DSpace Repository

СoCalc as a Learning Tool for Neural Network Simulation in the Special Course “Foundations of Mathematic Informatics”

Show simple item record

dc.contributor.author Маркова, Оксана Миколаївна
dc.contributor.author Семеріков, Сергій Олексійович
dc.contributor.author Попель, Майя Володимирівна
dc.date.accessioned 2018-12-01T14:09:25Z
dc.date.available 2018-12-01T14:09:25Z
dc.date.issued 2018
dc.identifier.citation Markova O. СoCalc as a Learning Tool for Neural Network Simulation in the Special Course “Foundations of Mathematic Informatics” / Oksana Markova, Serhiy Semerikov, Maiia Popel // Information Technologies in Education. – 2018. – № 3 (36). – P. 58-70. – DOI: 10.14308/ite000674 uk
dc.identifier.issn 2306-1707
dc.identifier.issn 1998-6939
dc.identifier.other DOI: 10.14308/ite000674
dc.identifier.uri http://ite.kspu.edu/issue-36/p-58-70/full
dc.identifier.uri http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/2646
dc.identifier.uri https://doi.org/10.14308/ite000674
dc.description 1. Markova, O.M., Semerikov, S.O. & Striuk, A. M. (2015). The cloud technologies of learning: origin. Information Technologies and Learning Tools, 46(2), 29-44. 2. Permiakova, O.S. & Semerikov, S.O. (2008). The use of neural networks in forecasting problems. Materials of the International Scientific and Practical Conference “Young scientist of the XXI century”, KTU, Kryviy Rih, 17-18 November 2008. 3. Popel, M.V. (2015). Organization of learning mathematical disciplines in SageMathCloud. Publishing Department of the Kryviy Rih National University, Kryviy Rih. 4. SageMath, Inc. (2018). CoCalc - Collaborative Calculation in the Cloud. Retrieved from https://cocalc.com. 5. Semerikov, S., Teplytskyi, I. & Yechkalo, Yu. (2018). Computer Simulation of Neural Networks Using Spreadsheets: The Dawn of the Age of Camelot.Proceedings of the 14th Interna-tional Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer. Kyiv, 14-17 May 2018. CEUR Workshop Pro-ceedings. 6. Shokaliuk, S.V., Markova, O.M., Semerikov, S.O. & Soloviov, V.M. (Ed.) (2017). SageMathCloud as the Learning Tool Cloud Technologies of the Computer-Based Studying Mathematics and Informatics Disciplines. Modeling in Education: State. Problems. Prospects, 130-142. 7. Stein, W. (2014). What can SageMathCloud (SMC) do? Sage: open source mathematics software. Retrieved from http://sagemath.blogspot.com/2014/05/what-can-sagemathcloud-smc-do.html. 8. Teplytskyi, I.O. & Semerikov, S.O. (2007). Computer simulation of absolute and relative motions of the planets the Solar system. Collection of scientific works of the Kamyanets-Podilsky National University named after Ivan Ogienko. Series: Pedagogical, 13, 211-214. 9. Turavinina, O.M. & Semerikov, S.O. (2012). Contents of the learning of the foundations of mathematical informatics of students of technical universities. Proceedings of the International scientific and methodical conference on Development of intellectual abilities and creative abilities of students and students in the process of teaching disciplines of the natural sciences and mathematics cycle, Sumy State Pedagogical University named after A. S. Makarenko, Sumy, 6-7 December 2012. 10. Turavinina, O.M. (2012). Mathematical informatics in the system fundamen-talization learning the students of technical universities. Collection of scientific works of the Kamyanets-Podilsky National University named after Ivan Ogienko. Series: Pedagogical, 18, 189-191.
dc.description.abstract The role of neural network modeling in the learning сontent of special course “Foundations of Mathematic Informatics” was discussed. The course was developed for the students of technical universities – future IT-specialists and directed to breaking the gap between theoretic computer science and it’s applied applications: software, system and computing engineering. CoCalc was justified as a learning tool of mathematical informatics in general and neural network modeling in particular. The elements of technique of using CoCalc at studying topic “Neural network and pattern recognition” of the special course “Foundations of Mathematic Informatics” are shown. The program code was presented in a CofeeScript language, which implements the basic components of artificial neural network: neurons, synaptic connections, functions of activations (tangential, sigmoid, stepped) and their derivatives, methods