48998

Профессиональная диагностика

Курсовая

Педагогика и дидактика

Ставится задача создания системы специализированной подготовки профильного обучения в старших классах общеобразовательной школы ориентированной на индивидуализацию обучения и социализацию обучающихся. Введение профильного обучения –- одно из важных направлений модернизации российской школы. Создание системы информационной организационной и педагогической деятельности для профессиональной мотивации школьниками способствует определению ими профиля обучения и выбора сферы деятельности. С сентября 2003 года в школьную систему было...

Русский

2013-12-18

532.5 KB

7 чел.

ГОУ ВПО Пермский государственный педагогический университет

Факультет информатики и экономики

Кафедра экономики

КУРСОВАЯ РАБОТА

«Профессиональная диагностика»

Выполнила: студентка гр.1243

Ф-та ИНЭК

Кочева Е.Л.

Проверил:

Ясницский Л.Н.

Пермь 2007
Содержание:

[1]
ГЛАВА 1. Профессиональная ориентация учащихся

[1.1]   Профессиональная ориентация и ее важнейшие направления

[1.1.1] Важнейшие направления профессиональной ориентации:

[1.2]  Тестирование учащихся

[2]
ГЛАВА 2. Персептрон и его применение в профессиональной диагностике

[2.1]  Проблемы и методы проектирования

[2.2] Подготовка входных и выходных параметров

[2.3] Пример применения персептрона в профессиональной диагностике

[3]
Заключение

[4]
Список используемой литературы


Введение

Современное общество предъявляет школе новые требования. “Концепцией модернизации российского образования на период до 2010 года”, одобренной Правительством РФ, предусматривается профильное обучение старшеклассников. Ставится задача создания “системы специализированной подготовки (профильного обучения) в старших классах общеобразовательной школы, ориентированной на индивидуализацию обучения и социализацию обучающихся …”. Профильное обучение рассматривается как средство дифференциации, когда за счет изменений в структуре, содержании и организации образовательного процесса более полно учитываются интересы, склонности и способности учащихся.

Важнейшим социальным требованием к школе является ориентация образования не только на усвоение обучающимися определенной суммы знаний, умений и навыков, но и на развитие личности школьника, его профессиональной мотивации,  на  формирование у него  познавательных и созидательных способностей, необходимых для успешной социализации в обществе и активной адаптации на рынке труда.

 Введение профильного обучения – одно из важных направлений модернизации российской школы. Создание системы информационной, организационной и педагогической деятельности  для профессиональной мотивации школьниками способствует определению ими профиля обучения и выбора сферы деятельности.

С сентября 2003 года в школьную систему было внедрено предпрофильное обучение девятиклассников, направленное на развитие у старшеклассников умения делать сознательный выбор профиля обучения. Однако выбор профиля обучения – это многосложный акт, который предполагает выбор не единственной на всю жизнь профессии, а постоянное проектирование и реальное построение учеником своего профессионального пути. Такое построение возможно лишь на анализе побуждений и интересов школьника, на его личной профессиональной мотивации, на широкой информированности ученика об обстановке на профессиональном рынке труда.

С 2007/08 учебного года школы России перейдут на профильное обучение. Идея профильного обучения, состоит в том, чтобы снизить учебную нагрузку и дать учащимся старшего школьного возраста возможность изучать то, что им действительно интересно и необходимо, в рамках образовательного учреждения. Наряду со спецшколами и школами со старшими классами разных специализаций, появятся и школы, в которых на выбор старшеклассникам будет предоставлено ряд углубленных курсов, и они смогут выбрать несколько из них.

Предполагается создание трех блоков учебных курсов: общефедеральный с обязательными предметами, профильный с детальным изучением приоритетных предметов и элективный блок — узкие предметы по интересам. [4]

В связи с этим целью курсовой работы является создание программы, помогающей  учащимся 8-9-го классов в определении интересующих их сфер деятельности.

Объект – профильное обучение.

Предмет – использование персептрона в профильном обучении.

