Авторлар: Сагдиев Т.А., Матуразов И.С.,Исаков Н.А.

Аңдатпа. Мақалада ұшақ қозғалтқышының істен шығуының себептері және алдын алу стратегиялары қарастырылады. Ол механикалық тозуды, термиялық кернеуді және істен шығуға ықпал ететін жұмыс факторларын қарастыратын жалпы қозғалтқыш ақауларының жан-жақты жіктелуін қамтамасыз етеді. Қозғалтқыш ақауларының статистикасын егжей-тегжейлі талдау қозғалтқыштың өнімділігі мен сенімділігіне әсер ететін маңызды үрдістер мен қауіп факторларын көрсетеді. Сонымен қатар, зерттеу күтпеген бұзылулардың ықтималдығын төмендететін ақауларды ерте кезеңде анықтауға арналған әртүрлі диагностикалық әдістерді зерттейді. Заманауи авиация қозғалтқышының беріктігі мен тиімділігін арттыру үшін техникалық қызмет көрсетудің озық стратегияларына және соңғы технологиялық шешімдерге сүйенеді. Мақалада сәтсіздіктерді азайтуда маңызды рөл атқаратын болжамды талдау, жағдайды бақылау және нақты уақыттағы диагностиканы қамтитын болжамды қызмет көрсету тәсілдері талқыланады. Сонымен қатар, ақауларды анықтау және болжамды техникалық қызмет көрсетуде жасанды интеллект пен машиналық оқытудың рөлі ұшақ қозғалтқыштарының сенімділігін арттырудың перспективалық бағыты ретінде қарастырылады. Нәтижелер қозғалтқыштың істен шығуының көпшілігі механикалық деградацияға, шамадан тыс термиялық жүктемелерге және пайдалану және техникалық қызмет көрсету кезіндегі адам қателеріне байланысты екенін көрсетеді. Тұрақты тексерулер жүргізу, заманауи диагностикалық құралдарды пайдалану және заманауи инженерлік шешімдерді біріктіру қозғалтқыштың қауіпсіздігі мен ұзақ қызмет ету мерзімін айтарлықтай жақсартады. Зерттеу қауіпсіздік пен пайдалану тиімділігін арттыру үшін үздіксіз мониторинг, уақтылы алдын алу шаралары мен инновациялық техникалық қызмет көрсету тәжірибесінің қажеттілігін көрсетеді.

Түйін сөздер: авиациялық қозғалтқыштар, ақауларды талдау, әуе кемелеріне техникалық қызмет көрсету, турбиналарды тексеру, бұзылмайтын бақылау, термиялық кернеу, механикалық тозу, болжамды техникалық қызмет көрсету, қозғалтқышты диагностикалау.

Авторлар: Нагимов А, Бекетова Г.С.

Аңдатпа.Қазіргі заманғы қосымшаларда ұшқышсыз ұшатын аппараттар (ҰҰА) логистика, ауыл шаруашылығы, қоршаған ортаны бақылау және төтенше қызметтер сияқты әртүрлі салаларда кеңінен қолданылады. Алайда олардың жұмысы жел жылдамдығы, температура, жауын-шашын және атмосфералық қысым сияқты ауа райы жағдайларына тікелей тәуелді. Метеорологиялық факторлардың болжанбауы ҰҰА ұшу қауіпсіздігі мен тиімділігіне айтарлықтай қауіп төндіреді.
Бұл зерттеу үлкен деректер мен машиналық оқыту технологияларына негізделген ҰҰА ұшуын жоспарлау үшін интеллектуалды ауа райын болжау жүйесін ұсынады. Жұмыста метеорологиялық деректерді өңдеудің заманауи әдістері қарастырылады, оның ішінде спутниктік суреттер, IoT сенсорлары және тарихи жазбалар пайдаланылады. Негізгі ауа райы параметрлерін болжау үшін Long Short-Term Memory (LSTM) және Convolutional Neural Networks (CNN) сияқты терең оқыту алгоритмдері қолданылады.
Дамыған жүйе болжамның 92%-ға дейінгі дәлдігін қамтамасыз етеді, бұл ұшу жоспарлау уақытын 30%-ға қысқартуға және жалпы операциялық қауіпсіздікті арттыруға мүмкіндік береді. Машиналық оқытудың ҰҰА ауа райын болжау жүйесіне интеграциясы бейімделгіштікті қамтамасыз етеді және климаттық жағдайлардың өзгеруіне жедел жауап беруге мүмкіндік береді. Алынған нәтижелер авиацияда жасанды интеллект пен үлкен деректер аналитикасын пайдаланудың маңыздылығын көрсетеді. Сондай-ақ, бұл жұмыс болашақ зерттеу бағыттарын ұсынады, соның ішінде ауаның сапасы мен күн радиациясы сияқты қосымша экологиялық факторларды қарастыру, сондай-ақ автономды ұшу басқару жүйелерімен ықтимал интеграциялау.

