Частное образовательное учреждение образовательная организация “МЕЖДУНАРОДНАЯ ШКОЛА СМЕШАННОГО ОБУЧЕНИЯ”

СБОРНИК ТЕЗИСОВ Международная научно-практическая конференция “IBLS-Конференция 2024”

Москва, 3–4 апреля 2024 г.

CONFERENCE BOOK OF ABSTRACTS International Scientific and Practical Conference “IBLS-Conference 2024”

Moscow, April 3–4, 2024

© Коллектив авторов, 2024

Редакционная коллегия:

Директор ЧОУ ОО “МШСО”, эксперт Департамента образования и науки города Москвы

Е. В. Апостол

Кандидат педагогических наук, доцент, заместитель директора по качеству образования

Н. В. Мельченкова

Рецензенты:

Богачева Анна Сергеевна – кандидат биологических наук, методист, учитель биологии и естествознания, заведующий кафедрой естественных наук ЧОУ ОО “МШСО”.

Верховых Ирина Александровна – кандидат филологических наук, методист, учитель русского языка и литературы, заведующий кафедрой словесности ЧОУ ОО “МШСО”.

Жаворонкова Светлана Владимировна – методист, учитель английского и немецкого языков.

Калмык Ольга Алексеевна – методист, учитель начальных классов ЧОУ ОО “МШСО”.

Каррыева Алла Нуриевна – методист, учитель французского и немецкого языков ЧОУ ОО “МШСО”.

Мартыненко Андрей Анатольевич – методист, учитель математики, заведующий кафедрой математики и информатики ЧОУ ОО “МШСО”.

Талзи Людмила Викторовна – методист, учитель английского и французского языков, заведующий кафедрой иностранных языков ЧОУ ОО “МШСО”.

Хромых Александр Станиславович – кандидат исторических наук, доцент, методист, учитель обществознания, заведующий кафедрой социальногуманитарных и смежных дисциплин ЧОУ ОО “МШСО”.

Сборник тезисов международной научно-практической конференции “IBLS-Конференция 2024” ⁄ Частное образовательное учреждение образовательная организация “МЕЖДУНАРОДНАЯ ШКОЛА СМЕШАННОГО ОБУЧЕНИЯ”; под редакцией И.А. Верховых. – Москва, 2024. 83 с.

УВАЖАЕМЫЕ КОЛЛЕГИ!

В сборнике представлены работы секций международной научно-практической конференции “IBLS-Конференция 2024”. Тезисы сгруппированы по секциям и посвящены обмену научным и практическим опытом. Сборник рекомендован преподавательскому составу, школьникам и всем, интересующимся научно-исследовательской и проектной деятельностью.

Ответственность за содержание тезисов несут авторы.

Оргкомитет конференции:

Н. В. Мельченкова – председатель оргкомитета ЧОУ ОО “МШСО”

Секция “Естественные и точные науки”

Члены жюри: А. А. Баранников, А. С. Богачёва, Р. И. Вербицкая, А. Г. Корнилова, А. А. Мартыненко, Я. С. Рязанова.

Секция “Социально-гуманитарные науки”

Члены жюри: В. В. Корнилов, С. С. Пахотин, И. А. Шалфеев.

Секция “Филологические науки”

Члены жюри: Т. В. Андреева, И. А. Верховых, Н. А. Драгина, А. Н. Каррыева, Н. В. Мельченкова, Е. А. Русанова, Л. В. Талзи.

Секция “Я познаю мир”

Члены жюри: М. В. Барболина, О. В. Безяева, Н. П. Гратилова, Л. Н. Грибенкова, А. В. Громова, С. В. Жаворонкова, Н. В. Зализняк, Н. Ю. Захарова, О. А. Калмык, Э. Р. Натарова, Н. А. Попова, С. А. Радова, Л. В. Талзи, Е. А. Хмелевская.

