publication foto Журнал «Наука и образование сегодня» выходит ежемесячно, 6 числа (ежемесячно уточняется). Следующий номер журнала № 10(56) 2020 г. Выйдет - 06.10.2020 г. Статьи принимаются 01.10.2020 г.

Если Вы хотите напечататься в ближайшем номере, не откладывайте отправку заявки.

Потратьте одну минуту, заполните и отправьте заявку в Редакцию.




Васильев Э.Ф.

Васильев Эдуард Федорович – кандидат технических наук, пенсионер,

г. Сидней, Австралия

Аннотация: в статье анализируются источники и причины искажений основополагающих положений теории относительности, отрицательно влияющих на формирование мировоззрения поколения в процессе развития и образования.

Ключевые слова: специальная теория относительности, релятивистская масса, импульс и энергия движущегося тела.

Список литературы

  • Эйнштейн А. К электродинамике движущихся тел, 1905. Annalen der Physik.
  • Эйнштейн А. Зависит ли инерция тела от содержащейся в нем энергии? 1905. Annalen der Physik.
  • Окунь Л.Б. Понятие массы (Масса, Энергия, Относительность) Журнал «Успехи физических наук». Т. 158. Вып. 3,
  • Oas Gary. On the abuse and use of relativistic mass. Education Program for Gifted Youth, Stanford University, 2008.
  • Adler C. J. Phys., 1987. V. 55. P. 739.

Ссылка для цитирования данной статьи 

Publication copyright    

Васильев Э.Ф. СРАВНЕНИЕ РОЛИ МАССЫ В ТЕОРИЯХ НЬЮТОНА И ЭЙНШТЕЙНА // Наука и образование сегодня № 9(56), 2020 - С. {см. журнал}.

pdf publikacija

Кайзер О.М., Шишкова Л.Ю.

Кайзер Ольга Михайловна - педагог-психолог высшей квалификационной категории,

Муниципальное бюджетное общеобразовательное учреждение

Специальная (коррекционная) общеобразовательная школа № 36 III - IV видов, г. Озерск;

Шишкова Людмила Юрьевна - педагог-психолог,

Муниципальное автономное общеобразовательное учреждение

Средняя общеобразовательная школа № 38, г. Златоуст,

Челябинская область

Аннотация: в статье анализируется инновационный опыт применения арт-терапевтической технологии для успешной социальной адаптации ребёнка и подростка. Указаны показатели для отбора средств кинематографии: короткометражных фильмов, мультипликации, музыкальных клипов и т.п. Технология хорошо зарекомендовала себя при работе в режиме деятельности дистанционно как с группой учащихся, так и индивидуально. Раскрыты аспекты применения психолого-педагогической технологии.

Ключевые слова: арт-терапия, социальная адаптация, кино, средства кинематографии, подростки, самооценка.

Список литературы

  • Абрамова Г.С. Возрастная психология: Учебное пособие для вузов. // Г.С. Абрамова. Екатеринбург: Деловая книга, 2002.
  • Артпедагогика и арттерапия в специальном образовании: Учебник для вузов / Е.А. Медведева, И.Ю. Левченко, Л.Н. Комиссарова, Т.А. Добровольская. // М.: Академия, 2001. 248 с.
  • Полынская И.Н. Социальная адаптация школьников средствами этнохудожественного образования // Фундаментальные исследования, 2014. № 9-2. С. 418-423.

Ссылка для цитирования данной статьи 

Publication copyright    

Кайзер О.М., Шишкова Л.Ю. СОЦИАЛЬНАЯ АДАПТАЦИЯ РЕБЕНКА И ПОДРОСТКА СРЕДСТВАМИ КИНЕМАТОГРАФИИ // Наука и образование сегодня № 9(56), 2020 - С. {см. журнал}.

pdf publikacija

Мажейко И.Ю.

Мажейко Ирина Юрьевна - учитель английского языка,

Муниципальное бюджетное общеобразовательное учреждение

Средняя общеобразовательная школа № 69, г. Кемерово

Аннотация: в статье рассматриваются актуальные способы преодоления трудностей аудирования. Оно служит и мощным средством обучения иностранному языку. Дает возможность овладевать звуковой стороной изучаемого языка, его фонемным составом и интонацией: ритмом, ударением, мелодикой. Аудирование – база обучения языку, так как в начальной школе употребляется в большей степени бессловесный перевод, с опорой на наглядные пособия, когда дети употребляют догадку, что развивает мышление и вызывает интерес со стороны детей. В аудировании выделяют несколько групп трудностей: трудности, связанные с особенностями акта слушания и речевой деятельности слушающего.

