350 rub
Journal Neurocomputers №9 for 2009 г.
Article in number:
Psychological training on the base of a neuronet technology
Keywords: diagnostic probability neural network psychological simulator
Authors:
L.S. Kuravsky, A.A. Margolis, G.A. Yuryev
Abstract:
Important peculiarity of modern educational technologies is the use of various simulators, which make it possible to raise significantly the rate and effectiveness of specialist training. This effect results from partial replacement of expensive and long-duration practical work with test persons by the training with the aid of computer models that represent principal behavior features of a contingent under study as well as its future activity. The simulator is constructed on the base of a probabilistic neural network and can work up closed tests where one of the given answer variants is selected. The following problems can be solved after training: (1) diagnostics on the base of answer distribution (direct problem); (2) generation of different answer distributions for a given probationer type (inverse problem).
Pages: 20-26
References
  1. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком. 2002.
  2. Куравский Л. С., Баранов С. Н., Малых С. Б. Нейронные сети в задачах прогнозирования, диагностики и анализа данных. М.: РУСАВИА. 2003.
  3. Нейронные сети. STATISTICANeuralNetworks. М.: Горячая линия-Телеком. 2000.
  4. Головко В. А. Нейронные сети: обучение, организация и применение. Учеб. пособие. М.: ИПРЖР. 2001.
  5. Kuravsky L. S., Baranov S. N. Synthesis of Markov networks for forecasting fatigue failures // In: Proc. ConditionMonitoring 2003. Oxford. UnitedKingdom. July 2003. Р. 76-91.
  6. Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. Изд-е 4-е. Пер. с англ. М.: Издательский дом «Вильямс». 2003.
  7. Джексон П. Введение в экспертные системы. Пер. с англ. Уч. пос. М.: Издательский дом «Вильямс». 2001.
  8. Джонс М.Т. Программирование искусственного интеллекта в приложениях. Пер. сангл. М.:  ДМКПресс. 2004.
  9. Kuravsky L.S. and Baranov S.N. The concept of multifactor Markov networks and its application to forecasting and diagnostics of technical systems // In: Proc. ConditionMonitoring 2005. Cambridge. UnitedKingdom. July 2005. Р. 111-117.
  10. Куравский Л.С., Баранов С.Н., Корниенко П.А. Обучаемые многофакторные сети Маркова и их применение для исследования психологических характеристик // Нейрокомпьютеры: разработка и применение. 2005. № 12. С. 65-76.
  11. Эйдемиллер Э.Г., Юстицкис В.В. Опросник для анализа семейных взаимоотношений.