| dc.contributor | Брестский государственный технический университет | ru_RU |
| dc.contributor | Brest State Technical University | ru_RU |
| dc.contributor.author | Савицкий, Юрий Викторович | |
| dc.coverage.spatial | Брест | ru_RU |
| dc.date.accessioned | 2020-09-09T14:18:43Z | |
| dc.date.available | 2020-09-09T14:18:43Z | |
| dc.date.issued | 2009 | |
| dc.identifier.citation | Савицкий, Ю. В. Нейросетевой подход к организации модели для анализа качества тестовой выборки / Ю. В. Савицкий
// Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2009. – № 5. – С. 33–34. – Библиогр.: с. 34 (6 назв.). | ru_RU |
| dc.identifier.uri | https://rep.bstu.by/handle/data/7289 | |
| dc.description | SAVITSKY Y. V. A Neural network based technique for modeling of a quality testing set | ru_RU |
| dc.description.abstract | Специфика современного высшего образования, предполагающая освоение больших постоянно обновляющихся информационных массивов знаний в сжатые сроки, определяет высокую практическую значимость программных систем тестирования знаний в учебном процессе. В связи с этим возрастают требования к качеству тестовой выборки, предъявляемой обучаемому для оценки знаний. Для решения задачи в работе предлагается нейросетевой подход к оценке качества тестовых заданий. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БрГТУ | ru_RU |
| dc.relation.ispartofseries | Физика, математика, информатика; | |
| dc.subject | нейросетевые системы | ru_RU |
| dc.subject | neural network systems | ru_RU |
| dc.title | Нейросетевой подход к организации модели для анализа качества тестовой выборки | ru_RU |
| dc.type | Статья (Article) | ru_RU |
| dc.identifier.udc | 681.324 | ru_RU |
| dc.abstract.alternative | A Technique for adaptive modeling of a quality testing set using an artificial neural network is discussed. A neural network arrangement is grounded and formulated; a methodic for training set organization is proposed; a common algorithm for the model building is described. Perspectives of application of this approach to the more wide set of tasks are presented. | ru_RU |