Түйін сөздер: үлкен деректер, машиналық оқыту, ауа райын болжау, ҰҰА, ұшу жоспарлау, ұшу қауіпсіздігі, болжамдық модельдеу.

Авторлар: Арыс А.,Гусманов А., Акрамханов А.,Әкімбай Ш.

Аңдатпа. Ұшқышсыз ұшу аппараттары (ұшқышсыз ұшу аппараттары) географиялық әртүрлілігімен, экстремалды климаттық жағдайларымен және шалғай аудандардағы инфрақұрылымдық талаптармен сипатталатын Қазақстандағы аймаққа тән міндеттерді шешудің негізгі құралы ретінде пайда болды. Дегенмен, Қазақстанның бірегей операциялық орталарында (-40°C-тан +45°C-қа дейін), күтпеген желдің екпінімен (Алматы және Қостанай облыстарында 15–20 м/с) және таулы жерлерде GPS сигналының жиі нашарлауымен сипатталатын Қазақстандағы бірегей жұмыс орындарында ұшқышсыз ұшу аппараттарын орналастыру маңызды техникалық және логистикалық қиындықтар туғызады. Осы шарттарда UAV басқару алгоритмдерін физикалық сынақтан өткізу өте қымбат болып қана қоймайды, сонымен қатар қауіпсіздік ережелерімен, қоршаған ортаны болжау мүмкін еместігімен және операциялық аймақтардың ауқымдылығымен шектеледі. Осы кедергілерді шешу үшін бұл мақалада жоғары дәлдікпен елдің экологиялық және эксплуатациялық шындықтарына еліктеуге арналған Қазақстанға бағытталған UAV модельдеу платформасын әзірлеу ұсынылады.
Robot Operating System (ROS Noetic) және Gazebo 11 негізінде құрастырылған платформа үш жаңа құрамдас бөлікті біріктіреді: (1) Қазақстанның ауылшаруашылық және апатқа қарсы әрекет ету кезіндегі UAV орналастыруларынан алынған далалық деректердің көмегімен калибрленген физикаға негізделген UAV динамикасы, соның ішінде массасы (1,5 кг), инерция тензоры және ротор профилі; (2) шаңнан туындаған LiDAR диапазонының қателері (±0,15 м) және температураға тәуелді IMU дрейфі (+40°C кезінде 0,2°/сағ) сияқты аймақтық жағдайларға бейімделген шу профильдері бар синтетикалық сенсор үлгілері (LiDAR, IMU, RGB камералары); және (3) Қазақстанның ұлттық метеорологиялық агенттігі Қазгидромет ұсынатын метеорологиялық деректер жиынтығынан алынған қоршаған ортаны бұзу модельдері, соның ішінде далалық жел динамикасы (екір 18 м/с) және ықтималдық GPS сигналының жоғалуы (Тянь-Шань тауларында оқуды тастап кету деңгейі 25–35%).
Платформаның модульдік архитектурасы бейімделген басқару алгоритмдерін, соның ішінде желдің бұзылуынан бас тартуға арналған Болжалды басқару моделін (MPC), іздестіру-құтқару миссиялары үшін үйірді үйлестіру стратегияларын және нақты қазақстандық қиындықтарды көрсететін сценарийлер бойынша қателерге төзімділікті арттыруға (RL) негізделген жүйелерді тестілеуді қолдайды. Жағдайлық зерттеулер оның тиімділігін көрсетеді: имитациялық қатты жел сценарийлерінде (18 м/с екпінді) орталықтандырылмаған үйірді үйлестіру алгоритмі Тянь-Шань тауларында қалыптасуды сақтауда миссияның 88% табысына қол жеткізді, ал адаптивті PID контроллері сенсор жағдайында траекторияны бақылау қателерін +40 фут 35% азайтты. Түркістан облысында орналастырылған DJI Matrice 300 UAV далалық деректерімен кросс-валидация RMSE модельденген және нақты әлемдегі траектория арасындағы 94% корреляцияны растады (0,12 м-ге қарсы 0,15 м), энергияны тұтыну болжамдары байқалған мәндерден 3%-дан аз ауытқыған.

