Yass Khudheir Salal

Dr. Yass Khudheir Salal

orcid

Research Focus & Metrics

Academic Career Length

9Years (2018-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
19 March 2021
Verified
Book Chapter
Closed access
PDF file
YSYass Khudheir Salal
Yass Khudheir Salal
MHM. Hussain
M. Hussain
PTP. Theodorou
P. Theodorou
TPT. Paraskevi
T. Paraskevi

1 January 2019 in Bulletin of the South Ural State University. Ser. Computer Technologies, Automatic Control & Radioelectronics
Verified
Journal Article
Open access
PDF file
YSYass Khudheir Salal
Yass Khudheir Salal
SASanjar Abdullaev
Sanjar Abdullaev
Использование методов интеллектуального анализа данных для прогноза успеваемости студентов индустриального института Эль-Дивании, Ирак

1 January 2018 in Bulletin of the South Ural State University series "Education Education Sciences"
Verified
Journal Article
Open access
PDF file
SASanjar Abdullaev
Sanjar Abdullaev
OLO.Yu. Lenskaya
O.Yu. Lenskaya
YSYass Khudheir Salal
Yass Khudheir Salal
КОМПЬЮТЕРНЫЕ СИСТЕМЫ ИНДИВИДУАЛЬНОГО ОБУЧЕНИЯ: ПРЕДПОСЫЛКИ И ПЕРСПЕКТИВЫ

19 October 2020 in IZVESTIYA SFedU. ENGINEERING SCIENCES
Verified
Journal Article
Open access
PDF file
YSYass Khudheir Salal
Yass Khudheir Salal
SASanjar Abdullaev
Sanjar Abdullaev
Как показывает анализ данных международных тестирований знаний учащихся, среднее и высшее образование многих странах переживает кризис, который в том числе вызван не адекватностью системы мониторинга качества традиционного и дистанцион- ного образования. В свою очередь, развитие такой системы мониторинга требует разра- ботки методов классификации и квантификации, необходимых для прогноза индивидуаль- ных и коллективных успехов учащихся. В этой статье теоретически и экспериментально показано, что наиболее перспективным подходом, решающим одновременно обе задачи прогноза, является создание гетерогенных ансамблей, состоящих из нечетного числа раз- личных базовых классификаторов, таких как деревья решений, простейшие нейронные се- ти, наивный байесовский классификатор и другие. Проведя обучение и тестирование 11 различных бинарных классификаторов на шести различных выборках образовательных данных, нами показано, что индивидуальный детерминированный прогноз таких ансамблей превосходит по точности прогнозы как отдельных базовых классификаторов, так и одно- родных ансамблей созданных по технологиям бэггинга и бустинга. Преимущество гетеро- генных ансамблей созданных из трех, пяти и семи классификаторов становится опреде- ляющим, если учесть, что при естественном дисбалансе выборки образовательных дан- ных, полезным прогнозом классификатора может считаться только такой прогноз, точ- ность которого превосходит относительную частоту класса объектов имеющих наи- большую повторяемость в выборке данных. Главным преимуществом гетерогенного ан- самбля является возможность трансформации детерминированного прогноза в вероятно- стный прогноз, когда вместо отнесения объекта к тому или иному классу, даются вероят- ности его принадлежности к отдельным классам. На основе этого нами предложен новый метод бинарной квантификации, когда индивидуальные вероятности принадлежности к каждому из классов объектов суммируются по отдельности, а полученные в итоге суммар- ные вероятности интерпретируются как относительные частоты объектов в выборке. В результате экспериментов показано, что такая бинарная ансамблевая квантификация по точности заметно превосходит традиционный метод «классифицируй и считай».

1 January 2019 in Bulletin of the South Ural State University. Ser. Computer Technologies, Automatic Control & Radioelectronics
Verified
Journal Article
Open access
PDF file
YSYass Khudheir Salal
Yass Khudheir Salal
SASanjar Abdullaev
Sanjar Abdullaev
Оптимизация конструкции ансамбля классификаторов: пример интеллектуального анализа образовательных данных