Для исследования данной проблемы предполагается решение следующих задач:

-  создание программы

-  проверка параметров на значимость


ГЛАВА 1. Профессиональная ориентация учащихся

  1.    Профессиональная ориентация и ее важнейшие направления

"Проблема самоопределения есть, прежде всего,
проблема определения своего образа жизни".

                                                              С.Л. Рубинштейн.

Профессиональная ориентация — это система научно обоснованных мероприятий, направленных на подготовку молодёжи к выбору профессии с учётом особенностей личности и социально-экономической ситуации на рынке труда, на оказание помощи молодёжи в профессиональном самоопределении и трудоустройстве.

Профессиональная ориентация учащихся является одной из основных задач образовательных учреждений всех типов, входит в круг обязанностей их психологических служб, педагогических коллективов, органов управления образованием.

Важнейшие направления профессиональной ориентации:

  •  профессиональная информация — ознакомление учащихся с современными видами производства, состоянием рынка труда, потребностями в квалифицированных кадрах, содержанием и перспективами развития рынка профессий, формами и условиями их освоения, требованиями, предъявляемыми профессиями к человеку, возможностями профессионально-квалификационного роста и самосовершенствования в процессе трудовой деятельности;
  •  профессиональная консультация — оказание помощи учащимся в профессиональном самоопределении с целью принятия осознанного решения о выборе профессионального пути с учетом его психологических особенностей и возможностей, а также потребностей общества;
  •  профессиональный подбор — предоставление рекомендаций учащимся о возможных направлениях профессиональной деятельности, наиболее соответствующих его психологическим, психофизиологическим, физиологическим особенностям, на основе результатов психологической, психофизиологической и медицинской диагностики;
  •  психологическая поддержка — методы, способствующие снижению психологической напряженности, формированию позитивного настроя и уверенности в будущем.
  •  внедряют достижения психологии в практику образовательно-воспитательного процесса. [3]
    1.   Тестирование учащихся

Мною проведено анкетирование учащихся 9го класса МОУ  школы № 2  с. Карагай в мае 2007 года. Результаты показали: прослеживается разброс интересов школьников в различных сферах деятельности, т.е.  их    сфера   профессиональной   деятельности   была  определена   частично,  а сами интересы поверхностны, неустойчивы.           
        Ориентировка учащихся в сферах деятельности выглядела следующим образом:

• “Человек - человек” - 31%.
• “Человек - техника” – 23%.
• “Человек - художественный образ” -16%.

• “Человек - знак” - 15%.
• “Человек-природа” –8%.

Рис.1. Ориентировка учащихся в сферах деятельности

 Интерес к сфере деятельности “человек - природа у выпускников школы был выражен в наименьшей степени – 8%. Базовыми учебными предметами данной сферы являются основные разделы биологии – природоведение, ботаника, зоология, анатомия, экология и т.п.

В результате анкетирования учащихся 9 классов, было установлено, что для них основными мотивами в выборе профессии являются: социальная значимость и престиж, материальная заинтересованность, подражание родителям, близким, знакомым, интерес к профессии, наличие специальных способностей, интерес к школьному предмету, возможность творчества, новизны.

При формировании интереса к профессиям, можно повышать не только уровень знаний учащихся, но и успеваемость в целом.

Взаимосвязь качеств личности, знаний, умений и навыков,

профессиональных интересов, намерений и направленности школьника.

Рис.2.  Взаимосвязь качеств личности, знаний, умений и навыков, профессиональных интересов, намерений и направленности школьника [6]

Функции профориентационной работы в процессе обучения:

1.Социальная функция профессиональной ориентации предполагает процесс усвоения школьниками определенной системы знаний, норм, ценностей. Поэтому профессиональную ориентацию учащихся необходимо рассматривать, прежде всего, с позиции социального заказа общества.

2.Экономическая функция означает улучшение качественного состава рабочей силы, повышение удовлетворенности содержанием труда, повышение профессиональной мотивации, общественной активности.

3.Медико-физиологическая функция — эта реализация требований к здоровью и отдельным физиологическим качествам, необходимым для выполнения той или иной профессиональной деятельности.