Естественные и точные науки

УСТРОЙСТВО И ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ
(THE STRUCTURE AND APPLICATION OF NEURAL NETWORKS)

Барановский Егор Дмитриевич, ученик 10 класса ЧОУ ОО МШСО

Научный руководитель – Вербицкая Руслана Ивановна

г. Москва, Россия, egoga0075050@gmail.com

Нейронные сети являются одной из наиболее активно развивающихся и перспективных областей искусственного интеллекта в настоящее время. Их уникальная способность обучаться на данных и выявлять сложные закономерности делает их незаменимыми для решения широкого круга задач в различных сферах – от распознавания образов и обработки естественного языка до медицинской диагностики, и управления автономными системами.

Несмотря на широкое распространение, принцип работы нейронных сетей для многих остаётся “чёрным ящиком” из-за высокой сложности. Создание простых наглядных моделей важно для лучшего понимания и обучения нейросетевым технологиям.

Цель работы: создать упрощённую, действующую модель нейронной сети на языке Python. С помощью этой модели продемонстрировать и объяснить работу нейронных сетей и принципы их обучения.

Для достижения цели были поставлены следующие задачи:

1. Изучить, что такое нейронные сети и области применения.

2. Познакомиться с классификацией нейронных сетей.

3. Изучить устройство нейронной сети и принципы её обучения.

4. Разработать и написать на языке Python модель простейшей нейронной сети.

5. Продемонстрировать и объяснить работу нейронной сети на полученной модели.

Материалы и методы. Анализ литературы по теме исследования, моделирование: разработка с нуля модели нейронной сети на языке Python (без заимствования чужого кода).

Результат. Изучена литература по нейронным сетям. Найдены и исследованы примеры простейших моделей нейронных сетей в Интернете. На основе примеров разработана собственная модель нейронной сети. Нейронная сеть обучена и протестирована. Описана работа созданной модели нейронной сети.

Сделаны следующие выводы. Разработана действующая модель простейшей нейронной сети с одним невидимым слоем, состоящим из одного нейрона. Модель успешно обучается на входных числовых данных, определяя закономерность между выходными и входными данными. Обучение производится путём автоматической адаптации весовых коэффициентов. Нейронная сеть протестирована на новых данных, не использованных в обучении, и она показала правильные ответы. На примере данной модели описаны устройство и принципы действия нейронной сети. Созданная модель нейронной сети, хоть и является упрощённой, но использует те же самые принципы, что и профессиональные нейронные сети, применяемые для решения реальных задач. Благодаря наглядности и простоте эта модель может использоваться в качестве обучающего пособия в учебных заведениях.

Использованные материалы:

1. Большая российская энциклопедия [Электронный ресурс]: [сайт]. URL: https://bigenc.ru (дата обращения: 28.12.2023).

2. Гафаров Ф.М., Галимянов А.Ф. Искусственные нейронные сети и приложения: учеб, пособие. Казань: Изд-во Казан, ун-та, 2018. 121 с.

3. Ильке Кандан Б. Как обучить нейронную сеть – полное руководство для начинающих [Электронный ресурс]: [сайт]. URL: https://hashdork.com/ (дата обращения: 22.12.2023).

4. Келлехер Джон Д. Глубокое обучение. Самый краткий и понятный курс. Москва: Бомбора, 2022. 160 с.

5. Нейронные сети: как работают и где используются [Электронный ресурс]:

[сайт]. URL: https://neural-networks.ru/blog/neyronnye-seti-kak-rabotayut-i-gde-ispolzuyutsya (дата обращения: 11.01.2024).

6. Павленко Д. Введение в машинное обучение и искусственные нейронные сети

[Электронный ресурс]: [сайт]. URL:

https://foobarl67.blogspot.com/2019/01/vvedeniye-v-mashinnoye-obucheniye-i-iskusstvennyye-neyronnyye-seti.html (дата обращения: 13.01.2024).

7. Ростовцев В.С. Искусственные нейронные сети: учебник. Киров: ВятГУ, 2014. 208 с.

8. Что такое нейронная сеть? /Amazon Web Services [Электронный ресурс]: [сайт].

URL: https://aws.amazon.com/ru/what-is/neural-network/ (дата обращения:

04.01.2024).