@article{Терейковская_2020, title={АРХИТЕКТУРА НЕЙРОСЕТЕВОГО АНАЛИЗАТОРА БИОМЕТРИЧЕСКИХ ПАРАМЕТРОВ СЛУШАТЕЛЕЙ СИСТЕМЫ ДИСТАНЦИОННОГО ОБУЧЕНИЯ}, url={http://mdcs.knuba.edu.ua/article/view/228915}, DOI={10.32347/2412-9933.2020.44.91-99}, abstractNote={<p><em>Обоснована актуальность задачи разработки инструментальных средств нейросетевого анализа биометрических параметров для распознавания личности и эмоций слушателей системы дистанционного обучения. Показана необходимость формализации  архитектурных решений, используемых при создании  программных средств, предназначенных для нейросетевого анализа биометрических параметров. В результате проведенных исследований в терминах языка моделирования UML разработана архитектура нейросетевого анализатора биометрических параметров. Разработаны диаграммы вариантов использования нейросетевого анализатора как при распознавании личности студента при входе в систему, так и при распознавании личности и эмоций студента в процессе его взаимодействия с системой дистанционного обучения. Также, базируясь на разработанных диаграммах вариантов использования, построена структурная схема анализатора. Обоснована необходимость включения в состав анализатора подсистем определения функциональных параметров анализатора, регистрации биометрических параметров, нейросетевого анализа зарегистрированных биометрических параметров, распознавания личности и распознавания эмоций. Оригинальной особенностью предложенных архитектурных решений является внедрение в подсистему нейросетевого анализа модуля интегрированного анализа, предназначенного для обобщения результатов нейросетевого анализа отдельно каждого из биометрических параметров. Разработано правило принятия интегрированного решения, учитывающее результаты нейросетевого анализа каждого из регистрируемых биометрических параметров и соответствующие им весовые коэффициенты, определенные путем экспертного оценивания. Внедрение модуля интегрированного анализа позволяет повысить точность распознавания эмоций и личности студента, поскольку окончательная классификация реализуется за счет обобщенной оценки нескольких гарантированно значимых биометрических параметров. Кроме этого, использование данного модуля позволяет повысить надежность нейросетевого анализатора в случае трудностей, связанных с регистрацией того или иного биометрического параметра. Установлено, что правило принятия решения возможно усовершенствовать за счет использования в модуле интегрированного анализа одной или нескольких нейронных сетей, предназначенных для обобщения результатов нейросетевого анализа всех регистрируемых биометрических параметров. Предложено соотнести направления дальнейших исследований с разработкой соответствующих нейросетевых решений.</em></p>}, number={44}, journal={Управління розвитком складних систем}, author={Терейковская , Людмила}, year={2020}, month={Лис}, pages={91–99} }