30 ноября, 2019

ХХI Международная научно-практическая интернет-конференция

  • Зростання політико-економічних зв’язків і контактів між державами, інтеграція українського суспільства до Європейського та міжнародного суспільно-економічного, культурного простору позначилися на всіх сферах суспільства і, передусім, на освіті. Складний і багатогранний процес глобалізації, що поширюється на багатовекторність суспільного життя, зумовив перегляд змісту навчання в системі освіти. Вища освіта сьогодні є одним із визначальних чинників відтворення інтелектуальних і продуктивних сил суспільства, розвитку духовної культури українського народу, запорукою майбутніх успіхів у зміцненні й утвердженні авторитету України як суверенної, демократичної, соціальної та правової держави.

  • ПІДВИЩЕННЯ ТОЧНОСТІ КЛАСТЕРИЗАЦІЇ ЗА ДОПОМОГОЮ НЕЙРОННИХ МЕРЕЖ

      Андрій Прокопів, Роман Прокопів (Дрогобич, Україна) |    Скачать статью |  Link

    Кластерний аналіз[1] – це задача розбиття певної вибірки об’єктів на підмножини. Дані підмножини називаються кластерами і при тому розбиття проводиться так, щоб ці кластери складались із схожих об’єктів, але істотно відрізнялись між собою. Кластерний аналіз має дуже широкий спектр застосувань: він використовується в медицині, біології, хімії, державному управлінні, психології, філології, соціології, маркетингу та багатьох інших дисциплінах. Проте можливо найбільше застосування кластерний аналіз має у світі технологій, оскільки кожен складний процес можна розбити на менші процеси та групувати їх за певними характеристиками. Так кластерний аналіз використовується для таких задач, як проектування мікропроцесорів, мікроконтроллерів, визначення особливостей поширення вірусів у мережі, спрощення роботи з вибіркою інформації, тощо. І цей список застосувань щороку збільшується, оскільки групування елементів за певними критеріями є універсально корисною операцією. Однак універсальність застосування кластерного аналізу призводить до дещо суперечливої його інтерпретації, завдяки великій кількості методів і підходів до даної теми.

  • Мобильді технологиялар күнделікті өмірде кең таралған. Мобильді құрылғылар уақыт өткен сайын күрделенуде. Мобильді технологиялардың ары қарай дамуының артуы мобильді құрылғылар үшін программалық қамтама (ПҚ) тестілеу әдістемесіне қолданылатын қиындық пен ПҚ тестілеу қиындығының арасындағы алшақтыққа алып келеді.

  • Мобильді құрылғылардың қосымшаларын(МҚҚ) тестілеудің толық таңдалған критерийлеріне сәйкес, кеңейтілген шекті автомат түріндегі берілген МҚҚ прототипі үшін барлық мүмкін бір күйден басқа бір күйге ауысымдарын қарау қажет. Шекті автоматтарды (ША) графтар түрінде көрсету ыңғайлы екені белгілі. ША - тың графтық көрсетілімінде күй –граф түйіндері, ал күйлердің арасындағы ауысымда графтың бұтақтары. Тестілік жиынтықты генерациялау тапсырмасы, графты айналып өту тапсырмасына әкеліп соғады. Сонымен қатар, ең қысқа жолды таңдап графтың барлық бұталарымен жүріп өту қажет. Осылайша, толық тестілік қамтуды қамтамассыз ететін, тесттілік сценарийлердің минимум жиынтығы жинақталады.