Учебное пособие 2036

потребителя, к примеру, завод-изготовитель купил патент у научно - исследовательского института. Наконец, расширенный инновационный процесс (диффузия) проявляется как в появлении все новых и новых производителей нововведения, нарушении монополии производителя-пионера, что способствует через взаимную конкуренцию совершенствованию потребительских свойств выпускаемого товара.

Под инновационным развитием понимают цепь реализованных новшеств. Оно более успешно, когда охватывает не одну узкую область, а включает в себя также сферы, влияющие на общий результат (управление, маркетинг, обучение персонала, финансы, продажу и т.д.). Следовательно, инновационное развитие должно носить комплексный характер. [2]

В значительной степени сокращения издержек на производство новой продукции можно достигнуть, если воспользоваться анализом финанасовых показателей предприятия на основе экономико-математического моделирования. Определение совокупного уровня затрат позволит не только упорядочить условия, предъявляемые к новой продукции, но и в ряде случаев получить заранее ответ на ряд требований, предъявляемых к новому изделию. Например, в условиях рынка преобладающим типом машиностроительного производства должно стать не массовое производство, а производство широкого ассортимента постоянно обновляемой продукции. [3]

Финансовое состояние хозяйствующей единицы находится в прямой зависимости от объемных и динамических показателей движения производства. Рост объема производства улучшает финансовое состояние предприятия, а его сокращение, напротив, ухудшает. Основные задачи финансового анализа:

оценка финансового состояния предприятия;

определение влияния факторов на выявленные отклонения по показателям;

прогноз финансового состояния предприятия;

обоснование и подготовка управленческого решения по улучшению финансового состояния предприятия.

Следовательно, основной целью анализа финансового состояния предприятия являются изучение и оценка обеспеченности субъектов хозяйствования экономическими ресурсами, выявление и мобилизация резервов их оптимизации и повышения эффективности использования. Применение информационных технологий в данном случае будет направлено на планирование выпуска новых изделий в соответствии с потребительским спросом (таблица).

60

Анализ планирования выпуска новых изделий на основе автоматизированных информационных технологий

Цель: определение платежеспособного спроса на новые изделия и планирование темпов и объемов выпуска

Блок 1. Исходная информация о спросе на новую продукцию и конъюнктуре рынка

Блок 3. Планирование выпуска новых изделий

Таким образом, по степени охвата АИТ задач управления выделяют электронную обработку данных, когда ведется обработка данных с решением отдельных экономических задач. По классам реализуемых технологических операций АИТ рассматриваются в программном аспекте и включают текстовую обработку, электронные таблицы, автоматизированные банки данных, обработку графической и звуковой информации, мультимедийные и другие системы. Исследование организации и планирования в освоении нового изделия с применением информационных технологий позволяет применять совокупность следующих видов: компьютерных систем при проектировании и производстве; административно-информационных систем; систем поддержки при принятии управленческого решения, информационных систем в управлении; автоматизированных офисных систем; обработку информационных данных.

61

В каждом вышеперечисленном виде системы можно выделить элементы, предназначенные для определенных категорий потребителей. Выделяют как общие информационные системы, так и специализированные, позволяющие решить специфические задачи по ассматриваемым вопросам в организации и планировании при освоении нового изделия, товара и предоставлении услуги.

Источниками информации для анализа финансового состояния являются бухгалтерский баланс и приложения к нему, статистическая и оперативная отчетности. Контрольные управленческие и финансовые показатели представляют собой сочетание физических и стоимостных оценок потоков ресурсов в кратко- и долгосрочной перспективе, которые описывают движение капитала в производственной системе. Применение этой системы управленческих контрольных показателей для анализа данных отчетов о результатах деятельности помогает уяснить степень влияния каждой из стратегических областей решений на наблюдаемые изменения в норме прибыли.

Можно сделать вывод о том, что информационные технологии обработки данных проектируются как сложный информационнотехнологический и программный комплекс. Он поддерживает единый способ представления данных и взаимодействия с компонентами системы, обеспечивает информационные связи на всех этапах деятельности.

