Жарияланымдар / Публикации

Постоянный URI для этого сообществаhttps://cris.qyzpu.kz/handle/123456789/2

Просмотр

Фильтры

2022 - 20264

Настройки

Дата начала: 2022Тема: search.filters.subject.decision tree

Результаты поиска

Показано: 1 - 4 из 4
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    МАШИНАЛЫҚ ОҚЫТУ ӘДІСІНІҢ КӨМЕГІМЕН ЖҮРЕК АУРУЫН БОЛЖАУ
    (Mukhametzhan Tynyshbayev ALT University, 2022-10-28)
    Zhadyra N. Alimbayeva
    ;
    Кassymbek Ozhikenov
    ;
    Айдана Еркебай
    ;
    Chingiz A. Alimbayev
    ;
    Aiman K. Ozhikenova
    Мүгедектік пен өлім деңгейінің жоғары болуына байланысты жүрек-қан тамырлары ауруларын дер кезінде анықтау маңызды мәселе болып отыр. Бұл мақалада машиналық оқыту алгоритмдерін қолданып электрокардиосигналды өңдеу арқылы жүрек ауруын болжауға зерттеу жүргізілген. Жалпы, зерттеу барысында әртүрлі машиналық оқыту алгоритмдерімен 50000-нан астам сандық эксперимент жүргізілді. Салыстырмалы талдау негізінде машиналық оқытудың үлгілері мен әдістері таңдалып, ең жоғары жақсы көрсеткіш нәтиже берді. Зерттеуге келесі әдістер қолданылды: тірек векторлық машинасы, шешімдер ағашы, Байес классификаторы, логистикалық регрессия, k-жақын көршілер, кездейсоқ орман, терең нейрондық желілер. Таңдалған модельдер параметрлерді анықтау және тиімді қолдану үшін ұсынылды.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    КЛАССИФИКАЦИЯЛЫҚ АЛГОРИТМДЕРДІ ҚОЛДАНЫП ДАУЫСТЫ ТАНУ
    (2025-03-31)
    Nurbapa Mekebayev
    ;
    Dauren Darkenbayev
    ;
    Модовов Н.А
    ;
    Орынтаева Ж.А.
    Дауыс тану жүйелері машиналық оқыту әдістеріне негізделген, оның ішінде классификациялық алгоритмдер кеңінен қолданылады. Классификация дауыс сигналдарын әртүрлі санаттарға, мысалы, сөздер немесе сөйлемдерге бөліп тануды жүзеге асырады. Бұл үдерісте жиі қолданылатын алгоритмдерге логистикалық регрессия, шешім ағаштары және нейрондық желілер жатады. Дауыс сигналын өңдеуде алдымен ерекшеліктері, яғни маңызды параметрлері, экстракцияланады, содан кейін олар классификаторға беріледі. Классификация нәтижесінде жүйе сөйлеген сөзді мәтінге түрлендіреді немесе дыбыстың нақты мазмұнын анықтайды. Бұл технология адам-компьютер өзара әрекеттестігін жақсарту үшін маңызды. Бұл мақалада машиналық оқыту әдістерін қолдана отырып, сөйлеушінің даусын анықтау мәселесін шешу үшін жіктеу алгоритмдерін қарастырамыз. Сөйлеудің алдын ала өңдеуде МҒСС-ті алгортимін пайдаландық. Жоғарыдағы мәселені шешу үшін бес жіктеу алгортмі қарастырылып, салыстырмалы талдау жасалды. Алғашқы эксперимент жасағанда ең жақсы нәтиже көрсеткен SVC алгортимі 0,90 және MLP Classifier алгоритмі 0,83 нәтижелерін көрсетті. Келесі экспермиентте жеке тұлғаның дауысын анықтауда неғұрлым үлкен дәлдікте Robust scaler әдісімен масштабтауда – 0,93 көпқабатты персептрон көрсете бастады. Сондықтан бұл мәселені шешу үшін сөйлеу сигналының ерекшелігін ескеретін көп қабатты перцептронды қолдануға болады.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    Flood forecasting using machine learning methods in a visual programming environment
    (2025-07-17)
    Gulzat Z. Ziyatbekova
    ;
    Dauren Darkenbayev
    Floods are among the most destructive natural phenomena, significantly impacting the environment, economy, infrastructure, and public safety. Effective forecasting of such emergencies is crucial, especially in the context of global climate change and the increasing population density in coastal and low-lying areas. This work aims to develop and analyze flood forecasting models using machine learning algorithms within the Orange visual software environment. The study employed five algorithms: Random Forest, Decision Tree, Gradient Boosting, AdaBoost, and K-Nearest Neighbors. A comparative analysis of these models was conducted using key classification metrics, including Accuracy, Precision, Recall, and AUC. Special emphasis was placed on visualizing the results and assessing the usability of models within the Orange environment. The findings can be valuable for educational purposes, such as teaching students to work with real environmental data, as well as for practical applications in early warning systems and flood monitoring.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    AUTOMATED CLASSIFICATION OF HEMODYNAMICALLY SIGNIFICANT ARRHYTHMIAS BASED ON ECG FEATURES
    (Shakarim University, 2026-01-25)
    Ainur Bekbay
    ;
    Zh. S. Bigaliyeva
    ;
    Vinera Baiturganova
    ;
    Zhadyra N. Alimbayeva
    ;
    Zh. N. Issabekov
    This paper presents an automated method for the classification of hemodynamically significant arrhythmias (HSA) based solely on electrocardiographic (ECG) features, without the use of additional imaging diagnostic techniques. The proposed approach relies on key ECG parameters, including QRS complex duration, RR intervals, and heart rate (HR). The study is based on data from the open-access MIT-BIH Arrhythmia Database, which contains multiple types of cardiac rhythm disturbances. A comparative analysis of arrhythmia classes was conducted, leading to the identification of diagnostically significant predictors associated with hemodynamic instability. Logical decision rules and a decision tree model were developed to enable automatic recognition of HSA and clinical risk stratification. The proposed algorithm demonstrates high interpretability and practical applicability for real-time monitoring systems. The results confirm that ECG-based features alone can be effectively used for preliminary detection of dangerous arrhythmias. The developed approach is especially valuable for telemedicine systems and healthcare facilities with limited access to expensive diagnostic equipment.