https://rep.bntu.by/handle/data/158622 2026-04-10T16:40:56Z 2026-04-10T16:40:56Z Никульшин, Б. В. Кисель, Т. В. https://rep.bntu.by/handle/data/158631 2025-09-04T11:38:46Z 2025-01-01T00:00:00Z

Оптимизация распределения зачисленных абитуриентов по учебным группам Никульшин, Б. В.; Кисель, Т. В. В статье предлагается подход к решению задачи оптимального распределения зачисленных абитуриентов по учебным группам с учетом уровня мотивации распределяемых. Результаты данной работы могут быть использованы вузами в качестве естественного административного инструмента для достижения лучших образовательных результатов в контексте академической неоднородности.

2025-01-01T00:00:00Z Конопацкий, Д. А. Лобатый, А. А. https://rep.bntu.by/handle/data/158630 2025-08-26T05:45:03Z 2025-01-01T00:00:00Z

Система поддержки принятия решений при управлении образовательным процессом Конопацкий, Д. А.; Лобатый, А. А. Статья посвящена исследованию особенностей применения систем поддержки принятия решений при создании автоматизированных интеллектуальных систем управления образовательными процессами. Проводится обоснование принципов и методик синтеза интеллектуальной системы, особенностей применения различных математических моделей регуляторов, их достоинств и недостатков. Сделан обоснованный вывод о том, что применение традиционных подходов, основанных на использовании теоретических положений классической теории автоматического управления применительно к синтезу систем управления социальными системами, к которым относятся системы управления образовательными процессами, не позволяет достичь желаемого результата. Предложено при построении системы управления образовательным процессом использовать принципы и методы построения интеллектуальных систем, основное отличие которых состоит в том, что система сама синтезирует цель управления на основе внешних условий, имеющейся в системе базы знаний и мотивации к задачам функционирования системы. Рассматривается построение системы поддержки принятия решений как элемента управляющего блока, основным элементом которого является человек – руководитель (преподаватель), осуществляющий непосредственное управление объектом, которым является также человек – обучаемый (ученик, студент, слушатель). Предложена структурная схема построения интеллектуальной системы управления информационными потоками образовательного процесса и модель воздействия на объект управления. Основой системы управления является динамическая экспертная система, осуществляющая прогнозное моделирование результатов управляющего воздействия, формируемого на основе теории нечетких множеств. Приведен пример моделирования управления информационным потоком, демонстрирующий качественную картину происходящих в системе процессов с учетом внешних воздействий на объект управления.

2025-01-01T00:00:00Z Голиков, В. Ф. Радюкевич, М. Л. Шуляк, Д. В. https://rep.bntu.by/handle/data/158629 2025-08-26T05:50:09Z 2025-01-01T00:00:00Z

Двухсторонняя атака на синхронизируемые искусственные нейронные сети, формирующие общий секрет Голиков, В. Ф.; Радюкевич, М. Л.; Шуляк, Д. В. Рассматривается уязвимость технологии формирования общего криптографического ключа с помощью синхронизируемых искусственных нейронных сетей (ИНС) относительно нового типа атаки, названной двухсторонней. Суть атаки заключается в том, что криптоаналитик, прослушивая открытый канал связи, создает для этого две идентичные искусственные нейронные сети, одну из которых он синхронизирует с сетью одного из легальных абонентов, а вторую – с сетью другого легального абонента. Сравнивая вектора весовых коэффициентов атакующих сетей, криптоаналитик имеет возможность определить момент наступления полной синхронизации сетей легальных абонентов и значение сформированного секретного числа. Далее исследуются возможности двухсторонней атаки при различных моделях формирования секретного числа.

2025-01-01T00:00:00Z Хайдаров, Ш. И. https://rep.bntu.by/handle/data/158628 2025-08-25T16:02:08Z 2025-01-01T00:00:00Z

Оценка эффективности алгоритмов выявления рака с использованием синтетических данных на основе машинного обучения Хайдаров, Ш. И. В данном исследовании проанализировано распределение реальных объектов и синтетически расширенных данных, а также оценено их влияние на модели машинного обучения. Были сопоставлены результаты обучения моделей: Logistic Regression, Decision Tree, Random Forest и SVM на синтетических данных с результатами, полученными на датасете реальных объектов. Экспериментальные результаты показали, что использование синтетически расширенных данных способствует повышению точности классификационной модели, причем особенно заметное улучшение наблюдается в некоторых алгоритмах.

2025-01-01T00:00:00Z