Литература

1.Экономика инноваций: Учебное пособие. — М.: Экономический факультет МГУ имени М.В. Ломоносова, 2016.

2.Палей Т.Ф. Инновационный менеджмент. Изд. 2-ое, перераб. доп. – Казань: Изд-во «Фолиантъ», 2011. – 162 с.

3.Гамидов Г.С. Колосов В.Г. Османов Н.О. Основы инноватики – инновационной деятельности. – СПб.:Политехника, 2000. – 323 с.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

УДК 004.896

А.В. Демидовский

ИЗВЛЕЧЕНИЕ ЭЛЕМЕНТОВ СТРУКТУРЫ ПО ЕЁ ТЕНЗОРНОМУ ПРЕДСТАВЛЕНИЮ С ПОМОЩЬЮ НЕЙРОСЕТЕВЫХ ВЫЧИСЛЕНИЙ

Бурное развитие нейронных сетей в последние годы резко увеличило интерес современных исследователей к методам так называемого субсимволического или коннективисткого подхода к организации вычислений как способа получения высокопроизводительных, отказоустойчивых и параллелизуемых средств для решения поставленных задач. Кроме того,

62

когнитивные возможности человека определяются на суб-символическом уровне – через активации нейронов, передачу сигналов. Однако, существует и значимый недостаток таких методов – низкая интерпретируемость промежуточных результатов работы нейронной сети. Достаточно взять какойнибудь конволюционный слой в сети AlexNet [1], и произвести обсчет сети на некоторой картинке. Результатом работы такого слоя будет некоторый тензор, состоящий из чисел, по содержимому которого сложно сказать, каким будет конечный результат. С другой стороны, долгое время развивались символические методы, оперирующие понятными человеку структурами, концепциями и т.д. Результатом работы на символическом уровне можно считать произвольную структуру. Структура необходима как для перечисления элементов оригинальной системы так и для хранения их взаимосвязей. В данном случае промежуточные результаты уже оказываются понятными и относительно легко проследить работу метода, обнаружить ошибку. При этом, отдельной задачей становится оптимизация таких методов, обеспечение стабильности их работы, то есть достижение тех качеств, которыми нейросетевые подходы обладают автоматически. Это наводит на мысль о возможности объединения этих двух парадигм для получения лучшего результата.

Основной проблемой является переход между этими парадигмами: от символической структуры к распределенному описанию через веса и активации нейронной сети и наоборот, а также возможность совершения операций над тензорным представлением, эквивалентных символическим операциям над структурой. Данная работа посвящена реализации одной из таких операций на нейросетевом уровне, так как организация вычисления тензорного представления структуры в виде нейронной сети описана в существующих работах крайне абстрактно [2], что значительно усложняет прикладное использование данного подхода.

Существует ряд подходов, направленных на решение задачи построения распределенного представления струкутуры [3, 4]. Одним из них является

Tensor Product Variable Binding (TPVB) [2]. Данный подход строится вокруг представления структуры как набора пар {роль, филлер}, где филлер – это некоторый элемент структуры, а роль – это функция этого элемента в данной структуре. Тогда структура представима в виде суммы тензорных произведений векторного произведения каждой роли и соответствующего филлера (1). Декодирование тензорного представления без потерь также осуществляется через операции тензорного произведения.

Определение 1. Тензорное произведение – это операция над двумя

63

ψ = f r

(1)

Итак, есть некоторая структура S (рис. 1). Назначение векторного представления для филлеров и ролей произвольно и должно удовлетворять лишь требованию линейной независимости этих векторов на соответствующих пространствах (2).

A = [8 0 0]

B = [0 15 0]

C = [0 0 10]

(2)

r = [10 0] r = [0 5]

Итак, для простого бинарного дерева (рис. 1) получаем следующее тензорное представление (3).

Рис. 1. Простая структура для демонстрации работы нейронной сети

Рис. 2. Подграф, выполняющий роль r в оригинальной структуре (рис. 1)

Важной элементарной операцией является извлечение филлера по заданной роли. Например, извлечение подграфа (рис. 2) по его роли r .

