Қазақ ұлттық қыздар педагогикалық университеті / Казахский национальный женский педагогический университет

Постоянный URI для этого сообществаhttps://cris.qyzpu.kz/handle/123456789/1

Просмотр

Фильтры

2023 - 20269

Настройки

Есть файлы: НетТема: search.filters.subject.artificial neural networks

Результаты поиска

Показано: 1 - 9 из 9
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    Mathematical Modeling to Optimize Sensor Performance for Enhanced Sensitivity and Measurement Accuracy in a Biogas Plant
    (2026-01-13)
    Omirlan Auelbekov
    ;
    Айнур Козбакова
    ;
    Kairat Yessentayev
    ;
    Timur Merembayev
    ;
    Kuanyshbek Igibayev
    The paper states that biogas plants are of particular importance in the development of renewable energy sources, and their efficiency is largely determined by the accuracy and reliability of parameter measurements during the production process. Sensors that determine temperature, pressure, pH, humidity, methane (CH₄) and hydrogen sulfide (H₂S) concentrations, gas flow, and oxidation-reduction potential (ORP) form the basis of the monitoring system. However, during operation, they are affected by nonlinear dependence, noise, drift, and errors that reduce the reliability of measurements. To solve this problem, mathematical modeling and sensor optimization methods are proposed. The study proposes a mathematical model that describes the correlations between the physicochemical characteristics of the environment and the output signals of the sensors. Based on this model, an analysis of the sensitivity of the measurement channels was carried out, critical areas where accuracy is significantly reduced were identified, and methods for compensating for errors were proposed. To improve the reliability of the results, intelligent data processing was used, including artificial neural networks, which allow adaptive adjustment of output data and calibration in real-time monitoring mode. The proposed approach improves measurement accuracy and the stability of the sensor system to external influences, which is also of practical importance for monitoring and controlling biogas plants. A mathematical model was proposed that takes into account the physicochemical dependence on environmental parameters (temperature, pressure, pH, Ch₄ and H₂S concentrations, humidity, gas flow, and redox potential) and sensor response. Based on this, a sensitivity analysis of the measurements was performed to identify areas of maximum error. Intelligent data processing using artificial neural networks was used to compensate for systematic errors and sensor drifts, which allowed for real-time calibration and correction of sensor readings.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    Вестник ЗКУ
    (2026-07-24)
    Е.А.Тулегенов
    ;
    Н.О.Мекебаев
    ;
    Ж.А. Орынтаева
    This study comprehensively examines contemporary issues in predicting topographic elevation through the integration of Geographic Information Systems (GIS) and Machine Learning algorithms. Currently, the development of high-precision Digital Elevation Models (DEM) for the territory of Kazakhstan is of paramount importance. This is primarily due to the unique geomorphological complexity of the country; the Kazakh landscape, ranging from the Caspian depressions to the high-altitude systems of the Tien Shan and Altai, poses a significantly challenge for any mathematical model. From a practical standpoint, such natural heterogeneity significantly reduces the effectiveness of classical geostatistical interpolation methods, such as Kriging or Inverse Distance Weighting (IDW). Standard approaches often fail to account for sharp topographic gradients, leading to substantial errors. To address these shortcomings, this research employs modern data-driven approaches. The subject of the study is the process of regression forecasting of elevation points by integrating spatial data from GIS platforms into machine learning models. The primary objective