику и возможность изменения траектории студента.

Интенсивное использование информационно — коммуникационных технологий в образовательном процессе требует поиска новых методов и средств обучения. Разработки единой информационной среды образовательного учреждения. Математической формализации процесса обучения как слабо формализованного объекта с целью разработки моделей и алгоритмов оптимального управления им.

Разработка новых методов управления и моделирования образовательного процесса является актуальной задачей сегодняшнего дня. При научно обоснованном исследовании. Изучении и анализе объектов образовательного процесса с использованием современных. Уникальных нейросетевых технологий появляются принципиально новые возможности для поиска методов и средств совершенствования образовательного процесса.

Использование нейронных моделей и нейросетевых технологий в объектах образовательного процесса создает основу для новых направлений в вузах по разработке интегрированных интеллектуальных систем образовательного учреждения.

При управлении образовательным учреждением с использованием нейросетевых технологий не будет никаких ограничений на типы и размеры обрабатываемых данных. Искусственная нейронная сеть моделирует на логическом уровне деятельность нервной системы человека и животных. Особенно интересна способность нейронных сетей усваивать и запоминать информацию. Которая напоминает мыслительные процессы людей. Именно поэтому в ранних работах по изучению нейронных сетей часто упоминался термин “искусственный интеллект”. Этот интерес понятен: поскольку искусственная нейронная сеть по сути является моделью естественной нервной системы. То создание и изучение таких сетей позволяет многое узнать о функционировании природных систем. В частности образовательных.

Теперь рассмотрим проблемы формализации предикатов для построения нейронной сети при изучении раздела “Алгоритмизация и программирование” курса информатики с целью повышения эффективности учебного процесса [5-7].

Введем обозначение: А-это множество студентов группы.

Студенты на практическом занятии самостоятельно осваивают раздел “Алгоритмизация и программирование” курса информатики.

Набор основных алгоритмов раздела “Алгоритмизация и программирование” курса Информатики будет обозначен в виде набора:

Здесь: SS – это алгоритм строго последовательного вычислительного процесса;

SB – алгоритм простого ветвящегося вычислительного процесса;

CB – алгоритм сложного ветвящегося вычислительного процесса;

СК – алгоритм простого рекуррентного (циклического) вычислительного процесса;

CC – алгоритм сложного циклического вычислительного процесса;

BC – алгоритм ветвления с циклом;

СВ – это циклический процесс с ветвлением.

Профессорско — преподавательский состав кафедры. Дающий консультации по разделу “Алгоритмизация и программирование” курса Информатики. Будет обозначаться как наборы:

Юсупов, старший преподаватель. Сетметов, Асс.

Предположим. Директор группы. Старший преподаватель Юсупов Д. контролирует процесс изучения студентами раздела “Алгоритмизация и программирование” курса информатики и собирает статистику их оценок.

Формализуется цель оценки знаний студентов по данному предмету:

1. Доведите количество отличников до минимума в 10 человек. %;

2. Хороших студентов увеличить минимум на 25 %;

3. Оценки студентов удовлетворительные до минимума 65 %;

4. Оценки учащихся неудовлетворительные минимум на 0 %.

Заявленная цель с точки зрения математики формализуется следующим образом. Для 5 типов алгоритмов

Оценки каждого студента по освоению основных алгоритмов данного раздела будут оцениваться следующим образом:

Деятельность студента. По изучению основных алгоритмов. Формализуется в абстрактной форме, например:

  • Юсупову получить консультацию по алгоритму СК – алгоритму простого повторяющегося (циклического) вычислительного процесса;

Представленные абстрактные записи с точки зрения математической логики будут записаны следующим образом:

Процесс изучения основных алгоритмов раздела “Алгоритмизация и программирование” можно абстрагировать следующим образом:

Таким образом, ученик А1 пришел к учителю В1 или В2, чтобы получить консультацию по алгоритму СС. Или СБ, или КБ. Или СК, или КК.

С точки зрения системного анализа. Процесс изучения основных алгоритмов студентами группы. Рассмотрев все возможные варианты и проанализировав полученные результаты. Можно сделать вывод об оценке знаний студентами в виде логических утверждений – в виде системы предикатов:

abd01.wmf (1)

Согласно формализации. Первый и второй предикаты означают, что:

Если ученик А1 пришел к учителю В1 за консультацией по алгоритму С1 или С2 или С3 или С4 или С5, то после ее получения учитель оценивает знания ученика по рейтингу R1;

Если ученик А1 пришел к учителю В2 или В3, чтобы получить консультацию по алгоритму С1 или С2 или С3, то после ее получения учитель оценивает знания ученика по рейтингу R2 и т. д.

Таким образом. Система предикатов (1) для изучения основных алгоритмов раздела “Алгоритмизация и программирование” и оценки знаний студентов послужит основой для построения нейронной сети оценки знаний студентов.