4.Психолого-педагогическая функция — это, прежде всего выявление и формирование интересов, склонностей, способностей школьников, помощь в поиске призвания, в осознании выбора, определение путей и условий эффективного управления профессиональным самоопределением школьников.

     С позиций современного подхода профессиональная ориентация – «это система равноправного взаимодействия личности и общества на определенных этапах развития человека, оптимально соответствующая особенностям личности и запросам рынка труда в конкурентоспособных кадрах». [6]


ГЛАВА 2. Персептрон и его применение в профессиональной диагностике

  1.   Проблемы и методы проектирования

Персептрон, перцептрон (англ. perceptron, нем. Perzeptron, от лат. perceptio — понимание, познавание, восприятие), математическая модель процесса восприятия. Сталкиваясь с новыми явлениями или предметами, человек их узнаёт, то есть относит к тому или иному понятию (классу). Так, мы легко узнаём знакомых, даже если они изменили причёску или одежду, можем читать рукописи, хотя каждый почерк имеет свои особенности, узнаём мелодию в различной аранжировке и т.д. Эта способность человека и получила название феномена восприятия. Человек умеет на основании опыта вырабатывать и новые понятия, обучаться новой системе классификации. Например, при обучении различению рукописных знаков ученику показывают рукописные знаки и сообщают, каким буквам они соответствуют, то есть к каким классам эти знаки относятся; в результате у него вырабатывается умение правильно классифицировать знаки.

Теоретически для построения нейросетевой модели любого сколь угодно сложного объекта достаточно использовать персептрон с одним скрытым слоем сигмоидных нейронов,  число которых определяется формулами

NyQ/1+log2 Q ≤ Nw  ≤ Ny (Q/Nx +1)( Nx + Ny +1) +Ny

Где Ny – размерность выходного сигнала; Qчисло элементов обучающей выборки; Nw  - необходимое число синаптических весов; Nx -  размерность входного сигнала.

Оценив спомощью этой формулы необходимое число синаптических весов, можно рассчиталь число нейронов в скрытых слоях.

N=Nw/(Nx  + Ny).

Однако в практических реализациях персептронов как количество слоев, так и число неронов в каждом из них часто отличаются от теоретических. Иногда целесообразно использовать персептроны с большим числом скрытых слоев. Такие персептроны могут иметь меньшие размерности матриц синаптических весов, чем двухслойные персептроны, реализующие то же самое преобразование. [5]

Строгой теории выбора оптимального числа скрытых слоев персептронов пока нет. На практике же чаще всего используются персептроны,  имеющие один или два скрытых слоя, причем число нейронов в скрытых слоях обычно колеблется от Nx  до 3Nx.

При проектировании персептронов необходимо понимать, что персептрон должен не только правильно реагировать на примеры, на которых он обучен, но и уметь обобщать приобретенные знания, т.е. правильно  реагировать на примеры, которых в обучающей выборке не было. Чтобы оценить способность сети к обобщению, помимо обучающей выборки примеров XD в рассмотрение вводят некоторое количество тестовых примеров XтDт, которые относятся к той же самой предметной области, но в процессе обучения не участвуют. После обучения вычисляют среднеквадратичную погрешность между прогнозом сети Y и желаемым выходом сети D или Dт. Среднеквадратичная погрешность персептрона, вычисленная на обучающей выборке  XD, называется  погрешность обучения, обозначаемой E , а вычисленная на тесовой выборке XтDт - погрешность обобщения, обозначаемой Eт. При увеличении числа нейронов внутренних слоев персептрона N погрешность обучения E  обычно падает, тогда как погрешность обобщения Eт сначала падает, а затем, начиная с некоторого оптимального значения

N =  N0, возрастает.

Поведение этих кривых легко объяснить, если воспользоваться аналогией с аппроксимацией набора данных полиномами методом наименьших квадратов. Как известно, задача аппроксимации состоит в том, чтобы подобрать полином, наиболее правильно отражающий характер закономерности, представленной графически точками предметной области.

