CC BY
28
Рис. 3. Полиномы над полем Ъю. вВ = 7678136, вЕ = 8352241, К = 0,919
По горизонтальной оси приведена шкала 1, 2, ..., 11. Числу к соответствует полином, в котором 100 • (12 -к)/11 % ненулевых мономов. В левом конце шкалы находятся полиномы со 100 % плотностью, а в правом -с 9 % плотностью. Представлены значения, усредненные по 200 случайным экспериментам.
Рис. 4. Полиномы над полем Z2. GB = 1811281. GE = 2146495, К = 0,843
Обозначено: GB - число мультипликативных операций для бинарного алгоритма; GE - число мультипликативных операций для алгоритма Евклида; К = GB/GE.
ЛИТЕРАТУРА
1. Stein J.//3. Comp. Phys. 1967. V. 1. P. 397-405.
2. Кнут Д. Искусство программирования. М.: Издат. дом «Вильямс», 2001. Т. 2.
БЛАГОДАРНОСТИ: Работа частично финансировалась Министерством образования РФ, грант № Е02-2.0-98.
МОДЕЛЬ ГОТОВНОСТИ ИНДИВИДОВ К ПОЗНАВАТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ НА ОСНОВЕ АППАРАТА ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
© Н.А. Зенкова, А.А. Арзамасцев
В настоящее время состояние высшей школы характеризуется значительной неоднородностью в уровне подготовки абитуриентов, вызванной психологическими, социальными, демографическими и иными изменениями, происходящими в обществе. Указанные явления накладывают негативный отпечаток на организацию и управление учебным процессом в вузах. Это определяет необходимость введения и расчета такого показателя как «уровень готовности индивида» (УГИ) к познавательной деятельности для управления учебным процессом. Существующая система оценок
готовности абитуриентов к получению образования по выбранной специальности позволяет определять лишь имеющиеся у них знания, умения и навыки на момент поступления в вуз. Понятие УГИ не является на сегодняшний день определенным и достаточно разработанным, остаются неясными его структура, содержание и возможности объективной оценки.
По результатам экспериментальных исследований, проведенных для изучения способности индивидов к моделированию предметной области [1], нами был сделан вывод о том, что эта способность может быть
рассмотрена как важный показатель их профессиональной пригодности при расчете УГИ.
Для построения технологии определения структуры и содержания УГИ к познавательной деятельности было принято решение использовать аппарат искусственных нейронных сетей (ИНС), который хорошо зарекомендовал себя в задачах распознавания образов, которой, по сути, и является задача определения УГИ.
В качестве примера для проверки возможности использования этого аппарата нами была предпринята попытка моделирования теста Л.А. Йовайши по выявлению склонностей к различным сферам деятельности [2, 3]. В результате проведенного исследования было установлено, что: 1) с помощью аппарата ИНС удается получить адекватные модели систем психологического тестирования; 2) в отличие от существующих систем тестирования, имеющих жесткую внутреннюю структуру связей, их модель на основе ИНС позволяет:
- установить структуру связей в сети и силу влияния входных параметров на результат тестирования;
- модифицировать структуру за счет введения новых заданий;
- дообучать модель на основе вновь поступивших данных, таким образом адаптируя ее к имеющейся аудитории.
На основе проведенных экспериментальных исследований, а также обнаруженных свойств аппарата ИНС, была предложена технология определения УГИ.
В общих чертах она включает в себя следующие этапы:
1) Построение первичной модели профессиональных качеств индивида на основе аппарата искусственных нейронных сетей и какой-либо известной системы психологического тестирования. После реализации первого этапа мы имеем ядро модели, не адаптированное к заданной ПО. Для определения УГИ к познавательной деятельности ядро должно быть дополнено
возможностью оценки некоторых других качеств индивида.
2) Коррекция первичной модели за счет введения дополнительных заданий и модификации структуры ИНС. После реализации второго этапа мы имеем психологическую модель профессиональных качеств индивида на основе аппарата искусственных нейронных сетей. Эту модель можно использовать для определения уровня готовности индивида к познавательной деятельности в определенной сфере на том основании, что, во-первых, она включает в себя известные данные о профессиональной пригодности индивида (ядро модели), дополнения, позволяющие оперировать в заданной профессиональной области и с учетом заданного контингента обучаемых, а во-вторых, вся модель обучена на выборке из опытных данных (матрице ответов респондентов).
3) Определение структуры и содержания УГИ на основе модифицированной модели заключается в определении значимости составляющих компонентов психологической модели УГИ.
Результатом выполнения данной технологии является психологическая модель готовности индивидов к познавательной деятельности с определенной структурой и содержанием.
ЛИТЕРАТУРА
1. Арзамасцев А.А., Зенкова Н.А. Способность индивидов к аппрок-симационно-прогностической деятельности как средство оценки профессиональной пригодности специалистов // Вестн. ТГУ. Сер. Естеств. и техн. науки. Тамбов, 2001. Т. 6. Вып. 2. С. 254-261.
2. Арзамасцев А.А., Зенкова Н.А. Компьютерные системы психологического тестирования нового поколения - на основе технологии искусственных нейронных сетей // Вестн. ТГУ. Сер Естеств. и техн. науки. VII Державинские чтения: Матер, науч. конф. преподавателей и аспирантов. Тамбов, 2003. Т. 8. Вып. 1. С. 190-192.
3. Арзамасцев А.А., Зенкова Н.А. Моделирование в психологии на основе искусственных нейронных сетей. Тамбов: ИМФИ ТГУ им. Г.Р. Державина, 2003. 106 с.
СВЯЗЬ МОРФОЛОГИЧЕСКОГО ПАРАМЕТРА С ОСНОВНЫМИ ХАРАКТЕРИСТИКАМИ РОСТА ПОПУЛЯЦИИ МИКРООРГАНИЗМОВ © Д.В. Слетков
При работе с биологическими объектами часто требуется поставить в соответствие изображению такого объекта некоторое числовое значение. Подобная проблема имеет место, например, при управлении процессом культивирования микроорганизмов, когда по изображению популяции в поле микроскопа необходимо сделать выводы о ее морфологическом и физиологическом состояниях или при наблюдении за ростом и изменением формы у макрообъектов, таких как мхи, кустарники, кроны деревьев и т. д. Удобным математическим аппаратом для решения данной проблемы является подсчет фрактальной размерности изображений. Однако результат таких вычислений не во всех
случаях совпадает с фрактальной размерностью реального объекта, поэтому в данной работе мы будем использовать название «морфологический параметр». На возможность использования подобного подхода при наблюдении за микроорганизмами указано в статьях.
В качестве объекта исследования выбраны дрожжи ЗассИаготусез сеге\пн1ае.
В ходе эксперимента наблюдение вели за следующими показателями процесса: концентрациями клеток микроорганизмов, сухих веществ питательной среды, этанола и объемом двуокиси углерода, выделяемой культурой за некоторый промежуток времени