Түйін сөздер: UAV симуляциясы, Gazebo-ROS интеграциясы, адаптивті басқару алгоритмдері, қазақстандық қоршаған ортаны модельдеу, үйір робототехникасы, сенсорлық эмуляция, цифрлық егіздер.

Авторлар: Абдуллаев Х.И., Аллахвердиева С.

Аңдатпа: Жобалау үшін бұзылмайтын сынау әдістерінің салыстырмалы талдауы жүргізілді. Бұл мақалада полимер негізіндегі композициялық материалдардан жасалған ұшақ компоненттерінің құрылымдық тұтастығын бағалау үшін бұзылмайтын бақылау (ББ) әдістерін пайдалану қарастырылады. Композиттік материалдар жоғары беріктік пен салмақ қатынасына, коррозияға төзімділігіне және беріктігіне байланысты авиацияда кеңінен қолданылады. Дегенмен, бұл материалдар өндірістік процестерден, жұмыс кернеуінен және температура мен ылғалдылықтағы өзгерістер сияқты қоршаған орта факторларынан туындаған әртүрлі ақауларға сезімтал. Дәстүрлі бұзылмайтын бақылау әдістері, соның ішінде ультрадыбыстық, радиографиялық, оптикалық-визуалды, капиллярлық және термиялық, олардың артықшылықтары мен шектеулері бар. Ультрадыбыстық тексеру, мысалы, кешенді көлемдік талдауды қамтамасыз етпейді, ал радиографиялық әдістер күрделі қауіпсіздік шараларын талап етеді. Оптикалық-визуалды әдістер ішкі ақауларды анықтай алмайды, ал капиллярлық әдістер төмен өнімділіктен зардап шегеді. Осы мәселелерді шешу үшін зерттеу қолданыстағы диагностикалық әдістерді жетілдіруді, жаңа автоматтандырылған модельдерді әзірлеуді және параметрлік көрсеткіштерді оңтайландыруды ұсынады. Зерттеу сонымен қатар ақауларды анықтау және бағалау сенімділігін арттыру үшін адам-машина-қоршаған ортаның біріктірілген жүйесін қарастырады. Бұзбайтын сынақ технологияларын дамыту әуе кемелерін тексерудің дәлдігі мен тиімділігін арттырып қана қоймайды, сонымен қатар қауіпсіздікті жақсартады, қызмет ету мерзімін ұзартады және техникалық қызмет көрсету шығындарын азайтады. Бұл зерттеудің нәтижелері әуе кемелері құрылымдарының пайдалану сенімділігін арттыратын заманауи диагностикалық жүйелерді дамытуға ықпал етеді.

