| DC Field | Value | Language |
|---|
| dc.contributor.author | Ермакович, Н. В. | - |
| dc.contributor.author | Воробей, А. В. | - |
| dc.coverage.spatial | Минск | - |
| dc.date.accessioned | 2022-09-30T07:54:40Z | - |
| dc.date.available | 2022-09-30T07:54:40Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Ермакович, Н. В. Алгоритм разработки мобильного приложения для изучения английского языка = Algorithm for developing a mobile application for learning english / Н. В. Ермакович, А. В. Воробей // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : VIII Международная научно-практическая конференция : сборник материалов VIII Международной научно-практической конференции, Минск, 11–12 мая 2022 года / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2022. – С. 68–72. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/48295 | - |
| dc.description.abstract | Процесс обучения является необходимой частью в жизни человека. Использование электронных средств обучения (далее – ЭСО) в образовательном процессе значительно влияет на формы и методы представления учебного материала, характер взаимодействия между обучаемым и педагогом, и, соответственно, на методику проведения занятий в целом. Вместе с тем ЭСО не заменяют традиционные подходы к обучению, а значительно повышают их эффективность. Электронные средства обучения – программные средства, в которых отражается некоторая предметная область, в той или иной мере реализуется технология ее изучения средствами информационнокоммуникационных технологий, обеспечиваются условия для осуществления различных видов учебной деятельности. В данной работе предложен алгоритм мобильного приложения для изучения английского языка, которая позволит автоматизировать и упростить процесс обучения по данной дисциплине. В результате реализуется информационная система в виде мобильного приложения, которая позволит упростить изучение английского языка. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | Бестпринт | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | мобильные приложения | ru_RU |
| dc.subject | веб-сайты | ru_RU |
| dc.subject | изучение иностранных языков | ru_RU |
| dc.subject | английский язык | ru_RU |
| dc.subject | website | ru_RU |
| dc.subject | mobile application | ru_RU |
| dc.subject | English | ru_RU |
| dc.title | Алгоритм разработки мобильного приложения для изучения английского языка | ru_RU |
| dc.title.alternative | Algorithm for developing a mobile application for learning english | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | At present, atomic force microscopy (AFM) is widely used in biomedical researches. In this connection, there arose the need to develop new methods, algorithms and software for analyzing cell surface’s AFMimages. We proposed a method for classifying erythrocyte (blood cells) surfaces’ AFM-images using statistical
estimation of spectral densities obtained by discrete Fourier transform. A periodogram is calculated for each scan line
of the initial AFM-image. They were smoothed by the Daniel window to obtain the estimations of spectral density.
Then we calculated the average values of spectral density estimations for each frequency over all scan lines. The
frequency range for the average estimates is divided into two segments and for each segment the average value of the
spectral density is calculated (C1 and C2). In two-dimensional space the resulting pair of values corresponds to the point (C1, C2). We analyzed sets of such points for surfaces’ AFM-images of various erythrocytes’ forms (discocytes, spherocytes, codons and echinocytes). The proposed method for analyzing erythrocyte surfaces’ AFM-images allowed
to obtain statistically significant differences in the parameters of spectral estimates for various erythrocytes’ forms of patients with congenital disorders of cytoskeleton structure (hereditary spherocytosis). | - |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : материалы конференции (2022)
|
