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.
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.
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.
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.
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.
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.
Аннотация. Бүгінгі таңда қазіргі әлемнің маңызды мәселелерінің бірі онкологиялық аурулардың көбеюі болып табылады. Халықтың әртүрлі санаттары ауруға бейім. Осыған байланысты онкологиялық ауруларды ерте анықтау және олардың алдын алу өзекті міндеттердің бірі болып табылады. Ерте анықтау және дәл диагноз қою, емдеу шараларын қабылдау және пациенттердің өмір сүру ұзақтығын арттыру мүмкіндігін арттырады. Ақпараттық технологияларды медицинада қолдану жоғары қарқынмен дамиды. Қазіргі уақытта медицинада шешімдерді қолдаудың көптеген жүйелері бар. Мұндай жүйелер көптеген аурулардың диагнозында кеңінен қолданылады. Онкологиялық аурулар бойынша диагноз қоюда сараптамалық жүйелер де әзірленді.Бұл мақаланың негізгі идеясы онкологиялық ауруларды емдеуде диагноз қою үшін сараптамалық жүйелерде қолданылатын тәсілдерді ғылыми талдау және жіктеу болып табылады. Ерекшелігі-диагноз қою кезінде сараптамалық жүйе үшін ең оңтайлы тәсілді анықтау.
Осы зерттеуге бағытталған мәселе ол Семей өңірінде онкологиялық ауруларды емдеу бойынша талдау және ұсыныстар беру процесінің дәлдігін жеделдетуге және арттыруға, онкологиялық ауруларды емдеу кезінде диагноз қою жөніндегі интеллектуалды жүйенің тұжырымдамалық моделін құруға мүмкіндік беретін интеллектуалды жүйені құру тәсілін таңдаудың негіздемесі.
Түйін сөздер: сараптамалық жүйелер, ақпараттық жүйелер, жасанды интеллект, нейрондық желілер, талдау, интеллектуалды жүйелер, мәліметтер базасы.
Аңдатпа: Бұл зерттеудің мақсаты заманауи сымсыз сенсорлық технологиялар мен жасанды интеллект алгоритмдерін пайдалана отырып, ортопедиялық импланттардың өнімділігін бақылаудың инновациялық әдістемелік тұжырымдамасын әзірлеу және сынау болып табылады. Жұмыста импланттардың жағдайын диагностикалаудың қолданыстағы әдістеріне егжей-тегжейлі талдау, олардың техникалық және әдістемелік шектеулерін анықтау, сондай-ақ имплантацияның сенімділігі мен қауіпсіздігін арттыруға бағытталған медицина саласындағы ағымдағы тенденцияларды талдау қарастырылған. Ұсынылған әдістеме импланттардың жұмысындағы ықтимал ауытқуларды болжау және тозу немесе зақымданудың бастапқы белгілерін уақтылы анықтау үшін жоғары дәлдіктегі сымсыз сенсорларды пайдалана отырып, температура мен басқа физикалық деректерді жинауды және оларды машиналық оқыту алгоритмдерін пайдалана отырып өңдеуді біріктіреді. Зерттеудің тәжірибелік бөлімі әзірленген жүйені нақты клиникалық жағдайларда сынауды қамтиды, бұл оның тиімділігі мен дәлдігінің маңызды статистикалық дәлелдерін алуға мүмкіндік берді. Нәтижелер инновациялық тәсілді қолдану диагностикалық дәлдікті жақсартып қана қоймай, сонымен қатар хирургиялық араласу және қолайсыз нәтижелердің қаупін азайту үшін маңызды болып табылатын ықтимал асқынуларға жауап беру уақытын айтарлықтай қысқартатынын көрсетті. Ұсынылған тәсіл медициналық имплантаттардың жай-күйін бақылау саласындағы әрі қарайғы зерттеулердің жаңа перспективаларын ашады, дербестендірілген медицинаның дамуына және пациенттердің өмір сүру сапасын жақсартуға ықпал етеді.
Түйін сөздер. Ортопедиялық имплантаттар, сымсыз температура сенсоры, жасанды интеллект, цифрландыру, диагностика, пациент.