Нейросети, как и регрессионные модели, выстраивают функции, аппроксимирующей точки предметной области, причем для каждой решаемой задачи существует некоторое оптимальное значение степеней свободы математической модели. Число степеней свободы персептрона  - это общее число синаптических весов, которое определяется числом нейронов  скрытых и выходных слоев. Свойство нейросети терять способность к обобщению при чрезмерном увеличении числа ее степеней свободы называют переобучением, или гиперразмерностью нейросети.

Итак, при проектировании персептронов существует проблема выбора необходимого числа нейронов. Число нейронов входного слоя персептрона должно совпадать с размерностью  вектора входных параметров X , который определен условиями решаемой задачи. Число нейронов выходного слоя должно совпадать с размерностью выходного вектора Y, что также определено условиями задачи. Число скрытых слоев персептрона должно быть не менее одного. Число нейронов в скрытых слоях желательно оптимизировать для каждой конкретной задачи.

Существует два способы оптимизации числа нейронов в скрытых слоях – деструктивный и конструктивный. Деструктивный способ заключается в том, что первоначально строится сеть с заведомо избыточным числом степеней свободы, а затем в процессе обучения из нее постепенно исключаются лишние синаптические связи и нейроны.

Общим недостатком деструктивных алгоритмов является значительная длительность их работы, поскольку первоначальные вычисления производятся в сетях, имеющих избыточное количество нейронов. Этого недостатка лишены альтернативные конструктивные алгоритмы, которые предполагают постепенное добавление нейронов к сети, в которой их заведомо недостаточно. Новые нейроны добавляются каждый раз после определенного числа эпох обучения, а синаптическим весам и порогам новых нейронов присваиваются случайные числа.  Поэтому после каждого добавления нового нейрона текущая погрешность обобщения нейросети  Eт  резко увеличивается, но после нескольких эпох обучения становится меньше той, которая была до добавления нейрона. Однако, начиная с некоторого момента времени t0, добавление новых нейронов перестает способствовать уменьшению ошибки Eт, а, наоборот, приводит к ее увеличению, что свидетельствует о наступлении эффекта гиперразмерности.

Интересно отметить, что время обучения нейросети от начала до t0 обычно оказывается в полтора раза больше, чем если бы в сети было сразу оптимальное число нейронов. Эта цифра означает, что навыки, приобретенные нейросетью в процессе предварительного обучения, не теряются полностью при добавлении в нее нового нейрона.

Остается невыясненным вопрос, в каких конкретно местах нейросети следует добавлять новые нейроны. Их можно выбрать случайным образом или воспользоваться алгоритмами расщепления нейронов. [5]

  1.  Подготовка входных и выходных параметров

Подбор обучающих примеров. От удачного подбора обучающих примеров во многом зависит успех создания нейронной сети, адекватно моделирующей предметную область. Прежде всего необходимо понимать, что не все параметры предметной области влияют на выходной вектор Y.

Параметры, которые не оказывают влияния на вектор Y, называют незначимыми для этого выходного вектора. Естественно, что незначимые параметры не следует включать в список параметров входного вектора X.

Однако на практике часто бывает трудно и даже невозможно установить, какие из параметров предметной области являются значимыми, а какие нет. Поэтому на первом этапе в вектор X включают как можно больше параметров, избегая только те из них, незначимость которых представляется очевидной.

После первоначального создания и обучения нейронной сети, незначимые параметры могут быть выявлены двумя способами.

Путем анализа значений весовых коэффициентов входных нейронов. Если окажется, что у какого-либо входного нейрона синаптические веса значительно меньше, чем у других нейронов, то этот входной нейрон скорее всего соответствует незначимому параметру вектора X.

Путем возмущения значений входных параметров и анализа реакции сети на эти возмущения. Если сеть не реагирует или слабо реагирует на изменения значения какого-либо входного параметра, то этот параметр не является значимым.

После выявления и исключения входных нейронов, соответствующих незначимым параметрам, качество нейросети улучшается, так как снижается ее размерность. Однако надо понимать, что слишком малое число входных параметров может привести к тому, что нейросети не хватит данных для выявления требуемых от нее закономерностей предметной области.

