Нейронные сети, генетические алгоритмы и нечеткие системы.

О. А. ХЛОПКОВА
Московский государственный университет экономики, статистики и
информатики, г. Москва
ИНТЕЛЛЕКТУАЛИЗАЦИЯ СЕРВИСОВ ОНЛАЙН-ОБУЧЕНИЯ НА
БАЗЕ ТЕХНОЛОГИЙ COGANN
Ключевые слова:
Генетические алгоритмы, нейронные сети, COGANN, искусственный
интеллект, дистанционное обучение, онлайн-образование.
Во всем мире набирают популярность порталы, нацеленные на
дистанционное обучение, от краткосрочных тренингов до высшего
образования. Динамичное развитие рынка онлайн-образования ужесточает
установившуюся на нем конкуренцию. Но при сравнении с традиционным
методом такие неоспоримые достоинства онлайн-обучения как доступность и
удобство не могут перевесить его недостатков, основные из которых:
 Нехватка специалистов для составления курсов, сведение к минимуму
обратной связи с учениками и индивидуального преподавательского подхода.
 Сложность объективного контроля знаний. Индивидуальную проверку
заданий заменяют различные формы тестирования, при этом отсутствуют
рекомендации по изучению материалов на основании результатов контроля.
 Сложность объективного оценивания качества обучения. До сих пор не
существует универсального определения показателей качества содержания
курсов. Из-за отсутствия критериев количественного оценивания
характеристик материалов в курс зачастую включаются устаревшие и
недостоверные источники. Программа по дисциплине фиксирована либо
варьируется самим пользователем.
На данный момент онлайн-образование проигрывает в качестве
традиционному методу обучения. Один из путей устранения его недостатков
базируется на последних разработках в области искусственного интеллекта.
Концепция COGANN (combinations of genetic algorithms and neural
networks) заключается в сочетании нейросетей и генетических алгоритмов.
COGANN относится к методам эволюционного моделирования и служит для
автоматизации работы систем в условиях ограниченной и неполной
информации.
Обобщенная архитектура портала онлайн-обучения и интегрированных
в него сервисов с технологией COGANN представлена на рисунке 1.
Web portal
e-learning
Users
Portal services
Data processing
and analysis
COGANN
Neural
network
Databases
(user data,
statistics)
Genetic
Algorithm
Рис. 1. Модель архитектуры портала онлайн-обучения
Сервисы онлайн-обучения оперируют трудноформализуемыми и
неточными данными, к которым относятся: качество и актуальность
материалов, текущий уровень знаний по дисциплине, вероятность
несамостоятельного прохождения теста, и т.д. Использование COGANN
привносит адаптивность в онлайн-обучение и предоставляет множество
новых возможностей, среди которых:

Анализ статистики по порталу для выявления наиболее
востребованной информации, модификации структуры и содержания онлайнкурсов.

Анализ активности пользователя для составления списков
дополнительных материалов, изменения уровня сложности, формирования
дополнительных разделов дисциплин, модификации проверочных заданий.

Прогнозирование действий пользователя на основании его
предыдущей активности для оптимизации процесса обучения и составления
рекомендаций.

Динамическое управление процессом тестирования. Если
пользователь дает быстрые и правильные ответы, имеет смысл повысить
сложность заданий или скорректировать их направленность в рамках темы
тестирования. Такой подход повышает точность оценивания знаний и
определения пробелов в обучении.

Заключение о степени самостоятельности работы пользователя во
время тестирования.
Данные задачи, сводящиеся к кластеризации, прогнозированию и
управлению, эффективно решаются при помощи нейросетей различной
топологии: самоорганизующихся карт Кохонена, сетей Хопфилда,
гибридных нейросетей и т.д. Накапливаемая статистика развивающихся
порталов подходит для них в качестве обучающей выборки и позволяет
избежать временных затрат на ручное составление данных.
Но для эффективности обучения нейросетей необходимо, чтобы этот
процесс был простым и доступным для администраторов портала. Он
автоматизируется за счет применения генетических алгоритмов.
Генетические алгоритмы уточняют параметры и топологию нейросети на
этапе функционирования, повышают надежность ее вывода, при
необходимости оптимизируют правила обучения.
Интеллектуальные
модули
портала
снижают
необходимость
вмешательства эксперта в процесс обучения, автоматизируют функции,
традиционно
возлагающиеся
на
преподавателя.
Они
избавляют
администраторов от рутинной работы, связанной с обработкой статистики и
корректировкой проверочных заданий.
Интеграция COGANN в сервисы онлайн-обучения открывает новые
перспективы в совершенствовании процесса дистанционного образования и
выводит его на новый уровень интеллектуализации.
Список литературы.
1. Haykin, S. Neural networks and learning machines. Hamilton,
Ontario, Canada: Pearson Prentice Hall, 2009.
2. Горяшко А.П., Комлева Н.В. Образование на основе
компетенций в открытых информационных
средах: алгоритмы
принятия решений. Высшее образование в России.
Научнопедагогический журнал Министерства образования и науки РФ, № 8-9,
2011, С. 78-84.
3. Емельянов, С. Искусственный интеллект и принятие решений.
Москва: ИСА РАН, 2013.
4. Комлева, Н.В. Профессиональные сообщества в системе
управления знаниями. Открытое образование. Научно-практический
журнал, №1, 2010.
5. Рутковская, Д., Пилиньский, М., Рутковский Л. Нейронные сети,
генетические алгоритмы и нечеткие системы. Москва: Горячая Линия –
Телеком, 2007.
6. Ручкин, В.Н., Фулин, В.А. Универсальный искусственный
интеллект и экспертные системы. Санкт-Петербург: БХВ-Петербург,
2009.
7. Тельнов, Ю.Ф. Интеллектуальные информационные системы.
Москва:
Московский
международный
институт
эконометрики,
информатики, финансов и права, 2003.