Обучаемые марковские модели в задачах оптимизации порядка предъявления психологических тестов

Л.С. Куравский; А.А. Марголис; П.А. Мармалюк; Г.А. Юрьев; П.Н. Думин

Обучаемые марковские модели в задачах оптимизации порядка предъявления психологических тестов

Л.С. Куравский¹, А.А. Марголис², П.А. Мармалюк³, Г.А. Юрьев⁴, П.Н. Думин⁵

научная статья Страницы: 28-38

¹ д.т.н., профессор, декан, факультет «Информационные технологии», Московский городской психолого-педагогический университет
² к. психол. н., первый проректор, Московский городской психолого-педагогический университет
³ к.т.н., доцент, факультет «Информационные технологии», Московский городской психолого-педагогический университет
⁴ аспирант, факультет «Информационные технологии», Московский городской психолого-педагогический университет
⁵ аспирант, факультета «Информационные технологии», Московский городской психолого-педагогический университет

Ключевые слова: марковские модели психологическое тестирование идентификация марковских моделей система поддержки принятия решений

Аннотация

Представлена концепция системы поддержки принятия решений, предназначенной для оптимизации порядка предъявления заданий психологических тестов и построенной на использовании обучаемых структур в форме марковских моделей с непрерывным временем. Диагностические выводы построены на основе уточняющихся в процессе тестирования вероятностных оценок принадлежности испытуемых к различным группам. Выбор очередного задания определяется для каждого испытуемого индивидуально, опираясь на результаты выполнения предыдущих расчётов дифференцирующей способности ещё не предъявленных заданий.

Для цитирования

Куравский Л.С., Марголис А.А., Мармалюк П.А., Юрьев Г.А., Думин П.Н. Обучаемые марковские модели в задачах оптимизации порядка предъявления психологических тестов // Нейрокомпьютеры: разработка, применение. 2013. № 4. С. 28–38.

Список источников

Galushkin A.I. Nejjronnye seti. Osnovy teorii. M.: Gorjachaja linija - Telekom. 2010.
Golovko V.A. Nejjronnye seti: obuchenie, organizacija i primenenie. Ucheb. posobie. M.: IPRZHR. 2001.
Dzhekson P. Vvedenie v ehkspertnye sistemy: Ucheb. posobie. M.: Viljams. 2001.
Dzhons M.T. Programmirovanie iskusstvennogo intellekta v prilozhenijakh. M.: DMK Press. 2004.
Kramer G. Matematicheskie metody statistiki. M.: Mir. 1976. 648 s.
Kuravskijj L.S., Baranov S.N. Primenenie nejjronnykh setejj dlja diagnostiki i prognozirovanija ustalostnogo razrushenija tonkostennykh konstrukcijj // Nejjrokompjutery: razrabotka i primenenie. 2001. № 12. S. 47-63.
Kuravskijj L.S., Baranov S.N. Sintez setejj Markova dlja prognozirovanija ustalostnogo razrushenija // Nejjrokompjutery: razrabotka, primenenie. 2002. № 11. S. 29-40.
Kuravskijj L.S., Baranov S.N., Kornienko P.A.Obuchaemye mnogofaktornye seti Markova i ikh primenenie dlja issledovanija psikhologicheskikh kharakteristik // Nejjrokompjutery: razrabotka, primenenie. 2005. № 12. S. 65-76.
Kuravskijj L.S., Baranov S.N., JUrev G.A.Sintez i identifikacija skrytykh markovskikh modelejj dlja diagnostiki ustalostnogo razrushenija // Nejjrokompjutery: razrabotka, primenenie. 2010. № 12. S. 20-36.
Kuravskijj L.S., Margolis A.A., JUrev G.A.Psikhologicheskijj trening na osnove nejjrosetevojj tekhnologii // Nejjrokompjutery: razrabotka, primenenie. 2009. № 9. S. 20-26.
Kuravskijj L.S., JUrev G.A. Ispolzovanie markovskikh modelejj pri obrabotke rezultatov testirovanija // Voprosy psikhologii. 2011. № 2. S. 98-107.
Ljuger Dzh. F. Iskusstvennyjj intellekt: strategii i metody reshenija slozhnykh problem. Izd. 4-e. Per. s angl. M.: Viljams. 2003.
Ovcharov L.A. Prikladnye zadachi teorii massovogo obsluzhivanija. M.: Mashinostroenie. 1969. 324 c.
Psikhodiagnostika v Rossii cherez 5 let // Psikhologija. ZHurnal Vysshejj shkoly ehkonomiki. 2008. № 4. T. 5. S. 44-85.
Saati T.L. EHlementy teorii massovogo obsluzhivanija i ejo prilozhenija. M.: LIBROKOM. 2010. 520 s.
Kuravsky L.S., Baranov S.N. Condition monitoring of the structures suffered acoustic fatigue failure and forecasting their service life. Proc. Condition Monitoring 2003, Oxford, United Kingdom. July 2003. P. 256-279,
Kuravsky L.S., Baranov S.N. Neural networks in fatigue damage recognition: diagnostics and statistical analysis. Proc. 11th International Congress on Sound and Vibration, St.-Petersburg, Russia. July 2004. P. 2929-2944,
Kuravsky L.S., Baranov S.N. The concept of multifactor Markov networks and its application to forecasting and diagnostics of technical systems. In: Proc. Condition Monitoring 2005. Cambridge, United Kingdom. July 2005. P. 111-117.
Kuravsky L.S., Baranov S.N., Yuryev G.A. Synthesis and identification of hidden Markov models based on a novel statistical technique in condition monitoring. In: Proc. 7th International Conference on Condition Monitoring & Machinery Failure Prevention Technologies, Stratford-upon-Avon, England. June 2010.
http:// www.solver.com.