is to identify the most optimal model adapted to the specific characteristics of the local terrain. To this end, three different architectures were tested: Random Forest, Gradient Boosting, and Artificial Neural Networks (ANN). In the initial stage, GIS data underwent preprocessing and normalizations, after which the predictive capacity of each model was compared against actual measurement points. The results indicated that machine learning methods provide 20-35% higher accuracy compared to traditional techniques. During the comparative analysis, the Random Forest model datasets. This model allowed for a more accurate description of local terrain fluctuations. In conclusion, the proposed methodology paves the way for elevating digital cartography in Kazakhstan to a qualitatively new level. It is recommended to implement these research findings in geodetic design, hydrological modeling, environmental monitoring, and state systems for transformation aimed at the efficient use of the country`s land resources.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    Using The Machine Learning Method in Portable ECG Monitoring System to Identify Diagnostically Complex Heart Diseases
    (2023-06-29)
    Aidana K. Yerkebay
    ;
    Zhadyra N. Alimbayeva
    ;
    Chingiz A. Alimbayev
    ;
    Aiman K. Ozhikenova
    ;
    Nurlan A. Bayanbay
    Due to the high level of disability and death caused by heart diseases worldwide, the problem of combating cardiovascular diseases is becoming more and more important and relevant. In fact, one of the leading causes of death worldwide has long been cardiovascular disease, according to the World Health Organization. Among heart diseases, the most dangerous to life is myocardial infarction. In connection with the rapid morbidity, early diagnosis of this disease is one of the topical problems of modern public health care. At present, although there is a wide range of different statistical, math methods and computer tools for the processing of cardiological information, the task of increasing the accuracy of methods for the analysis of electrocardiograms and diagnostic tools in this field of study remained relevant. Taking into account the imperfect tools and systems for diagnosing heart diseases, as well as the human factor, the lack of a method that can help doctors to diagnose myocardial infarction early requires the development of new diagnostic information methods. This article presents a neural network analysis methodology for diagnosing myocardial infarction based on the joint analysis of direct and reverse signs of myocardial infarction from electrocardiographic information obtained from a portable cardiac analyzer.
    Цитирования (OpenAlex) 2Цитирования (OpenCitations) 1
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    NEURAL NETWORK MODEL OF SOIL MOISTURE FORECAST NORTH KAZAKHSTAN REGION
    (Astana IT University, 2023-09-30)
    Aigul Mimenbayeva
    ;
    Anargul Shaushenova
    ;
    Сандугаш Бекенова
    ;
    Maral Ongarbayeva
    ;
    Lyazzat Zhumaliyeva
    Dealing with agriculture, it is valuable to know an amount of moisture in a soil and to know how to forecast the stored soil moisture within particular period. Forecasting the stored soil moisture works for planning an extent and structure of crop production areas and adjustment of plant-growing programs. Having known about an amount of moisture in one-meter soil and the depth of precipitation in a vegetation season shall help farmers to determine a seeding time, type of fertilizers depending on soil quality and to work out an irrigation schedule as well. In this regard, over the last few years some vigorous activities applied to machine training methods of the weather forecast have been launched in the world. The goal of present research is to develop an artificial neuron network which shall afford an opportunity to figure out a stored soil moisture prior to outgoing to winter in a short-term. North Kazakhstan Region agrometeorological