Аңдатпа. Бұл мақалада білім беру ұйымдарындағы дәстүрлі құжат айналымынан электронды құжат айналымына көшу процесі қарастырылған. Білім беру ұйымының автоматтандырылған ақпараттық жүйесіндегі функциялар мен процестерге талдау жүргізілді. Электрондық құжат айналымын енгізудің негізгі тәсілдері жүйелік көзқарас тұрғысынан қарастырылады. Практикалық тәжірибеге сүйене отырып, авторлар мамандардың біліктілігін арттыру жүйесінде оқытуды ұйымдастыру және өткізу тұжырымдамасын ұсынады.
Білім беру ұйымдарындағы құжат айналымын автоматтандыру кіріс және шығыс хат-хабарларды есепке алу, ішкі құжаттарды өңдеу, әкімшілік және шарттық құжаттарды келісу, бұйрықтардың орындалуын бақылау сияқты процестерде ерекше өзекті болып табылады. Электрондық құжат айналымы жүйелерін (ЭҚҚЖ) енгізу анықтамалықтарды бірыңғай деректер қоймасына біріктіруді және құжаттарды өңдеу процестерін мекеменің басқа бизнес-процестерімен синхрондауды талап етеді.
Түйін сөздер: іс жүргізу, электрондық құжат айналымы, білім беру ұйымын басқару, Мемлекеттік басқарудың тиімділігі, ақпараттық жүйелер, ақпараттық технологиялар, электрондық басқару жүйелері.
Андатпа. Бұл зерттеу әскери және мамандандырылған авиациялық техниканы техникалық басқару үшін арнайы әзірленген инженерлік қолдау жүйесін қамтитын жаңа оқу кешенін құруды зерттейді. Бұл зерттеудің маңыздылығы авиациялық техниканың техникалық күрделілігінің артуын және авиациялық қауіпсіздікке қойылатын талаптардың артуын ескере отырып, инженерлік-техникалық кадрларды даярлаудың тиімділігін арттыру қажеттілігінен туындайды. Бұл зерттеудің негізгі мақсаты-авиациялық жүйелердің цифрлық егіздерін, ақауларды диагностикалау алгоритмдерін және оқу процесін бейімдеудің интеллектуалды әдістерін біріктіретін адаптивті білім беру платформасын әзірлеу. Осы зерттеу аясында деректерді жинауды, цифрлық модельдеуді және аналитиканы қамтитын кешенді инженерлік қолдау жүйесінің архитектурасы әзірленді. Тыңдаушының біліктілік деңгейін, тәжірибесін және материалды меңгерудегі үлгерімін ескеретін, сол арқылы оқу жоспарын автоматты түрде реттейтін бейімделетін оқыту алгоритмі енгізілді. Виртуалды тренажерлар мен модельдеу модельдерін қолдану авиациялық техниканың нақты жұмыс жағдайларын дәл көрсететін икемді оқыту жүйесін жасауға мүмкіндік берді. Ұсынылған жүйенің тиімділігін бағалау үшін инженерлік-техникалық персоналдың екі тобының оқу нәтижелерін салыстыра отырып, эксперименттік тестілеу жүргізілді: эксперименттік топ (цифрлық модельдермен адаптивті оқытуды қолдана отырып) және бақылау тобы (дәстүрлі оқыту әдістерін қолдана отырып).). Нәтижелер көрсеткендей, жаңа оқу кешені төтенше жағдайларды жою уақытын 22% — ға қысқартты, қателер санын 30% — ға азайтты және процедураларды орындау дәлдігін 18% — ға жақсартты. Әзірленген адаптивті оқыту жүйесі жоғары икемділікке ие, бұл әуе кемелерінің ақауларын диагностикалаудың заманауи болжамды әдістерімен теңшеуге және біріктіруге мүмкіндік береді. Мамандарды даярлауда мұндай кешенді енгізу авиациялық қауіпсіздікті, сенімділікті және әуе кемелерінің техникалық операцияларының экономикалық тиімділігін арттырады.
Түйінді сөздер: авиациялық техника, инженерлік қамтамасыз ету, цифрлық егіздер, адаптивті оқыту, оқу кешені, ақауларды диагностикалау.