[1] Galushkin A.I. Nejjronnye seti. Osnovy teorii. M.: Gorjachaja linija - Telekom. 2010.

[2] Golovko V.A. Nejjronnye seti: obuchenie, organizacija i primenenie. Ucheb. posobie. M.: IPRZHR. 2001.

[3] Dzhekson P. Vvedenie v ehkspertnye sistemy: Ucheb. posobie. M.: Viljams. 2001.

[4] Dzhons M.T. Programmirovanie iskusstvennogo intellekta v prilozhenijakh. M.: DMK Press. 2004.

[5] Kramer G. Matematicheskie metody statistiki. M.: Mir. 1976. 648 s.

[6] Kuravskijj L.S., Baranov S.N. Primenenie nejjronnykh setejj dlja diagnostiki i prognozirovanija ustalostnogo razrushenija tonkostennykh konstrukcijj // Nejjrokompjutery: razrabotka i primenenie. 2001. № 12. S. 47-63.

[7] Kuravskijj L.S., Baranov S.N. Sintez setejj Markova dlja prognozirovanija ustalostnogo razrushenija // Nejjrokompjutery: razrabotka, primenenie. 2002. № 11. S. 29-40.

[8] Kuravskijj L.S., Baranov S.N., Kornienko P.A.Obuchaemye mnogofaktornye seti Markova i ikh primenenie dlja issledovanija psikhologicheskikh kharakteristik // Nejjrokompjutery: razrabotka, primenenie. 2005. № 12. S. 65-76.

[9] Kuravskijj L.S., Baranov S.N., JUrev G.A.Sintez i identifikacija skrytykh markovskikh modelejj dlja diagnostiki ustalostnogo razrushenija // Nejjrokompjutery: razrabotka, primenenie. 2010. № 12. S. 20-36.

[10] Kuravskijj L.S., Margolis A.A., JUrev G.A.Psikhologicheskijj trening na osnove nejjrosetevojj tekhnologii // Nejjrokompjutery: razrabotka, primenenie. 2009. № 9. S. 20-26.

[11] Kuravskijj L.S., JUrev G.A. Ispolzovanie markovskikh modelejj pri obrabotke rezultatov testirovanija // Voprosy psikhologii. 2011. № 2. S. 98-107.

[12] Ljuger Dzh. F. Iskusstvennyjj intellekt: strategii i metody reshenija slozhnykh problem. Izd. 4-e. Per. s angl. M.: Viljams. 2003.

[13] Ovcharov L.A. Prikladnye zadachi teorii massovogo obsluzhivanija. M.: Mashinostroenie. 1969. 324 c.

[14] Psikhodiagnostika v Rossii cherez 5 let // Psikhologija. ZHurnal Vysshejj shkoly ehkonomiki. 2008. № 4. T. 5. S. 44-85.

[15] Saati T.L. EHlementy teorii massovogo obsluzhivanija i ejo prilozhenija. M.: LIBROKOM. 2010. 520 s.

[16] Kuravsky L.S., Baranov S.N. Condition monitoring of the structures suffered acoustic fatigue failure and forecasting their service life. Proc. Condition Monitoring 2003, Oxford, United Kingdom. July 2003. P. 256-279,

[17] Kuravsky L.S., Baranov S.N. Neural networks in fatigue damage recognition: diagnostics and statistical analysis. Proc. 11th International Congress on Sound and Vibration, St.-Petersburg, Russia. July 2004. P. 2929-2944,

[18] Kuravsky L.S., Baranov S.N. The concept of multifactor Markov networks and its application to forecasting and diagnostics of technical systems. In: Proc. Condition Monitoring 2005. Cambridge, United Kingdom. July 2005. P. 111-117.

[19] Kuravsky L.S., Baranov S.N., Yuryev G.A. Synthesis and identification of hidden Markov models based on a novel statistical technique in condition monitoring. In: Proc. 7th International Conference on Condition Monitoring & Machinery Failure Prevention Technologies, Stratford-upon-Avon, England. June 2010.

[20] http:// www.solver.com.

Аннотация

Для цитирования

Похожие статьи