of calculating the network`s weights, etc. The features of the Kolmogorov’s theorem application were discussed for determination the architecture of multilayer neural networks. The implementation of the disjunctive logical element and approximation of an arbitrary function using a three-layer neural network were given as an examples. According to the simulation results, a conclusion was made as for the limits of the use of constructed networks, in which they retain their adequacy. The framework topics of individual research of the artificial neural networks is proposed. У статті розглянута роль моделювання нейронної мережі в навчальному процесі спеціального курсу "Основи математичної інформатики". Курс був розроблений для студентів технічних університетів - майбутніх спеціалістів з інформаційних технологій та спрямований на подолання розриву між теоретичною інформатикою та її прикладними програмами: програмною, системною та комп’ютерною інженерією. CoCalc розглядається як навчальний інструмент математичної інформатики в цілому та, зокрема, для моделювання нейронних мереж. Показані елементи методики використання CoCalc при вивченні теми "Нейронні мережі та розпізнавання образів" спеціального курсу "Основи математичної інформатики". Код програми був представлений на мові CofeeScript, в якій реалізуються основні компоненти штучної нейронної мережі: нейрони, синаптичні з'єднання, функції активації (тангенціальні, сигмоїдні, ступінчасті) та їх похідні, методи розрахунку ваги мережі та ін. Обговорювалися особливості застосування теореми Колмогорова для визначення архітектури багатошарових нейронних мереж. В якості прикладів було наведено реалізацію диз'юнктивного логічного елемента та наближення довільної функції за допомогою тришарової нейронної мережі. Згідно результатів моделювання, було зроблено висновок щодо меж використання побудованих мереж, в яких вони зберігають свою адекватність. Запропоновано основні теми окремих досліджень штучних нейронних мереж. В статье рассмотрена роль моделирования нейронной сети в учебном процессе специального курса "Основы математической информатики". Курс был разработан для студентов технических университетов - будущих специалистов по информационным технологиям и направлен на преодоление разрыва между теоретической информатикой и ее приложениями: программной, системной и компьютерной инженерией. CoCalc рассматривается как учебный инструмент математической информатики в целом и, в частности, для моделирования нейронных сетей. Показаны элементы методики использования CoCalc при изучении темы "Нейронные сети и распознавания образов" специального курса "Основы математической информатики". Код программы был представлен на языке CofeeScript, в которой реализуются основные компоненты искусственной нейронной сети: нейроны, синаптические соединения, функции активации (тангенциальные, сигмоидни, ступенчатые) и их производные, методы расчета веса сети и др. Обсуждались особенности применения теоремы Колмогорова для определения архитектуры многослойных нейронных сетей. В качестве примеров были приведены реализацию дизъюнктивного логического элемента и приближения произвольной функции с помощью трехслойной нейронной сети. Согласно результатам моделирования, был сделан вывод о границах использования построенных сетей, в которых они сохраняют свою адекватность. Предложены основные темы отдельных исследований искусственных нейронных сетей. uk
dc.language.iso en uk
dc.publisher Херсонський державний університет uk
dc.subject cloud technologies uk
dc.subject CoCalc uk
dc.subject foundations of mathematical informatics uk
dc.subject neural network simulation uk
dc.subject моделювання нейронних мереж uk
dc.subject основи математичної інформатики uk
dc.subject хмарні технології uk
dc.subject моделирование нейронных сетей uk
dc.subject облачные технологии uk
dc.subject основы математической информатики uk
dc.title СoCalc as a Learning Tool for Neural Network Simulation in the Special Course “Foundations of Mathematic Informatics” uk
dc.title.alternative СoCalc як інструмент підготовки для моделювання нейронних мереж у спеціальному курсі "Основи математичної інформатики" uk
dc.title.alternative СoCalc как инструмент подготовки для моделирования нейронных сетей в специальном курсе «Основы математической информатики» uk
dc.type Article uk


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account

Statistics