Аңдатпа. Ерте қартаю-қазіргі медицинадағы ең өзекті мәселелердің бірі. Бұл созылмалы аурулардың дамуына және өмір сүру ұзақтығының қысқаруына әкелуі мүмкін тіндер мен мүшелердің тез тозуымен байланысты. Соңғы жылдары жасанды интеллект (ЖИ) диагностика мен болжаудың жаңа құралдарын ұсына отырып, денсаулық сақтауда шешуші рөл атқара бастады. Бұл мақалада ерте қартаю процестерін зерттеудегі жасанды интеллекттің заманауи жетістіктері, соның ішінде қартаю биомаркерлерін талдау, биологиялық жасты бағалау және жасқа байланысты аурулардың қаупін болжау үшін машиналық оқытуды пайдалану қарастырылады.
Түйін сөздер: жасанды интеллект, ерте қартаю, биологиялық жас, машиналық оқыту, биомаркерлер.
Аңдатпа. Қазақстанның денсаулық сақтау жүйесіне жасанды интеллект (ЖИ) интеграциясы пациенттерді қашықтықтан бақылауды жақсарту үшін маңызды мүмкіндіктер береді, әсіресе географиялық қашықтықтардың кеңдігімен және медициналық ресурстардың біркелкі таралуымен сипатталатын елде. Медициналық көмекке қол жетімділігі шектеулі ауылдық және шалғай аймақтарда ЖИ шешімдері нақты уақыттағы денсаулық деректерін қамтамасыз ету арқылы пациенттерге күтім жасауда төңкеріс жасау мүмкіндігіне ие. Зерттеудің мақсаты – Қазақстанда пациенттерді қашықтықтан бақылау үшін ЖИ қолданудың артықшылықтары мен кедергілерін анықтау. Зерттеуде аналитикалық әдістер, оның ішінде ЖИ негізіндегі мониторинг жүйелерін енгізуге бағытталған пилоттық жобалардың деректерін талдау қолданылды. Медициналық деректерді жинау, өңдеу және талдау үшін заманауи АТ шешімдері қолданылды, бұл осы технологиялардың тиімділігін бағалауға мүмкіндік берді. Жүргізілген пилоттық жобалар ауруханаға жатқызу санын 57%-ға және созылмалы ауруларды емдеуге кететін шығынды 33%-ға қысқартқанын көрсетті. Жасанды интеллект жүйелерін пайдалану денсаулық проблемаларын ерте кезеңде анықтауға, денсаулық сақтау мекемелеріне түсетін жүктемені азайтуға және қант диабеті, гипертония және жүрек-қан тамырлары аурулары сияқты созылмалы аурулары бар науқастардың медициналық қызметтеріне қолжетімділікті жақсартуға мүмкіндік берді. Қол жеткізілген нәтижелерге қарамастан, Қазақстанның денсаулық сақтау жүйесіне ЖИ енгізу бірқатар проблемаларға тап болып отыр, соның ішінде ауылдық жерлердегі интернет-инфрақұрылымның жеткіліксіздігі, деректердің қауіпсіздігі мәселелері және медициналық кадрларды оқыту қажеттілігі. Дегенмен, мемлекеттік қолдау және ЖИ технологияларын үздіксіз жетілдіру оларды денсаулық сақтауда қолдануды кеңейтуге мүмкіндіктер туғызады. Зерттеудің ғылыми жаңалығы Қазақстан жағдайында жасанды интеллект жүйесінің практикалық тиімділігін бағалауда, ал жұмыстың маңыздылығы емдеу нәтижелерін жақсартуда және денсаулық сақтау шығындарын азайтуда көрсетілген.
Түйін сөздер: жасанды интеллект, қашықтықтан бақылау, денсаулық сақтау, телемедицина, Қазақстан, созылмалы аурулар.
© 2015-2025 Барлық құқықтар қорғалған. «Азаматтық Авиация Академиясы» АҚ
Қазақстан Республикасы, 050039, Алматы қ., Закарпатская к-сі, 44., e-mail: vestnik@agakaz.kz