Түйін сөздер: композициялық материалдар, ақаулық, бұзылмайтын бақылау әдістері, жүктелген бөлшектер, диагностикалық модельдер, динамикалық корреляция.

Авторлар: Абжапбарова А.Ж., Гармаш О.В.

Аңдатпа. Рейстердің кешігуі мәселесі жолаушылар сервисіне, авиакомпаниялардың операциялық процестеріне және әуежайлардың экономикасына айтарлықтай әсер ете отырып, Қазақстанның әуе тасымалы саласындағы негізгі мәселелердің бірі болып табылады. Жолаушылар ағынының өсуін және әуе нарығының белсенді дамуын ескере отырып, кідірістердің себептерін анықтау және жою саланың бәсекеге қабілеттілігін арттыру үшін маңызды міндетке айналады. Зерттеу пәні рейстердің кешігу себептері және олардың Қазақстан авиакомпаниялары мен әуежайлары жұмысының тиімділігіне әсері болып табылады. Зерттеу барысында Қазақстандағы рейстердің ағымдағы жай-күйін талдау, кідірістерге әсер ететін негізгі факторларды анықтау, ұшу кестесін бұзудың экономикалық және әлеуметтік салдарын бағалау, кідірістерді азайту және ұқыптылықты арттыру бойынша ұсынымдар әзірлеу сияқты міндеттер шешілді. Зерттеудің мақсаты Қазақстанның әуе тасымалы нарығындағы рейстердің кешігу себептерін зерделеу және оларды барынша азайту жөніндегі тиімді шараларды әзірлеу болды. Жұмыста статистикалық талдау, сараптамалық сауалнамалар, нормативтік құжаттарды талдау әдістері, сондай-ақ жетекші авиатасымалдаушылардың ұқыптылық көрсеткіштерін салыстырмалы талдау әдістері пайдаланылды. Зерттеудің негізгі нәтижелері ауа райы жағдайларын, техникалық ақауларды, әуежайлардың толып кетуін және ұйымдастырушылық факторларды қоса алғанда, рейстердің кешігуінің негізгі себептерін анықтау, Қазақстанның ірі авиакомпанияларының рейстерінің кешігу статистикасын талдау, әуе тасымалдарын жоспарлау және басқару процестерін оңтайландыру бойынша ұсыныстар әзірлеу болды. Зерттеу нәтижесінде жедел жоспарлау жүйесін жақсартуды, кідірістерді болжау үшін цифрлық технологияларды енгізуді, әуежай инфрақұрылымын жаңғыртуды және нормативтік базаны жетілдіруді қоса алғанда, рейстердің кідірістерін азайту бойынша шаралар ұсынылды. Осы ұсынымдарды іске асыру авиатасымалдардың уақтылығын арттыруға және Қазақстанда жолаушыларға қызмет көрсету сапасын жақсартуға мүмкіндік береді.

Түйін сөздер: рейстердің кешігуі, әуе көлігі нарығы, рейстердің жүйелілігі, әуежайлар, авиакомпаниялар, қызмет көрсету сапасы, ұшу қауіпсіздігі.

Авторлар: Макогонов В.О.,Асильбекова И.Ж.

