https://rep.bntu.by/handle/data/139560 2026-04-07T05:34:49Z https://rep.bntu.by/handle/data/139568 Оптимизация структуры учебного процесса при заданных ограничениях Лобатый, А. А.; Конопацкий, Д. А. Статья посвящена исследованию путей оптимизации математической модели структуры учебного процесса. Формализация структуры учебного процесса проведена в виде задания целевой функции, включающей сумму количества часов, предусмотренных учебным планом на различные виды учебных занятий. При этом для каждого вида занятий предусмотрен весовой коэффициент, который характеризует относительную эффективность каждого вида занятий. Численные значения весовых коэффициентов предлагается определять путём применения метода анализа иерархий на основе экспертных оценок, которые задаются назначенными специалистами. Задача состоит в максимизации целевой функции, характеризующей общую эффективность учебного процесса. В качестве ограничений, накладываемых на структуру учебного процесса, рассматривается система неравенств, представленных в линейной форме и учитывающих ограничения на бюджет учебного времени, выделенный на изучение учебной дисциплины, финансовые ограничения на оплату труда преподавательского и учебно-вспомогательного состава, финансовые ограничения, связанные с содержанием учебно-материальной базы, закупкой программного обеспечения и прочими расходами. Таким образом, задача оптимизации учебного процесса сведена к задаче линейного программирования, которая в данном случае решается с помощью симплекс-метода при использовании стандартной программы, реализованной в различных компьютерных средах. При этом формулируется двойственная задача для определения требуемых временных и финансовых ресурсов при заданном распределении учебных часов по видам занятий. Приведенный в статье пример, реализованный в компьютерной среде Mathcad, наглядно показал работоспособность разработанной методики. 2023-01-01T00:00:00Z https://rep.bntu.by/handle/data/139567 Оценка влияния электромагнитного шумового излучения диапазона WiFi на эмоциональное состояние оператора Сидоренко, А. В.; Солодухо, Н. А. Проведены экспериментальные исследования электроэнцефалограмм оператора, находящегося в условиях электромагнитного шумового излучения диапазона WiFi. Регистрация электроэнцефалограмм проводилась в стандартных отведениях Fp1, Fp2, F3, F4, C3, C4, P3, P4, O1, O2, F7, F8, T3, T4, T5, T6, Fpz, Fz, Cz, Pz, Oz. Проанализированы количественные параметры эмоционального состояния оператора, выраженные спектральной плотностью мощности ритмических компонент мозга, а также такими информационными параметрами, как выборочная энтропия, фрактальная размерность, сложность Лемпеля-Зива, усредненные для 10 испытуемых. Показано, что при действии излучения оператор испытывает депрессию. Показано, что тенденция изменения параметров спектральной плотности мощности тета-, альфа-, гамма-ритмов, фрактальной размерности, сложности Лемпеля-Зива, выборочной энтропии в большинстве отведений электроэнцефалограмм совпадает с тенденцией изменения этих параметров, представленных в научной литературе, при депрессии. Установлено, что оператор испытывает страх, что определяется увеличением параметра фрактальной размерности электроэнцефалограмм не более чем на 0,4 % по отношению к фону. 2023-01-01T00:00:00Z https://rep.bntu.by/handle/data/139566 It diagnostics of parkinson's disease based on voice markers and decreased motor activity Vishniakou, U. А.; Yiwei, X. The objectives of the article to propose the method for complex recognition of Parkinson's disease using machine learning, based on markers of voice analysis and changes in patient movements on known data sets. The time-frequency function, (the wavelet function) and the Meyer kepstral coefficient function are used. The KNN algorithm and the algorithm of a two-layer neural network were used for training and testing on publicly available datasets on speech changes and motion retardation in Parkinson's disease. A Bayesian optimizer was also used to improve the hyperparameters of the KNN algorithm. The constructed models achieved an accuracy of 94.7 % and 96.2 % on a data set on speech changes in patients with Parkinson's disease and a data set on slowing down the movement of patients, respectively. The recognition results are close to the world level. The proposed technique is intended for use in the subsystem of IT diagnostics of nervous diseases. 2023-01-01T00:00:00Z https://rep.bntu.by/handle/data/139565 Анализ алгоритмов обнаружения дорожно-транспортных инцидентов на скоростных автомагистралях, использующих стационарные детекторы транспорта Навой, Д. В.; Капский, Д. В.; Филиппова, Н. А.; Пугачев, И. Н. Алгоритмы обнаружения инцидентов с точки зрения автоматизации можно разделить на две категории: автоматического и неавтоматического обнаружения инцидентов. Автоматические алгоритмы относятся к тем алгоритмам, которые автоматически определяют инцидент на основании данных о состоянии транспортного потока, полученных от детекторов транспорта. Неавтоматические алгоритмы или процедуры основаны на сообщениях свидетелей-людей. По функциональным признакам алгоритмы обнаружения инцидентов на алгоритмы для автомагистралей и алгоритмы для уличной сети. По методам получения данных алгоритмы обнаружения инцидентов делятся на три группы: алгоритмы, использующие данные от стационарных детекторов транспорта (индуктивные петли, радары, видеокамеры и т.д.); алгоритмы, использующие мобильные датчики (Bluetooth, wi-fi, RFID, GPS, Глонасс-датчики, транспондеры системы оплаты проезда и т.д.). алгоритмы, использующие информацию от водителей (GSM-связь, навигационные сервисы, интернет-приложения и др.). В настоящей статье рассмотрены алгоритмы, использующие данные от стационарных детекторов транспорта. К недостаткам алгоритмов обнаружения инцидентов, использующих стационарные детекторы транспорта, следует в отнести: необходимость установки и эксплуатации детекторов транспорта (индуктивных, видео и т.д.) приводит к помехам для транспортного потока и иногда к временному закрытию движения; место установки детекторов транспорта, частота их установки и количество являются критически важными с точки зрения обнаружения инцидента на том или ином участке магистрали. Однако крайне трудоемко и капиталоемко установить стационарные детекторы по всей длине магистрали. Также индуктивные детекторы транспорта, которые в основном используются для определения параметров транспортных потоков на автомагистралях, являются ненадежными и часто выходят из строя, что делает не эффективным обнаружение инцидентов на том или ином участке дороги. К достоинствам рассматриваемых алгоритмов следует отнести подтвержденная на протяжении десятилетий надежность и точность в определении инцидентов, что является их несомненным преимуществом по сравнению с алгоритмами, использующими мобильные датчики или информацию от водителей. 2023-01-01T00:00:00Z