Предобработка обучающих примеров и интерпретация ответов. Параметры, описывающие предметную область, могут иметь самый разнообразный характер. Это могут быть числа с различными диапазонами изменений, качественные характеристики, такие как цвет волос и глаз, даты, графические объекты. Поскольку нейросеть в состоянии обрабатывать только числа, то вся нечисловая информация должна быть закодирована в числовом виде.

Таким образом, персептрон можно применять для моделирования предметной области, описываемой числовыми параметрами любого диапазона. При формировании обучающей выборки входные и выходные параметры желательно масштабировать – преобразовать к приемлемому диапазону [a,b]. Естественно, что ответы персептрона после этого следует интерпретировать путем применения преобразования, обратного масштабированию.

  1.  Пример применения персептрона в профессиональной диагностике

        

Подготовили входные и выходные параметры, взятые из книги Тябина и Маловой «Профессиональная диагностика».  Нечисловую информацию  закодировали в числовом виде.

«0» - ответ «нет».

«1» - ответ «да».

Существует множество разработанных нейросимуляторов, но я использую нейросимулятор студента 4 курса механико-математического факультета  ПГУ Ф.Черепанова. На мой взгляд этот нейросимулятор является наиболее удобным.

Входные параметры:

X1 – легко (без внутренней скованности) вступаю в общение с новыми людьми

X2 – охотно и подолгу могу что-нибудь мастерить (шить, чинить, вязать)

X3 – стараюсь придать окружающей меня среде черты красоты, другие считают, что мне это удается

X4  -  охотно и постоянно слежу и ухаживаю за растениями (животными)

X5 – охотно и подолгу могу что-либо подсчитывать, вычислять или чертить.

X6 – охотно провожу время со сверстниками или младшими, когда их нужно чем-то занять, увлечь делом или помочь им в чем-то.

X7 – охотно и часто помогаю старшим по уходу за растениями (животными)

X8 – обычно я делаю мало ошибок в письменной работе

X9 – мои изделия (то, что я делаю своими руками в свободное время) обычно вызывает интерес у товарищей, старших

X10 – старшие считают, что у меня есть способности к определенной области искусства

X11 – охотно читаю о растениях, животных

X12 – активно участвую в художественной самодеятельности

X13 – охотно читаю об устройстве и работе механизмов, машин, приборов

X14 – охотно и подолгу могу разгадывать головоломки или сидеть над трудными задачами, кроссвордами

X15 – легко улаживаю разногласия между сверстниками или младшими

X16 – старшие считают, что у меня есть способности к работе с техникой

X17 – результаты моего художественного творчества одобряют совершенно незнакомые люди

X18 – старшие считают, что у меня есть способности к работе с биологическими объектами (растениями или животными)

X19 – обычно мне удается подробно и ясно излагать мысли в письменной форме

X20 – почти никогда ни с кем не ссорюсь

X21 – результаты моего технического творчества одобряют незнакомые люди

X22 – без труда усваиваю иностранные языки

X23 – мне часто случается помогать даже незнакомым людям

X24 – подолгу, не уставая, могу заниматься любимой художественной работой (музыка, рисование и т.д.)

X25 – стараюсь повлиять на ход развития растительных или животных организмов, улучшить, изменить их

X26 – люблю разбираться в устройстве механизмов, машин, приборов

X27 – мне обычно удается убедить сверстников или младших в целесообразности того или иного плана действий

X28 – охотно наблюдаю за животными (рассматриваю растения)

X29 – охотно читаю такую литературу, которую многие считают скучной

X30 – стараюсь понять секреты мастерства работников искусства и воспроизводить их действия (делать как они).

      Выходные параметры (сфера деятельности):

Y1 – человек - природа

Y2 – человек – техника

Y3 – человек – человек

Y4 – человек – знаковая система

Y5 – человек – художественный образ 

Будем использовать  персептрон с одним скрытым слоем сигмоидных нейронов.

Персептрон должен не только правильно реагировать на примеры, на которых он обучен, но и уметь обобщать приобретенные знания, т.е. правильно  реагировать на примеры, которых в обучающей выборке не было.

