Browsing by Author "Дорош, Ольга Володимирівна"

Now showing 1 - 2 of 2

Результати налаштування параметрів нейронних глибоких мереж щодо розпізнавання Fashion MNIST DATASET
(Херсонський національний технічний університет, 2022) Гнатушенко, Вікторія Володимирівна; Фененко, Тетяна Михайлівна; Дорош, Ольга Володимирівна
UKR: Проведено дослідження моделей згорткової нейронної мережі (Convolutional neural network – CNN) з метою підвищення точності розпізнавання Fashion MNIST DATASET.З огляду відомо, що розпізнавання елементів одягу набору Fashion MNIST є більш складним ніж розпізнавання набору рукопису цифр MNIST. Набор одягу Fashion-MNIST рекомендовано для досліджень різних архітектур нейронних мереж. Найкращі результати якості розпізнавання Fashion MNIST DATASET отримано за згортковою нейронною мережею. В даній роботі було метою покращити точність розпізнавання Fashion MNIST DATASET за рахунок дослідження різних архітектур CNN та їх параметрів. Обрано дві архітектури послідовної згорткової нейронної мережі з тих, у яких точність розпізнавання Fashion MNIST DATASET більше ніж 93%. Проведено дослідження їх архітектур та параметрів. Моделі відповідають визначенню нейронних глибоких мереж та мають різну кількість шарів. В дослідженнях моделей показано вплив параметрів batch_size, validation_split, validation_data на точність розпізнавання, а також варіанти розташування шару BatchNormalization та шару активації; вплив параметра “filters” для згорткового шару. Крім того, було використано два варіанти вибору валідаційної вибірки: перший – з набору даних для навчання (20%), а другий – набор даних тестування. При розрахунках число епох навчання дорівнювало 20. В процесі навчання вирішувалось питання не допустити перенавчання за допомогою аналізу функції втрат. Використано бібліотеки TensorFlow, Keras, мову програмування Python. Розроблено програмні модулі, які було реалізовано у хмарному сервісі Google Colab. В результаті досліджень підтверджено заявлену у роботах інших авторів точність розпізнавання >93% Fashion MNIST DATASET та отримано покращену точність розпізнавання в 94,16% для однієї з обраних моделей. Обґрунтовано вплив параметру batch_size на точність розпізнавання, обрано значення batch_size відповідно найкращому результату розпізнавання Fashion MNIST DATASET. Продемонстровано, що збільшення кількості даних для навчання покращує точність розпізнавання при використанні параметра valid_data==(X_test, X_test_labels) замість valid_split для даних навчання. Наведені результати чисельного експеримента, які підтверджують важливість та корисність застосування методів регуляризації для вирішення проблеми перенавчання: налаштування шарів Dropout дозволило покращити точність розпізнавання.
Розробка та реалізація мобільного додатка організації дистанційного навчання
(Херсонський національний технічний університет, Херсон, 2021) Гнатушенко, Вікторія Володимирівна; Китова, Ксенія Володимирівна; Дорош, Ольга Володимирівна
UKR: Зміни, що відбуваються останнім часом у сфері вищої професійної освіти, пов'язані з пандемією, призводять до необхідності застосування нових методів і форм роботи зі студентами. У даній статті мова йде про застосування дистанційного навчання при організації самостійної роботи з навчальним матеріалом. Дана робота присвячена особливостям дистанційного навчання в цілому. Пояснюється необхідність застосування дистанційних освітніх технологій в сучасному навчальному процесі, а також розкриваються переваги і недоліки такого навчання. Особлива увага приділяється практичним питанням дистанційного навчання, описуються форми і пропонуються ідеї щодо його застосування. На даному етапі головною проблемою являється відсутність єдиної уніфікованої електронної платформи для навчання. Адже в процесі дистанційного навчання викладач може використовувати різноманітні онлайн-сервіси, які він опанував. Візуально привабливий інтерфейс сприяє створенню позитивного враження від процесу взаємодії користувача з сайтом і, як наслідок, формує у учня позитивне ставлення до навчання. У роботі розроблено та реалізовано системи бази даних дистанційного навчання з двома рівнями доступу: «вчитель» та «учень», яку в подальшому можна розвивати, удосконалювати та згодом використовувати для організації освітніх процесів у закладах вищої освіти. Розроблений додаток являє собою програмний продукт, який написаний мовою програмування PHP 7-ої версії. В ході дослідження були проаналізовані сутність поняття системи дистанційної освіти, її структура, засоби і способи реалізації. Використаний в процесі розробки мобільного додатка об'єктно-орієнтований підхід, дозволяє здійснювати подальшу модернізацію системи. Слід зазначити, що створена платформа для дистанційного навчання є початковим етапом по впровадженню сучасних інформаційних технологій в процеси навчання. При подальшій роботі необхідно враховувати конкретні освітні вимоги закладу вищої освіти. В майбутньому вона може стати потужним інструментом з надання електронної підтримки навчання студентів.