«интернаука» Научный журнал №28(157) Август 2020 г. Издается с ноября 2016 года Москва 2020 ббк 94 И73 Председатель редакционной коллегии: Еникеев Анатолий Анатольевич

Papers in english 
66 
Medicine and pharmacology 
66 
CORRELATION STUDY BETWEEN LEVEL OF SOME TRACE ELEMENT IN SERUM AND 
SEMINAL PLASMA IN INFERTILE PATIENT 
Hussain Falh Ali 
Muyad Sraibet Abbood 
66 
Engineering
76 
THE SET OF FACTORS EFFECTING PHYSICAL ATTRIBUTES
OF ECO-FRIENDLY COAL BRIQUETTES 
Abdukhakim Muminov
Olim Abdurakhmonov
76 
Philology 
79 
SOMERSET MAUGHAM “THE MOON AND SIXPENCES” 
Mukhlisa Khidirova
79 
USING COMMUNICATIVE LANGUAGE GAMES IN TEACHING ENGLISH IN PRIMARY 
SCHOOLS FOR DEVELOPING COMMUNICATIVE COMPETENCE 
Madina Mirzaxmadova
81 
O'zbek tilida maqolalar 
83 
Pedagogika 
83 
ZAMONAVIY TILSHUNOSLIK YO‘NALISHI – PXISOLINGVISTIKADA O‘ZBEK BOLALARI 
NUTQINING O‘RGANILISHI 
Shayxislamov Nursulton Zamon o‘g‘li 
83 
ТАЛАБА – ЁШЛАРНИ ЖИСМОНИЙ ТАРБИЯ ВА СПОРТ ВОСИТАСИДА СОҒЛОМ 
ТУРМУШ МАДАНИЯТИНИ РИВОЖЛАНТИРИШ ПЕДАГОГИК МУАММО СИФАТИДА 
Шукуров Рахим Салимович 
85 
Psixologiya 
87 
ШАХС АХБОРОТ-ПСИХОЛОГИК ХАВФСИЗЛИГИНИ ТАЪМИНЛАШДА ЖАМОАТЧИЛИК 
ФИКРИНИНГ ЎРНИ 
Тулакова Зиёдахон Ривожидиновна 
Мухаммаджонов Хожиакбар Зафаржон ўғли 
Умаров Хусниддин Турдали ўғли 
87 

---

Журнал «Интернаука» 
№ 28 (157), 2020 г. 
5 
СТАТЬИ НА РУССКОМ ЯЗЫКЕ 
 
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 
 
ИСПОЛЬЗОВАНИЕ СЛОЁВ ПАКЕТНОЙ НОРМАЛИЗАЦИИ И ИСКЛЮЧЕНИЯ
В МОДЕЛИ ПЕРЦЕПТРОНА В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ ФИНАНСОВЫХ РЯДОВ 
Зайцев Максим Андреевич 
аспирант, Томский государственный университет систем управления и радиоэлектроники – ТУСУР, 
РФ, г. Томск 
 
Введение.
Нейронные сети стали популярным 
инструментом в задачах анализа [1] и прогнозиро-
вания временных рядов [2]. Наиболее простым под-
ходом в анализе временного ряда при помощи 
нейронной сети является использование её в каче-
стве модели временного ряда. Стандартные алго-
ритмы обучения нейронных сетей позволяют подо-
брать коэффициенты нейросетевой модели так, 
чтобы она позволяла спрогнозировать следующие 
значения, не прибегая при этом к сложным матема-
тическим расчётам. Однако, по-прежнему не найден 
способ выбора модели с оптимальными параметра-
ми для обучения нейросетевой модели временных и, 
в частности, финансовых рядов. 
В качестве исследуемой архитектуры была вы-
брана нейронная сеть типа перцептрон c топологи-
ей, состоящей из трёх слоёв, включая один скрытый 
слой.