Ключевое слово: «нейросеть»

Аширбакиева Е. С. , Костецкая Е. В. ПРИМЕНЕНИЕ ИНСТРУМЕНТОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПРЕПОДАВАНИИ ИСТОРИИ В ШКОЛЕ // Научно-методический электронный журнал «Концепт». – 2026. – . – URL: https://e-koncept.ru/2026/0.htm?id=50514
В данной научной работе рассматривается проблема применения нейросетей в образовании. Актуальность исследования обусловлена растущей ролью искусственного интеллекта в образовательном процессе и необходимостью адаптации методов обучения к современным требованиям. Нейросети дают педагогу дополнительные возможности для разработки образовательного контента и делают образовательный процесс для обучающихся более интересным. Целью исследования является изучение возможностей использования нейросетей в процессе преподавания истории в школе. В ходе работы были рассмотрены существующие методы педагогического проектирования заданий по истории с помощью нейросетей, а также проведен обзор и описание успешных практик их применения в школах. В результате исследования было установлено, что нейросети могут обогатить образовательный процесс. Они могут быть эффективным инструментом для создания учебных материалов и повышения мотивации учащихся к изучению истории. Исследование вносит вклад в развитие методики преподавания истории в школе.
Пушкарева Л. В. Использование нейросети DeepSeek в процессе формирования иноязычной коммуникативной компетенции студентов-бакалавров: эффективность и перспективы // Научно-методический электронный журнал «Концепт». – 2026. – . – URL: https://e-koncept.ru/2026/0.htm?id=51643
В статье рассматриваются дидактический потенциал и методические аспекты применения нейросети DeepSeek в процессе формирования иноязычной коммуникативной компетенции студентов-бакалавров (на примере немецкого языка). Анализируются функциональные возможности платформы: генерация аутентичных диалогов, создание разноуровневых упражнений, моделирование коммуникативных ситуаций, мгновенная обратная связь, работа с текстовыми файлами и поиск актуальной информации. Обосновывается вывод о том, что DeepSeek при методически грамотном использовании повышает мотивацию, эффективность речевой практики, способствует формированию автономии обучающихся.
Гутерман Н. Е. , Киреев М. С. , Хайдаров А. А. ПРИМЕНЕНИЕ НЕЙРОСЕТЕЙ К БЕССТРУКТУРНОМУ МОДЕЛИРОВАНИЮ СВЧ УСИЛИТЕЛЕЙ МОЩНОСТИ И ЦИФРОВЫХ КОРРЕКТОРОВ // Научно-методический электронный журнал «Концепт». – 2026. – . – URL: https://e-koncept.ru/2026/0.htm?id=51961
В работе синтезированы бесструктурные модели СВЧ усилителей мощности с использованием различных нейронных сетей и проведен сравнительный анализ точности описания ими нелинейных свойств. Представлена реализация передающего тракта с цифровой коррекцией сигнала для линеаризации усилителя мощности, основанная на алгоритме итеративного обучения с управлением и нейросетевых архитектурах. Проведен сравнительный анализ моделей цифрового корректора и оценено качество линеаризации усилителя. Выявлены архитектуры, обеспечивающие наилучшее соотношение между точностью линеаризации и вычислительной сложностью.
Педько Е. В. , Савченко С. А. , Богданов А. О. УСТРОЙСТВО ШУМОПОДАВЛЕНИЯ ДЛЯ ПРОВЕДЕНИЯ КОНФЕРЕНЦСВЯЗИ В ОБЪЕКТЕ С ПОВЫШЕННЫМ УРОВНЕМ ШУМОВ // Научно-методический электронный журнал «Концепт». – 2026. – . – URL: https://e-koncept.ru/2026/0.htm?id=51980
В работе предложен метод повышения разборчивости речи при конференцсвязи в объекте с повышенным уровнем шумов. Для решения данной задачи была использована нейросеть RNNoise, которая была обучена под специфичную шумовую обстановку объекта.
Годунова М. А. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ И НЕЙРОСЕТЕВАЯ КЛАССИФИКАЦИЯ СЕЙСМИЧЕСКИХ СИГНАЛОВ ДЛЯ ОБУЧЕНИЯ АЛГОРИТМОВ ОБНАРУЖЕНИЯ ГРУПП НАРУШИТЕЛЕЙ В СИСТЕМАХ ОХРАНЫ ПЕРИМЕТРА // Научно-методический электронный журнал «Концепт». – 2026. – . – URL: https://e-koncept.ru/2026/0.htm?id=51996
В работе рассматривается задача повышения достоверности обнаружения нарушителей в сейсмических системах охраны периметра. Предложена математическая модель сейсмического сигнала учитывающая тип нарушителя, расстояние и уровень помех. На ее основе разработан программный генератор сигналов и нейросетевой классификатор, использующий три информативных признака. Экспериментально показано, что нейросетевой подход обеспечивает вероятность обнаружения угрозы на 26-29% выше, чем классический пороговый детектор. Модель способна формировать обучающие выборки без натурных испытаний, что подтверждает практическую значимость для систем охраны.