Аңдатпа. Қазіргі жағдайда, технологияның дамуына қарамастан, компаниялар жүк тасымалын оңтайландыру мәселелерімен бетпе-бет келуде. Шешімдердің бірі-логистиканы басқарудың автоматтандырылған жүйелерін енгізу, бірақ бұл процесс киберқауіптерді, нарықтық тәуекелдерді және айтарлықтай қаржылық инвестициялардың қажеттілігін қоса алғанда, бірқатар қиындықтарды қамтиды. Әуе жүктері халықаралық деңгейде жылдам және тиімді жеткізуді қамтамасыз ете отырып, тасымалдаудың ең сұранысқа ие тәсілдерінің бірі болып қала береді. Стратегиялық тиімді географиялық жағдайға ие Қазақстан жоғары транзиттік әлеуетке ие. Перспективалы бағыттардың бірі Алматы әуежайын халықаралық жүк хабы ретінде дамыту болып табылады, бұл жүк ағынын ұлғайтуға және елдің жаһандық саудадағы позициясын нығайтуға мүмкіндік береді. Дегенмен, әуежай қызметтерінің жоғары құны тарифтік саясатты қайта қарауды және авиациялық емес қызмет арқылы кірісті арттыруды талап ететін тежегіш болуы мүмкін. Әуежай инфрақұрылымын жаңғырту, SAP Transportation Management сияқты инновациялық технологиялар мен цифрлық шешімдерді енгізу логистикалық процестердің дәлдігі мен тиімділігін арттыруға мүмкіндік береді. Бұл сервис деңгейін жақсартып қана қоймай, Қазақстанның жүк авиатасымалдары саласындағы бәсекелестік позициясын күшейтіп, тұрақты экономикалық дамуға және әлемдік көлік жүйесіне кірігуге ықпал етеді.

Түйінді сөздер: жүк тасымалы, авиакомпания, тиімділікті арттыру, SAP Transportation Management, әуежай, маркетинг.

Авторлар: Алимбекова Н., Рай Х.М., Турымбетов Т., Жумадиллаева А.

Аңдатпа. Бұл зерттеуде пластикалық контейнерлерді тиімді сұрыптау үшін конволюционды нейрондық желілерді (CNN) және ұзақ қысқа мерзімді жадты (LSTM) біріктіретін гибридті нейрондық желі архитектурасын пайдалануды қарастырады. Зерттеу жақын инфрақызыл (NIR) спектроскопиялық құрылғысымен алынған, химиялық құрамы мен ластану деңгейіне байланысты пластикалық қалдықтарды жіктеуге бағытталған. Эксперимент нәтижелері CNN+LSTM гибридті моделі пластиктердің әртүрлі түрлері мен түстерін тану, соның ішінде контейнерлердегі ластаушы заттарды анықтауда салыстырмалы түрде жоғары дәлдікке қол жеткізетінін көрсетеді. Модельдің өнімділігін салыстырмалы бағалау логистикалық регрессия, ішінара ең кіші квадраттар (PLS) және сызықтық дискриминантты талдау (LDA) сияқты дәстүрлі жіктеу әдістерімен жүргізілді. Нәтижелер CNN+LSTM үлгісі дәстүрлі тәсілдерге қарағанда, әсіресе класстар арасындағы спектрлік айырмашылықтары аз сценарийлерде тиімдірек жұмыс істейтінін көрсетеді. Бұл зерттеу пластикалық қалдықтарды сұрыптау және қайта өңдеу процестерінің тиімділігін арттыру үшін машиналық оқытудың әлеуетін көрсетеді, осылайша экологиялық тұрақтылықты жақсартуға ықпал етеді.

Түйін сөздер: Пластикалық қалдықтар, NIRS, Нейрондық желі, Гибридты модель, CNN, LSTM.

Авторлар: Құмарқанова А.С., Хасенова З.Т., Вайс Ю.А.

