Ключевое слово: «искусственные нейронные сети»

Маркович О. С., Шемелова Т. В. Организация лабораторных занятий по дисциплине «Основы искусственного интеллекта» при подготовке бакалавров по направлению «Педагогическое образование» // Научно-методический электронный журнал «Концепт». – 2014. – № 6 (июнь). – С. 41–45. – URL: http://e-koncept.ru/2014/14145.htm.
Полный текст статьи Читать онлайн
В статье рассматриваются особенности построения курса «Основы искусственного интеллекта» при подготовке бакалавров по направлению «Педагогическое образование» (профиль «Информатика»). Предлагается система заданий для проведения лабораторных занятий по темам: «Нейроинформатика», «Логическое программирование», «Функциональное программирование», «Экспертные системы». Описываются варианты заданий для самостоятельной работы студентов.
Темирбулатов М. А., Мустафаев А. Г. Обнаружение вторжений с помощью динамической системы анализа сетевого трафика // Научно-методический электронный журнал «Концепт». – 2017. – Т. 39. – С. 1061–1065. – URL: http://e-koncept.ru/2017/970539.htm.
Полный текст статьи Читать онлайн
В работе рассмотрены методы обнаружения сетевых атак на вычислительную систему. Исследована возможность использования искусственных нейронных сетей для анализа сетевого трафика. Разработана нейросетевая модель фильтрации входящего в вычислительную систему трафика. Для проектирования искусственной нейронной сети был использован пакет Neural Network Toolbox из MATLAB 8.6 (R2015b). Результаты тестирования спроектированной нейросетевой системы показывают возможность её успешной работы при обнаружении сетевых компьютерных атак.
Кулеш И. В. Анализ уровня сформированности компетенций у студентов, обучающихся по направлению экономика: модельный подход // Научно-методический электронный журнал «Концепт». – 2017. – . – С. 86–90. – URL: http://e-koncept.ru/2017/0.htm.
В статье представлен анализ обучаемости студентов очного обучения по направлению: «Экономика» с учётом индивидуальных особенностей, влияющих на результативность в образовательном процессе. Регрессионный анализ на основе искусственных нейронных сетей.