В силу того, что цель данной работы – это реализация этой операции в терминах нейронной сети, требуется выразить е через последовательное манипулирование тензорным представлением всей структуры. Предлагается для этого реализовать простую нейронную сеть (рис. 3), которая реализует эту

64

операцию через тензорное произведение распределенного представления структуры и декодирующего тензора, который обозначается как W (4), где u обозначает декодирующий вектор, соответствующий роли r , а общий вид предлагаемой сети имеет вид, представленный на рис. 3.

следующем эксперименте: по существующему тензорному произведению (3) получим подграф (рис. 2) (6). Для этого требуется сначала получить декодирующие векторы на основе векторов ролей (5).

Кроме того, по определению (1) получим тензорное представление подграфа (рис. 2) (7), которое идентично тензору, полученному с помощью предлагаемой нейросетевой архитектуры (6).

65

[80 0]

ψ = A r +C r = [0 0]

(7)

[0 50]

Рис. 3. Предлагаемая архитектура сети

Таким образом, в данной работе была предложена архитектура сети, выполняющая извлечение элементов структуры по е тензорному представлению (рис. 3). Реализация этой архитектуры доступна в открытом доступе [5]. Развитие семейства нейросетевых архитектур для реализации простейших символических операций позволит в дальнейшем транслировать сложные символические методы на суб-символический уровень.

Литература

1.Krizhevsky A., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks. // Advances in neural information processing systems. 2012. P. 1097-1105.

2.Smolensky P. Tensor product variable binding and the representation of symbolic structures in connectionist systems // Artificial intelligence. 1990. V. 46. No. 1-2. P. 159-216.

3.Browne A. and Sun R. Connectionist inference models // Neural Networks. 2001. V. 14, No. 10. P. 1331-1355.

4.Gallant S.I., Okaywe T.W. Representing objects, relations, and sequences // Neural computation. 2013. V. 25. No. 8. P. 2038-2078.

5.LDSS Tensor Structures: demid5111/ldss-tensor-structures [Электронный ресурс] // GitHub, Inc. (US): офиц. сайт. URL: https://github.com/demid5111/ldss-tensor-structures (дата обращения: 25.05.2019).

НИУ «Высшая школа экономики», Нижегородский филиал, Россия

66

УДК 681.3

Е.В. Воронина, С.А. Кострикова, Л.А. Абилева

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ ТЕКУЩЕЙ УСПЕВАЕМОСТИ И ИТОГОВОЙ АТТЕСТАЦИИ СТУДЕНТОВ

Целью работы является обоснование зависимости между результатами текущего контроля и экзамена методами математической статистики, а также обсуждение их количественных характеристик.

Врезультате исследования был проведен корреляционный анализ успеваемости студентов, основываясь на реальных данных, взятых из балльнорейтинговой системы университета.

Проблема оценки и оценочной деятельности – одна из актуальнейших проблем в современном образовании. Основной целью оценивания является проверка знаний. Под проверкой знаний студентов понимается выявление и сравнение на том или ином этапе обучения результата учебной деятельности с требованиями, заданными программой или стандартами. Следовательно, проверка – это сверка академических достижений студента с требованиями. На основе анализа уровня знаний студента, обнаруженного в результате проверки, преподаватель сравнивает его с балльной шкалой. Констатировав определенный уровень знаний обучающихся, преподаватель имеет возможность корректировать дальнейший процесс обучения, оказывать помощь

ввиде советов, рекомендаций, консультаций. Оценкам подвергаются наличные знания студента, выполненные им работы и проявленные умения и навыки. Логично предположить, что более качественная работа студента в течение семестра влечет за собой более успешную сдачу экзамена и более качественные приобретенные знания, навыки и умения. Поэтому очень важно проводить объективную оценку работы студента для мотивации к изучению дисциплины и поощрению за успешно освоенный материал.

