<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Особливості застосування інформаційної технології семантичної перевірки відповідності рішень лабораторних робіт з використанням нейромережевих технологій

Скорочена інформація про документ
dc.contributor.authorАлгаш, А. М.uk
dc.contributor.authorКрилик, Л. В.uk
dc.contributor.authorAlhash, A.en
dc.contributor.authorKrylik, L.en
dc.titleОсобливості застосування інформаційної технології семантичної перевірки відповідності рішень лабораторних робіт з використанням нейромережевих технологійuk
dc.date.issued2026
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationАлгаш А. М., Крилик Л. В. Особливості застосування інформаційної технології семантичної перевірки відповідності рішень лабораторних робіт з використанням нейромережевих технологій // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/27344.uk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/27344
dc.identifier.isbn978-617-8163-95-2
dc.identifier.udc004.89
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/52102
dc.description.abstractThe paper presents an approach to automated semantic verification of the correspondence of solutions to students' laboratory work based on neural network language models and justifies the feasibility of its use for optimizing the educational process.en
dc.description.abstractУ роботі наведено підхід до автоматизованої семантичної перевірки відповідності рішень лабораторних робіт студентів на основі нейромережевих мовних моделей та обґрунтовано доцільність його використання для оптимізації навчального процесу.uk
dc.subjectсемантична відповідністьuk
dc.subjectлабораторні роботиuk
dc.subjectнейромережеві моделіuk
dc.subjectтрансформериuk
dc.subjectSBERTen
dc.subjectдистанційне навчанняuk
dc.subjectавтоматизація перевіркиuk
dc.subjectсемантичний аналізuk
dc.subjectsemantic matchingen
dc.subjectlaboratory worken
dc.subjectneural network modelsen
dc.subjecttransformersen
dc.subjectdistance learningen
dc.subjectverification automationen
dc.subjectsemantic analysisen
dc.typeThesis
dc.language.isouk_UAuk_UA
dc.relation.referencesReimers N., Gurevych I. Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. URL: https://arxiv.org/pdf/1908.10084 (дата звернення 25.01.2026).en
dc.relation.referencesCer D., Diab M., Agirre E., Lopez-Gazpio I., Specia L. Semantic Textual Similarity Multilingual and Cross-lingual Focused Evaluation. URL: https://arxiv.org/pdf/1708.00055 (дата звернення 25.01.2026)en
dc.relation.referencesReimers N., Gurevych I. Sentence Transformers Documentation. URL: https://www.sbert.net/index.html (дата звернення 25.01.2026).en
dc.relation.referencesTiwari R. Unlocking the Power of Sentence Embeddings with all-MiniLM-L6-v2. URL: https://medium.com/@rahultiwari065/unlocking-the-power-of-sentence-embeddings-with-all-minilm-l6-v2-7d6589a5f0aa (дата звернення 25.01.2026).en
dc.relation.referencesBowman S., Angeli G., Potts C., Manning C. A large annotated corpus for learning natural language inference. URL: https://aclanthology.org/D15-1075.pdf (дата звернення 25.01.2026).en
dc.date.accessioned2026-06-29T13:47:37Z
dc.date.available2026-06-29T13:47:37Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
205221.pdf
Розмір:
429,92 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
129 B
Формат:
Plain Text
Опис:
Завантажити

Зібрання

НТКП ВНТУ. Факультет інтелектуальних інформаційних технологій та автоматизації (2026)