Аңдатпа. Дәрілік заттарға сұранысты болжау пациенттердің тұрақты жеткізілімін, қорларды тиімді басқаруын және өмірлік маңызды дәрілерге уақтылы қол жеткізуін қамтамасыз етуде шешуші рөл атқарады. Бұл мақалада антигипертензиялық қысымға қарсы дәрілік затқа сұранысты болжау мақсатында ARIMA мен экспоненциалды тегістеу уақыт қатарлары әдістерін зерттеу ұсынылған. Зерттеу таңдалған деректер жиынтығына негізделген болжаудың жоғары дәлдігі мен тиімділігін қамтамасыз ететін модельді әзірлеуге және анықтауға бағытталған. алдау болжау әдістерін зерттеуді, деректерді жинауды және өңдеуді, әрбір әдіс үшін оңтайлы параметрлерді анықтауды, гибридті модельді әзірлеуді, берілген көрсеткіштерге негізделген дәлдікті бағалауды және нәтижелерді талдауды қамтиды. Зерттеу барысында болжаудың ең тиімді әдістері уақыт қатарына негізделген тәсілдер, соның ішінде ARIMA модельдері мен экспоненциалды тегістеу әдістері екендігі анықталды. Ал әзірленген гибридті модель екі тәсілдің артықшылықтарын біріктіру арқылы болжамдардың жоғары дәлдігін береді. Нәтижелер гибридті модель ARIMA мен экспоненциалды тегістеуден барлық негізгі көрсеткіштер бойынша басым екенін көрсетеді. Алынған қорытындылар негізінде фармацевтика саласында сұранысты болжау дәлдігін арттыру үшін гибридті модельді енгізу ұсынылды.

Түйін сөздер: болжау, болжау әдістері, экспоненциалды тегістеу, ARIMA, уақыт қатарлары, дәрілік зат, гибридті модель.

Авторлар: Койшиева Д.Е., Сыдыбаева М.А., Бельгинова С.А., Жаксыбаев А.М., Ерсаинова Ж.Е.

Аңдатпа. Медициналық кескіндерді сегменттеу биомедициналық информатиканың негізгі міндеттерінің бірі болып табылады, әсіресе онкологиялық ауруларды диагностикалау контекстінде. Тіндердегі морфологиялық өзгерістерді анықтау үшін қажет жасуша ядроларын дәл сегментациялау міндеті ерекше өзекті болып табылады. Алайда, бұл саладағы негізгі сын-қатер мен проблемалар кескін сапасының өзгергіштігі, қол жетімді деректердің шектеулі көлемі және терең оқыту модельдерінің жоғары дәлдігі мен тұрақтылығын қамтамасыз ету қажеттілігі болып қала береді. Бұл зерттеу жасуша ядросының сегменттеу моделінің өнімділігіне әртүрлі қарқындылықтағы кездейсоқ шуды қосуды қоса алғанда, деректерді күшейтудің он әдісінің әсерін талдады. Сондай-ақ, экспериментте жарықтандырудың өзгеруі, артефактілер және үлгілерді дайындаудағы ақаулар сияқты нақты жағдайларды модельдейтін жасанды шу қосуды қолданатын әдістерге ерекше назар аударылады. Шуды қосу үшін екі түрі қолданылды: аддитивті Гаусс шу және минус 0.05-тен 0.05-ке дейінгі қарқындылықтағы біркелкі кездейсоқ шу модельдің жалпылау қабілетіне айтарлықтай әсер етіп, оның гетерогенді деректерге төзімділігін жақсартты. Пайдаланылған архитектура Cbam модулін енгізе отырып, модификацияланған UNet моделіне негізделген, ол модельдің кескіннің маңызды аймақтарына назар аударады. Модуль модель архитектурасының декодтау бөлігіне қосылды. Эксперименттер үшін cryonuseg және monuseg екі анықтамалық деректер жиынтығы патчтарға бөлуді және кескін пішімін түрлендіруді қамтитын алдын ала өңдеумен біріктірілді. Қолданылған күшейту әдістеріне көлденең және тік шағылысу, кездейсоқ айналу, контрастты өзгерту, серпімді деформация және Шу қосу кірді. Сонымен қатар, эксперименттер күшейту комбинацияларын зерттеді. Зерттеу нәтижелері көлденең және тік шағылысу мен кездейсоқ айналуды күшейту әдістері модельдердің дәлдігі тоқсан пайыздан асатын минималды шығындарға жеткенін көрсетті. Контрастты өзгерту әдісі ең теңдестірілген өнімділікті көрсетті, бұл 0.928 бірлестігінің орташа қиылысу коэффициентін және 92.2 пайыздық дәлдікті қамтамасыз етті. Зерттеу нәтижелері бойынша мәліметтер модельдің артефактілерге төзімділігі мен деректердің өзгергіштігін арттыру әдісі ретінде жасанды шу қосуды қолданудың, сондай-ақ біріктірілген күшейту әдістерін қолданудың маңыздылығын көрсетеді. Болашақта біріктірілген күшейту әдістері гетерогенді биомедициналық кескіндермен тиімді жұмыс істей алатын адаптивті алгоритмдерді әзірлеуге негіз бола алады.