Пример обучающей выборки приведен в таблице 1.

Таблица 1. Обучающая выборка

X1

X2

X3

X4

X5

X6

X7

X8

X9

X10

0

0

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

0

1

0

1

0

0

0

0

1

0

0

0

0

0

0

0

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

0

1

1

0

1

1

0

0

1

0

0

0

1

1

1

0

0

0

1

0

1

0

1

0

0

1

0

1

1

0

0

0

1

0

1

0

1

0

0

1

0

0

0

0

1

0

0

1

0

0

0

1

0

0

1

1

0

1

1

0

0

0

0

1

0

0

0

0

0

0

1

0

1

0

0

1

0

1

0

0

0

0

0

1

0

0

1

0

0

1

0

0

1

0

1

1

0

1

0

0

0

1

1

1

1

1

1

1

1

0

0

1

1

1

1

1

0

1

1

1

1

0

1

0

1

0

0

1

0

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

0

1

0

1

0

0

1

0

1

0

1

0

1

0

0

1

0

0

0

1

1

1

0

1

1

0

1

1

0

0

0

1

0

0

1

0

1

0

1

0

0

0

0

0

0

0

0

0

0

1

1

1

1

1

1

1

1

1

1

X11

X12

X13

X14

X15

X16

X17

X18

X19

X20

1

0

0

0

0

0

0

1

0

0

0

0

1

0

0

1

0

0

0

0

0

0

0

0

1

0

0

0

0

1

0

0

0

0

1

0

0

0

0

1

0

1

0

0

0

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0

1

0

0

0

0

1

0

0

1

0

0

1

0

0

0

0

1

0

0

0

0

1

0

0

0

0

0

0

0

0

1

0

1

0

0

1

0

1

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

1

0

1

0

0

1

0

0

0

1

0

1

0

0

1

0

0

1

1

0

1

1

0

1

0

11

0

1

0

1

0

0

1

0

1

0

1

0

0

1

1

0

1

1

0

1

0

0

0

1

0

0

0

1

1

0

1

1

1

0

1

1

1

1

1

0

0

0

0

0

0

0

1

0

0

0

0

0

1

1

0

1

0

0

1

0

X21

X22

X23

X24

X25

X26

X27

X28

X29

X30

0

0

0

0

1

0

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

1

0

0

0

0

0

1

0

0

0

1

0

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

1

0

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

1

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

0

1

0

0

1

0

0

1

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

1

0

0

0

0

0

1

0

0

0

1

0

0

0

0

0

1

0

1

0

1

0

0

1

1

0

0

0

1

0

0

0

0

1

1

0

0

1

1

1

0

0

1

0

0

1

0

1

0

0

1

0

1

1

0

0

0

0

1

0

1

0

0

0

0

0

1

0

0

0

1

1

0

0

1

0

1

1

0

0

1

1

0

0

0

0

0

0

0

0

1

0

0

0

0

0

1

1

0

1

0

1

1

1

1

0

1

0

1

0

0

0

0

0

0

1

0

Y1

Y2

Y3

Y4

Y5

1

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

1

1

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

1

0

1

1

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

1

1

0

1

0

1

1

0

0

0

0

0

0

1

0

0

0

1

0

1

0

0

1

1

0

0

0

0

0

1

1

1

0

0

0

1

0

0

0

1

0

0

0

0

0

1

0

0

0

0

1

0

1

0

0

1

Чтобы оценить способность сети к обобщению, помимо обучающей выборки примеров вводим  некоторое количество тестовых примеров, которые относятся к той же самой предметной области, но в процессе обучения не участвуют.

Пример тестирующей выборки приведен в таблице 2.