Входе выполнения исследовательской работы изучается связь между результатами текущего контроля знаний и результатами экзаменов для одной дисциплины, преподаваемой группам студентов первого и второго курсов, найдены коэффициенты корреляции между результатами текущего контроля в семестре и итогового контроля во время экзаменационной сессии.

На сегодняшний день существуют два метода оценки качества обучения: советский контроль качества освоения дисциплин и накопительно–балльные или балльно–рейтинговые системы. В советское время во многих технических вузах контроль качества освоения технических дисциплин традиционно разделялся на текущий контроль в процессе обучения в семестре и контроль в зач тно–экзаменационную. Экзамен, при его наличии, считался основной формой контроля. Именно его результаты определяли оценку по дисциплине за семестр. При выставлении оценки на экзамене преподаватель не был обязан учитывать результаты текущего контроля. Они могли быть учтены по желанию

67

экзаменатора, в частности, в случае сомнений при определении окончательной оценки. Однако и при такой системе выставления оценок по дисциплине преподаватели, обсуждая итоги экзамена, отмечали, что студенты, имевшие лучшие результаты текущего контроля, как правило, получали и более высокие оценки на экзамене. Не редко встречались ситуации, когда значительное число студентов в группе, имевших положительные оценки по текущему контролю, на экзамене получали «неудовлетворительно» . В 1990е гг. в российских вузах началась разработка и внедрение систем оценивания качества освоения дисциплин, в которых итоговая оценка по дисциплине складывалась из совокупности показателей: оценки работы студента на занятиях в семестре, результатов текущих контрольных мероприятий и итогового контроля — экзамена или зачета. Причин введения таких систем довольно много, одна из них — необходимость повышения объективности контроля качества освоения дисциплины. В течение семестра студенты выполняют ряд обязательных контрольных мероприятий по отдельным разделам дисциплин, а во время сессии сдают экзамен. Итоговая оценка по дисциплине выставляется на основании суммы баллов, начисленных студенту за выполнение текущих контрольных мероприятий, и баллов, полученных им на экзамене. В сумму также включаются баллы, выставляемые студентам за посещение занятий в семестре.

В работе рассматриваются зависимости между результатами контрольных мероприятий по ряду дисциплин студентов 1го и 2-го курса института автоматики и информационных технологий. Данные были взяты из накопительной системы Самарского государственного технического университета (рис. 1).

Рис.1. Балльно-рейтинговая система учета текущей успеваемости студентов

Рассматривались корреляционные зависимости результатов экзамена от суммарного результата баллов, набранных в течение семестра : баллами за текущие контрольные работы, проводимые в аудитории в присутствии преподавателя; баллами за задания, выполняемые дома с последующей проверкой решений преподавателем; баллами за посещаемость практических занятий; суммами баллов по текущему контролю в семестре до проведения экзамена.

68

Отметим некоторые особенности обработанных данных. В силу особенностей сбора и отражения информации в накопительной системе результаты текущих контрольных мероприятий приведены с учетом их пересдачи (допускается при получении неудовлетворительной оценки), а результаты экзамена — без учета пересдач. Критерии оценивания отдельных заданий трудно сформулировать так, чтобы все преподаватели понимали и применяли их абсолютно одинаково. В рамках одного контрольного мероприятия задания, имеющие разную сложность, могут оцениваться одинаковым количеством баллов. Шкала оценивания отдельных мероприятий может предусматривать «разрывы». Например, за контрольную работу, оцениваемую максимально в 10 баллов, могут выставляться только баллы 0, 5, 6, 7, 8, 9, 10. Набольший интерес представляет изучение зависимости между суммой баллов за все текущие контрольные мероприятия и баллом на экзамене. Для исследования были взяты данные об успеваемости двух групп студентов (рис. 2 и рис. 3)

Рис. 2. Текущая успеваемость и итоговая аттестация группы № 1

Рис. 3. Текущая успеваемость и итоговая аттестация группы № 2

С целью определить вид возможной зависимости между этими данными рассмотрим диаграммы рассеивания (рис. 4 и рис. 5), составленные по эти данным.

69