Научная библиотека СГЮА

Главная

Упрощенный режим

Описание

Шлюз Z39.50

Базы данных

- результаты поиска

Вид поиска

Книги фонда НБ СГЮА

Дипломные работы выпускников СГЮА за последние 5 лет

Авторефераты

Диссертации

Период.издания науч.абонемента

Редкие книги Научной библиотеки СГЮА

Каталог электронных носителей

Труды ученых СГЮА

Саратовский край

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>K=глубокие нейронные сети<.>)

Общее количество найденных документов : 3
Показаны документы с 1 по 3

Вид документа : Статья из журнала
Шифр издания :
Автор(ы) : Другова, Елена Анатольевна, Журавлева, Ирина Игоревна, Захарова, Ульяна Сергеевна, Сотникова, Валерия Евгеньевна, Яковлева, Кристина Игоревна
Заглавие : Искусственный интеллект для учебной аналитики и этапы педагогического проектирования: обзор решений
Параллельн. заглавия :Artificial Intelligence for Learning Analytics and Instructional Design Steps: An Overview of Solutions
Место публикации : Вопросы образования. - 2022. - № 4. - С.107-153: рис., табл. - ISSN 1814-9545 (Шифр vpro/2022/4). - ISSN 1814-9545
Примечания : Библиогр.: с. 146-153
УДК : 378
ББК : 74.58
Предметные рубрики: Образование. Педагогика
Высшее профессиональное образование
Ключевые слова (''Своб.индексиров.''): addie модель--адаптивное обучение--глубокие нейронные сети--искусственный интеллект--коллаборативное обучение--машинное обучение--педагогический дизайн--педагогическое проектирование--персонализированное обучение--публикации--студенческий успех--учебная аналитика--чат-боты--экспертные системы
Аннотация: Методы искусственного интеллекта (ИИ) все чаще используются в исследованиях и разработках в области учебной аналитики (УА), призванной анализировать данные, накопленные в процессе обучения, с целью повышения его результативности. С этой же целью создаются модели педагогического проектирования. Наиболее широко распространена сегодня модель ADDIE, раскладывающая создание учебного курса на этапы. Пользователи и исследователи критикуют методы ИИ и УА за слабую связь с практикой преподавания, а педагогическое проектирование - за недостаток доказательности и измеримости. Проведен обзор литературы с целью продемонстрировать перспективы объединения этих трех областей знания и практики посредством анализа технологических решений для высшего образования, описанных в научных публикациях.
Найти похожие

Вид документа : Статья из журнала
Шифр издания :
Автор(ы) : Волковский М. А., Овасапян Т. Д., Макаров А. С.
Заглавие : Выявление вредоносного программного обеспечения с применением глубоких нейронных сетей
Параллельн. заглавия :Malware detection using deep neural networks
Серия: Безопасность программного обеспечения
Место публикации : Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 4. - С.72-83: схемы, диагр., табл. - ISSN 2071-8217 (Шифр pinb/2023/4). - ISSN 2071-8217
Примечания : Библиогр.: с. 81 (21 назв.). - Список литературы представлен на русском и английском языках.
УДК : 004.41/42
ББК : 32.973
Предметные рубрики: Вычислительная техника
Программирование ЭВМ. Компьютерные программы. Программотехника
Ключевые слова (''Своб.индексиров.''): deep neural networks--detection of malicious software--disassembled codes--information security--machine learning--malicious software--neural networks--software--вредоносное программное обеспечение--выявление вредоносного программного обеспечения--глубокие нейронные сети--дизассемблированные коды--информационная безопасность--машинное обучение--нейронные сети--программное обеспечение
Аннотация: В статье предлагается метод для выявления вредоносных исполняемых файлов путем анализа дизассемблированного кода. В основе данного метода лежит статический анализ ассемблерных инструкций исполняемых файлов с использованием специальной модели нейронной сети, архитектура которой также представлена в данной статье. Кроме того, посредством нескольких различных метрик была продемонстрирована эффективность метода, показывающая значительное снижение ошибки второго рода по сравнению с другими современными методами. Полученные результаты могут быть использованы в качестве основы для проектирования систем статического анализа вредоносного программного обеспечения.The article proposes a method for detecting malicious executable files by analyzing disassembled code. This method is based on static analysis of assembly instructions of executable files using a special neural network model, the architecture of which is also presented in this article. In addition, using several different metrics, the effectiveness of the method was demonstrated, showing a significant reduction in error of the second kind compared to other modern methods. The results obtained can be used as a basis for designing systems for static analysis of malicious software.
Найти похожие

Вид документа : Статья из журнала
Шифр издания :
Автор(ы) : Попов, Алексей Анатольевич (кандидат технических наук; доцент), Куклев, Роман Евгеньевич, Егоров, Дмитрий Георгиевич
Заглавие : Использование нейросетей для сортировки твердых коммунальных отходов
Серия: Подготовка кадров для отраслей экономики
Место публикации : Ученый совет. - 2024. - Т. 21, № 1. - С.39-44: 1 фот. - ISSN 2074-9953 (Шифр uchs/2024/21/1). - ISSN 2074-9953
Примечания : Библиогр.: с. 43-44 (7 назв.)
УДК : 004.9 + 504
ББК : 32.973-018.2 + 20.18:51.21
Предметные рубрики: Вычислительная техника
Прикладные информационные (компьютерные) технологии в целом
Экология
Управление отходами
Ключевые слова (''Своб.индексиров.''): cnn--dnn--rnn--тко--глубокие нейронные сети--использование нейросетей--классификация тко--коммунальные отходы--методы сортировки тко--модели нейронных сетей--мусоросортировочные комплексы--нейронные сети--нейросетевые методы--нейросетевые модели--нейросети--обращение с тко--обучение нейросетей--отходы--применение нейронных сетей--промышленные отходы--работа с твердыми коммунальными отходами--реккурентные нейронные сети--роботизированные мусоросортировочные комплексы--сверточные нейронные сети--сортировка тко--сортировка твердых коммунальных отходов--твердые коммунальные отходы--управление обращением с тко--утилизация твердых коммунальных отходов
Аннотация: В статье предложены критерии для выбора подходящей архитектуры нейросети для сортировки твердых коммунальных отходов (ТКО). Приведены примеры использования нейросетевых методов для сортировки ТКО. Это новое и перспективное направление в области утилизации отходов. Данная статья поможет читателям понять принципы работы нейросетей и преимущества их использования в данной задаче. Материалы статьи могут быть использованы в рамках подготовки по направлениям, связанным с экономикой и информационными технологиями.
Найти похожие

Тематический навигатор

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)