Түйін сөздер. Гистологиялық кескіндер, қатерлі ісік, ядро сегментациясы, конволюциялық нейрондық желілер, зейін модулі, деректерді кеңейту.

Авторлар: Мехдиев М.,Шайханова А.К.,Бекешова Г.Б., Икласова И.Е., Бакенова К.С.

Аңдатпа. Мақалада мәтінді интеллектуалды өңдеу әдістері (Text Mining) қарастырылады, олар әлсіз құрылымдалған мәтіндік деректерді құрылымдалған және оңай талданатын ақпаратқа айналдыруға мүмкіндік береді. Цифрлық дәуірде деректер көлемінің өсуімен Text Mining әртүрлі салаларда мәтіндерді талдау үшін таптырмас құралға айналуда. Бұл технологиялар ақпараттық қауіпсіздік саласында кең қолданысқа ие, мұнда мәтіндерді талдау қауіптер мен ауытқуларды анықтауға көмектеседі, денсаулық сақтау саласында – медициналық жазбаларды өңдеу және диагностикалық ақпаратты алу үшін, маркетингте – тұтынушылардың қалауларын талдау үшін, сондай-ақ құқықтық тәжірибеде – құжаттарды талдауды автоматтандыру арқылы дәлдікті арттыруға және уақыт шығындарын азайтуға мүмкіндік береді.
Мақалада дәстүрлі статистикалық әдістер, мысалы, TF-IDF, Word2Vec, Latent Dirichlet Allocation (LDA), сондай-ақ трансформер архитектурасына негізделген терең оқыту модельдерін, мысалы, BERT, GPT және олардың туындыларын қоса алғанда, заманауи тәсілдер егжей-тегжейлі қарастырылады. Қазіргі әдістер мәтіндерден жасырын мағыналарды алу, семантиканы талдау және контекстті есепке алуда айтарлықтай жетістіктерге жетуде, бұл оларды күрделі міндеттерді шешуде таптырмас құрал етеді.
Әр түрлі әдістердің тиімділігін салыстыруға және олардың автоматтандыру міндеттеріндегі қолданылуына ерекше назар аударылған. Text Mining технологияларын үлкен деректер көлемін талдау, заңдылықтарды анықтау және білім алу процестерін автоматтандыру үшін интеграциялау мүмкіндіктері сипатталған. Зерттеу нәтижелері осы технологияларды мамандардың жұмыс тиімділігін арттыру, ақпаратты талдау процестерін жылдамдату және негізгі салалардағы міндеттерді шешу үшін пайдаланудың өзектілігін көрсетеді, бұл интеллектуалды деректерді өңдеу жүйелерін енгізудің жаңа перспективаларын ашады.

Түйін сөздер: Text Mining, мәтінді интеллектуалды өңдеу, машиналық оқыту, табиғи тілді өңдеу, TF-IDF, Word2Vec, BERT, GPT, мәтінді талдауды автоматтандыру.

Авторлар: Нургалиева С.А., Найман Н.Б.,Адиканова С.С.

