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, [email protected]
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