Таблица 2.Тестирующая выборка

X1

X2

X3

X4

X5

X6

X7

X8

X9

X10

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

0

1

0

0

1

0

0

0

1

0

0

1

1

1

0

0

0

0

0

0

0

0

0

0

0

X11

X12

X13

X14

X15

X16

X17

X18

X19

X20

0

0

0

0

1

0

0

0

0

1

1

1

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

1

1

1

1

1

X21

X22

X23

X24

X25

X26

X27

X28

X29

X30

0

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

1

0

0

1

0

0

1

1

1

1

1

1

1

0

0

0

Y1

Y2

Y3

Y4

Y5

0

0

1

0

0

1

0

0

0

1

1

0

0

0

0

0

0

0

0

0

После обучения вычисляем среднеквадратичную погрешность между прогнозом сети  и желаемым выходом сети обучающей или тестируемой. Среднеквадратичная погрешность персептрона, вычисленная на обучающей выборке E .

Погрешность обобщения E  приведена в таблице 3

Таблица 3. Погрешность обобщения E

обуч

1

2

3

4

5

6

7

8

9

10

11

12

y1

0,3388

0,4582

0,2968

0,4411

0,1762

0,1188

0,1008

0,1968

0,0614

0,0563

0,047

0,0433

y2

0,308

0,46

0,2507

0,3194

0,2731

0,1424

0,0929

0,1823

0,0776

0,1306

0,1266

0,0398

y3

0,3831

0,5457

0,4765

0,4751

0,3227

0,3382

0,0804

0,0592

0,1107

0,0271

0,0119

0,0221

y4

0,2512

0,2219

0,4358

0,3331

0,2343

0,1744

0,1383

0,1037

0,1087

0,0627

0,0586

0,0347

y5

0,5396

0,45

0,3707

0,4219

0,1551

0,1774

0,0498

0,0979

0,0281

0,0417

0,187

0,0772

А вычисленная на тесовой выборке  - погрешность обобщения Eт приведена в таблице 4.

Таблица 4. Погрешность обобщения Eт

тест

1

2

3

4

5

6

7

8

9

10

11

12

y1

0,3077

0,0836

0,8527

0,4193

0,1135

0,7233

0,3356

0,5964

0,5205

0,4844

0,6021

1,2183

y2

0,253

0,6583

0,8795

0,5306

1,2436

0,7192

0,5444

0,6465

1,5295

0,605

0,6879

1,642

y3

0,3562

0,278

0,7115

0,5033

0,2783

0,7084

0,295

1,049

2,6267

0,5767

1,7407

1,4455

y4

0,1837

0,422

1,1298

0,8498

0,3539

0,3737

0,8914

1,3543

0,7472

0,1855

0,2454

0,6814

y5

0,7845

0,493

0,8527

0,5009

1,4544

0,5956

0,7251

1,2409

2,4134

0,5

0,8198

0,5366

При увеличении числа нейронов внутренних слоев персептрона погрешность обучения E  обычно падает, тогда как погрешность обобщения Eт сначала падает, а затем, начиная с некоторого оптимального значения  возрастает.

Таблица 4. Графики погрешности

   

 

Используется конструктивный метод оптимизации числа нейронов. Наш персептрон выдает наиболее достоверную информацию при 10 нейронах.

Проверим параметры на значимость.

Рис.1. Проверка  параметров на значимость


Заключение

Сейчас мы находимся на новом этапе формирования ценностей в обществе. Огромное количество информации, формирование рыночных отношений в стране, сложные экономические условия требуют подготовки человека к правильному самостоятельному решению многих жизненных вопросов, к получению качественного образования широкого профиля для возможности успешного трудоустройства и будущего карьерного роста, умение самостоятельно ориентироваться в информационном обществе, способность к самообразованию и саморазвитию.

Требования современной жизни вынуждают совершать выбор профессии и соответствующего ей образования в более раннем возрасте, чем это делалось до недавнего времени. В частности, это продиктовано известным утверждением о том, что эффективность усвоения знаний тем выше, чем младше обучаемый. С другой стороны, более ранний выбор профессии дает возможность к определенному возрасту подняться на более высокий социальный уровень.

Подготовка учащихся старших классов к изложенным выше современным условиям жизни, возложена на профильное обучение. Оно предполагает углубленное изучение предметов, составляющих профиль. Профильное обучение является средством дифференциации и индивидуализации обучения, позволяющее за счет изменений в структуре, содержании и организации образовательного процесса более полно учитывать интересы, склонности и способности учащихся, создавать условия для обучения старшеклассников в соответствии
с их профессиональными интересами и намерениями в отношении продолжения образования.