Аңдатпа. Өсімдік ауруларын анықтау қазіргі ауыл шаруашылығы үшін өте маңызды, өйткені уақтылы диагноз қою егін шығынын айтарлықтай азайтады және өнімділікті арттырады. Бұл шолу Машиналық оқыту әдістеріне және мультимодальды деректерді талдауға негізделген озық ауруларды анықтау жүйелерін ұсынады. Машиналық оқытудың әртүрлі алгоритмдерін, соның ішінде конволюциялық нейрондық желілерді (CNN), трансферлік оқыту модельдерін және YOLO сияқты объектілерді анықтау әдістерін жан-жақты салыстыру жүргізілді. Бұл зерттеу визуалды деректерді ұшпа органикалық қосылыстарды (VOC) талдаумен біріктіру диагностиканың дәлдігі мен сенімділігін арттыратынын көрсетеді. Бұл далада қолдануға болатын спутниктік және арзан бақылау жүйелерін нақты дамытуға мүмкіндіктер ашады. Теориялық тұрғыдан, бұл жұмыс гетерогенді деректерді біріктіру стратегияларын әзірлеуге және оларды жеңілдету және тиімдірек ету үшін терең нейрондық желілерге негізделген модельдерді оңтайландыруға ықпал етеді. Шолуда дәл егіншілікте өсімдік ауруларын анықтауға арналған масштабталатын және бейімделетін технологияларды әзірлеуге баса назар аударылады.

Түйін сөздер: өсімдіктер ауруларын анықтау, машиналық оқыту, конволюциялық нейрондық желілер, MobileNet, мультимодальды деректер, нақты уақыттағы анықтау, ауыл шаруашылығы технологиялары, VOC датчиктері.

Авторлар: Турсунов Т.С., Кайбасова Д.

Аңдатпа: Ұсыным жүйелері пайдаланушылардың қалауы мен контент атрибуттарын ескере отырып, дербестендірілген контентті ұсынуда маңызды рөл атқарады. Бұл зерттеуде үш жетілдірілген ұсыным моделі бағаланады: Neural Collaborative Filtering (NCF), Graph Neural Network-based Content Model (GNN-based Content Model) және Hybrid Neural Network (HNN). Әр модель ұсыныстардың дәлдігін арттыру және пайдаланушы тәжірибесін жақсарту үшін терең оқыту әдістерін қолданады.NCF моделі екі тармақтан тұрады: Generalized Matrix Factorization (GMF) және Multi-Layer Perceptron (MLP), олар пайдаланушы мен элемент арасындағы бейсызық өзара әрекеттестікті модельдейді. GNN-based Content Model пайдаланушылар мен элементтерді екі бөлікті графтың түйіндері ретінде көрсетеді, ал Graph Convolutional Networks (GCN) байланыстар бойынша ақпаратты тарату үшін қолданылады. Гибридті нейрондық желі (HNN) коллаборативті сүзгілеу мен контенттік мүмкіндіктерді біріктіріп, бірыңғай ұсыныс кеңістігін құрайды.
MovieLens деректер жинағында жүргізілген сынақтарымыз гибридті нейрондық желінің ең жоғары дәлдікке (85%) жеткенін көрсетті, бұл NCF (80%) және GNN-based Content Model (77.5%) нәтижелерінен жоғары. Гибридті тәсіл коллаборативті және контенттік мүмкіндіктерді біріктіре отырып, ұсыныстардың сапасын жақсартады. GNN моделі, құрылымдық байланыстарды өңдей алатындығына қарамастан, суық старт мәселесімен кездеседі. Бұл нәтижелер әртүрлі ұсынымдық факторларды қамтитын гибридті әдістердің тиімдірек екенін көрсетеді. Болашақ зерттеулерде трансформер архитектуралары мен күшейту оқыту әдістерін интеграциялау ұсыныстардың өзектілігін одан әрі арттыруға көмектесуі мүмкін.

Түйін сөздер: Ұсыным жүйелері, терең оқыту, коллаборативті сүзгілеу, графтық нейрондық желілер, гибридті модельдер, дербестендіру.