Ключевые слова: аудирование, мнимическая деятельность, пониманием и активной переработкой информации, фонемный состав, рецептивные виды.

Список литературы

  • Артемов В.А. // Психология обучения иностранному языку. М., 1969.
  • Вайсбурд М.Л. // Обучение учащихся средней школы пониманию иностранной речи на слух. М.: Просвещение, 1985.
  • Гальскова Н.Д., Гез Н.И. // Теория обучения иностранному языку. Лингводидактика и методика.
  • Гез Н.И., Ляховицкий М.В., Миролюбова А.А. и др. // Методика обучения иностранным языкам в средней школе: М.: Высш. шк., 1982.
  • Зимняя И.А. // Психология обучения иностранным языкам в школе. М., 1991.
  • Леонтьев А. // Язык, речь, речевая деятельность. М., 1985.
  • Никонова С.М. // Межпредметные связи в обучении школьников иностранным языкам. М., 1965.
  • Пассов Е.И. // Коммуникативный метод обучения иноязычному говорению. М., 1985.
  • Соловова Е.Н. // Пособие для студентов пед. вузов и учителей. М.: Просвещение, 2002.
  • [Электронный ресурс]. Режим доступа: undefined (дата обращения: 07.09.2020).
  • [Электронный ресурс]. Режим доступа: undefined (дата обращения: 07.09.2020).
  • [Электронный ресурс]. Режим доступа: undefined (дата обращения: 07.09.2020).

Ссылка для цитирования данной статьи 

Publication copyright    

Мажейко И.Ю. СПОСОБЫ ПРЕОДОЛЕНИЯ ТРУДНОСТЕЙ ПРИ ОБУЧЕНИИ АУДИРОВАНИЮ НА СРЕДНЕЙ СТУПЕНИ ОБУЧЕНИЯ // Наука и образование сегодня № 9(56), 2020 - С. {см. журнал}.

pdf publikacija

Козлов А.С., Дудник С.В., Култазин Н.М.

Козлов Александр Сергеевич - старший системный администратор,

филиал

Корпорация «Алайн Текнолоджи Ресерч энд Девелопмент, Инк»;

Дудник Сергей Викторович - ведущий эксперт,

департамент инфраструктурных решений,

ПАО Сбербанк,

г. Москва;

Култазин Нурлан Муратович - инженер инфраструктуры,

Astana International Exchange, г. Нур-Султан, Республика Казахстан

Аннотация: рассмотрены базовые подходы распознавания графических изображений; представлены наиболее эффективные алгоритмы, которые могут быть использованы в данной области. Предложена оценка эффективности указанных алгоритмов, на основе которой обосновано использование вейвлет-преобразования и метода главных компонент с дальнейшим применением нейросетевых алгоритмов. В результате проведенного исследования рассмотрены алгоритмы распознавания графических образов, которые базируются на машине опорных векторов с применением симлета и метода главных компонент, а также их комбинации для линейной ядерной функции, полиномиальной ядерной функции и радиальная базисная функции. Статистический анализ показал высокую эффективность алгоритмов на базе симлета для линейной ядерной функции.

Ключевые слова: распознавание графических изображений, векторная машина поддержки, метод главных компонент, стационарное вейвлет преобразование, нейросетевой алгоритм, разложение по сингулярному значению, радиальная базисная функция.