Найти профессию, приносящую как материальное, так и моральное удовольствие, — задача нелёгкая.

Использование персептрона в профильной диагностике повысит уровень обработки информации и облегчит работу специалистов.


Список используемой литературы

  1.  Закон РФ «Об образовании» 1992 года. (Федеральный закон от 13.01.1996 года  № 12- ФЗ «О внесении изменений и дополнений в закон РФ «Об образовании»)
  2.  http://www.ed.gov.ru Федеральном закон «Об утверждении Федеральной программы развития образования»  от 10 апреля 2000 г. N 51-ФЗ
  3.  http://www.edu.ru  «Концепции модернизации российского образования на период до 2010 года».
  4.  http://www.edu.ru «Концепция Федеральной целевой программы развития образования на 2006 – 2010 годы».
  5.  Ясницкий Л.Н. Введение в искусственный интеллект: Учеб. пособие для студ. высш. учеб. Заведений/ Леонид Нахимович Ясницкий. – М.: Издательский центр «Академия», 2005. – 176с.
  6.  Тябин А.Д., Малова Т.И. «Профессиональная диагностика. Бланковые методики» - пермский городской центр профессиональной ориентации молодежи. – Пермь,1998

 

Знания, умения, навыки

Самовоспитание, самообразование

Влияние среды

Профессиональные интересы

Личностные качества

Профессиональные намерения

Профессиональная направленность школьника.

Профессиональная мотивация


 

А также другие работы, которые могут Вас заинтересовать

77023. Административное право как наука и учебная дисциплина 22.96 KB
  Предметом науки административного права является исследование законов закономерностей и особенностей в управленческой деятельности органов исполнительной власти органов государственного управления администраций органов МСУ их должностных лиц и осуществляемых при этом управленческих отношений в иных сферах эффективности административноправовых норм регулирующих эти отношения правоприменительной практики выявление свойств с целью их совершенствования. Дисциплина курса Административное право представляет собой систему которая...
77024. Понятие системы административно-правового регулирования 29.33 KB
  Понятие системы административно-правового регулирования. Система элементов механизма административно-правового регулирования представляет собой совокупность элементов и правовых средств взаимосвязанных и взаимозависимых и образуемых в информационно-правовое единство в целях упорядочивающего воздействия и устойчивого развития управленческих отношений в сфере деятельности органов исполнительной власти государственного управления администраций органов МСУ уполномоченных должностных лиц и иных регулируемых административными правовыми нормами...
77025. Нормы административного права: понятие, особенности, структура, виды и их характеристика 29.53 KB
  Нормы административного права: понятие особенности структура виды и их характеристика. Административно-правовая норма это мера должного или возможного допускаемого рекомендуемого поведения людей установленная государством и охраняемая специальными средствами...
77026. Реализация и действие административно-правовых норм 27.75 KB
  Реализация административно-правовых норм выражается в практическом проведении в жизнь содержащихся в них правовых предписаний и обеспечении должного поведения участников управленческих отношений.
77027. Административно-правовые отношения: понятие, особенности, содержание. Основания возникновения, изменения и прекращения этих отношений 30.05 KB
  Виды административно-правовых отношений. Административно-правовые отношения это общественные отношения урегулированные нормами административного права возникающие в сфере исполнительной власти государственного управления. Признаки административных правоотношений: являются публичными правоотношениями имеющими в своей основе общественный государственный интерес; носят властный характер так как в процессе возникновения изменения и прекращения данных правоотношений реализуется государственное управление; являются организационными...
77028. Источники административного права: понятие и виды. Кодификация и систематизация административного законодательства 27.38 KB
  Источники административного права: понятие и виды. Кодификация и систематизация административного законодательства. Источники административного права – это внешние формы выражения административно-правовых норм которыми являются различные по юридической силе нормативные правовые акты. Виды источников административного права: 1.