Список литературы

  • Li Z., Jiang X. & Pang Y., 2019. Evaluation of Face Recognition Techniques Based on Symlet 2 Wavelet and Support Vector Machine. Security, Privacy, and Anonymity in Computation, Communication, and Storage Lecture Notes in Computer Science. 228–239. doi: 10.1007/978-3-030-24900-7_19.
  • Chen X., Wu W., Fan J. Overview of face recognition technology. In: China Academic Association of Instrumentation Youth Conference,
  • Ur-Rehman O. & Zivic N., 2017. Discrete Wavelet Transform based Watermarking for Image Content Authentication. Proceedings of the 6th International Conference on Pattern Recognition Applications and Methods. doi: 10.5220/0006232306200625.
  • Eslami R., Radha H. Wavelet-based contourlet transform and its application to image coding. In: International Conference on Image Processing. Singapore. Р. 3189. IEEE,
  • Gasparesc G., 2010. Data compression of power quality disturbances using wavelet transform and spline interpolation method, 2010. 9th International Conference on Environment and Electrical Engineering. doi: 10.1109/eeeic.2010.5489992.
  • Alickovic E., Kevric J., Subasi A. Performance evaluation of empirical mode decomposition, discrete wavelet transform, and wavelet packed decomposition for automated epileptic seizure detection and prediction. Biomed. Signal Process. Control, 2018. 39, 94.
  • Ahanonu E., Marcellin M. & Bilgin A., 2018. Lossless Image Compression Using Reversible Integer Wavelet Transforms and Convolutional Neural Networks. 2018 Data Compression Conference. doi: 10.1109/dcc.2018.00048.
  • Bhattacharyya A., Sharma M., Pachori R.B., Sircar P., Acharya U.R. A novel approach for automated detection of focal EEG signals using empirical wavelet transform. Neural Comput. Appl., 2018. 29, 47.
  • Mavroeidis D., Vazirgiannis M. Stability based sparse LSI/PCA: incorporating feature selection in LSI and PCA. ECML LNCS (LNAI). Vol. 4701. Pp. 226–237. Springer, Heidelberg, 2007.
  • Lee M.-S., Chen M.-Y., Lin F.-S. Face recognition under variant illumination using PCA and wavelets. SCIA, 2009. LNCS. Vol. 5575. Pp. 341–350. Springer, Heidelberg.
  • Sharma S. & Sharma M.J., 2015. Distorted face image segmentation in PCA with neural network. 2015 International Conference on Computer, Communication and Control (IC4). doi: 10.1109/ic4.2015.7375506.
  • Caballero-Morales S.-O. Noise-removal markers to improve PCA-based face recognition. MCPR, LNCS. Vol. 8495. Pp. 192–200. Springer. Cham (2014). [Электронный ресурс]. Режим доступа: undefined (дата обращения: 28.08.2020).
  • Biswas S., Sil J., Maity S.P. PCA based face recognition on curvelet compressive measurements. CICBA CCIS, Vol. 775. Pp. 217–229. Springer, Singapore, 2017. [Электронный ресурс]. Режим доступа: undefined (дата обращения: 28.08.2020).
  • Selamat M.H. & Rais H.M., 2015. Image face recognition using Hybrid Multiclass SVM (HM-SVM). 2015. International Conference on Computer, Control, Informatics and Its Applications (IC3INA).
  • Sun J., Liu J. & Wei X., 2016. Feature selection algorithm based on SVM, 2016 35th Chinese Control Conference (CCC). doi: 10.1109/chicc.2016.7553995/.
  • Kar N.B., Babu K.S., Sangaiah A.K., Bakshi S. Face expression recognition system based on ripplet transform type II and least square SVM. Multimedia Tools Appl. 78, 4789,
  • Manolova A., Neshov N., Panev S., Tonchev K. Facial expression classification using supervised descent method combined with PCA and SVM. Biometric Authentication. LNCS. Vol. 8897. Pp. 165–175. Springer, Cham, 2014. [Электронный ресурс]. Режим доступа: undefined (дата обращения: 28.08.2020).
  • Alam S., Kang M., Pyun J.-Y. & Kwon G.-R., 2016. Performance of classification based on PCA, linear SVM, and Multi-kernel SVM. 2016. Eighth International Conference on Ubiquitous and Future Networks (ICUFN). doi: 10.1109/icufn.2016.7536945.
  • Gumus E., Kilic N., Sertbas A., Ucan O.N. Evaluation of face recognition techniques using PCA, wavelets and SVM. Expert Syst. Appl., 2010. 37, 6404.

Ссылка для цитирования данной статьи 

Publication copyright    

Козлов А.С., Дудник С.В., Култазин Н.М. МЕТОДОЛОГИЯ РАСПОЗНАВАНИЯ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ НА БАЗЕ ВЕКТОРНОЙ МАШИНЫ // Наука и образование сегодня № 9(56), 2020 - С. {см. журнал}.

pdf publikacija