measuring stations for the period from 2012 to 2022 were used in the course of the neuron network training. The Levenberg-Marquardt algorithm aimed at non-linear regression models optimization was chosen for network training. The algorithm includes sequential approximation of initial parameter values to a local optimum. The mean squared error (MSE) function and the correlation coefficient ensure accuracy and precision of forecasts. As a result, 7 neural networks under MATLAB environment using the Levenberg-Marquardt algorithm, with different input and output data, and with different number of learning iterations came to realization. Following analysis of the results, the choice was fallen on the ANN9 best network offering minimum error function and actual data maximum correlation. The neural network obtained fits for use to make efficient decisions in the North Kazakhstan region agricultural sector in the short term.
    Цитирования (OpenAlex) 4Цитирования (OpenCitations) 4
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    СҰЙЫҚТЫҚ АҒЫНЫН ЕСЕПТЕУДЕ САНДЫҚ ӘДІСТЕР МЕН ЖАСАНДЫ ИНТЕЛЛЕКТТІ ҚОЛДАНУ
    (2024-12-01)
    L. Tukenova
    ;
    Omirlan Auelbekov
    ;
    B. K. Abduraimova
    ;
    Saya Sapakova
    ;
    А.А. Саметова
    Бұл зерттеу бастапқы және шеткі шарттары көрсетілген тікбұрышты аймақтағы сығылмайтын сұйықтық ағынын модельдеу міндеттеріндегі соңғыайырмашылықтардың сандық әдісін жақсарту үшінжасанды интеллектті қолдануға арналған. Сандық әдістер гидродинамика мәселелерін шешу үшін кеңінен қолданылады, бірақ мұндай әдістердің дәлдігі мен тиімділігін машиналық оқыту және нейрондық желілер сияқты жасанды интеллект әдістерін қолдану арқылы жақсартуға болады. Бұл зерттеу тікбұрышты аймақтағы сұйықтық ағынын дәлірек және тиімді модельдеу үшін жасанды интеллект әдістерімен соңғыайырмашылықтардың комбинациясын ұсынады. Нәтижелер жасанды интеллект арқылы жетілдірілген сандық әдістер сұйықтық ағынының әрекетін жылдамырақ және дәлірек модельдеуді қамтамасыз ете отырып, күрделі гидродинамикалық есептерді шешудің тиімділігі мен сенімділігін арттыратынын көрсетеді. Зерттеу жасанды интеллекттің классикалық сандық әдістердіжетілдірудегі әлеуетін көрсетеді, бұл тіпті есептеу ресурстары шектеулі болса да, сұйықтық ағынының дәлірек үлгілерін жасауға мүмкіндік береді. Бұл жұмыстың жаңалығы машиналық оқытудың дәстүрліәдістерден асып түсетін адаптивті тәсіл болып табылатын соңғыайырмашылық әдісіменнақты интеграциясында жатыр. Бұл интеграция күрделі гидродинамикалық сценарийлермен жұмыс істеудің жаңа мүмкіндіктерін ашады. Зерттеу нәтижелері әртүрлі инженерлік қосымшалардағы сұйықтық ағындарын модельдеудің дәлірек және тиімді әдістерін жасау үшін пайдалы.
  • 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,
    НЕЙРОНДЫҚ ЖЕЛІЛЕРГЕ НЕГІЗДЕЛГЕН ИНТЕЛЛЕКТУАЛДЫ ДЕРЕКТЕРДІ ТАЛДАУ
    (Mukhametzhan Tynyshbayev ALT University, 2025-08-01)
    Кайрат Иманбаев
    ;
    Ақтоты Шайкулова
    ;
    Кульжан Тогжанова
    ;
    Айнур Искакова
    ;
    Сырым Сейдазимов
    Бұл мақалада уақыттық қатарлардағы (жылдық, айлық, тәуліктік, сағаттық, секундтық немесе жоғары жиілікті tick-деректер) өзгерістерді сипаттайтын мәндерді тегістеу мәселесі талданады. Бұрыннан қолданылып келе жатқанДәстүрлі тәжірибеде деректердегі қайталанатын құрылымдарды визуалды түрде айқындау үшін тарихи жылжымалы орташа мәндер жиі пайдаланылады. Алайда қарапайым жылжымалы орташа мәннің түрлі уақыт терезелерінде әртүрлі нәтижелер беруі тегістеу барысында бірмәнді шешім қабылдауды қиындатады. Осыған байланысты жұмыста тегістеудің балама тәсілі ретінде нейрондық желілерді қолдану қарастырылып, олардың мүмкіндіктері мен артықшылықтары сараланады. Зерттеу аясында нақты деректерді өңдеу барысында бірнеше тегістеу әдістері салыстырылды: қарапайым жылжымалы орташа (SMA), экспоненциалды жылжымалы орташа (EMA), сплайндық интерполяция және нейрондық желілер негізіндегі тегістеу. Әр әдіс арқылы тегістелген деректерді алу алгоритмдері әзірленіп, олар нақты деректердің визуалды интерпретациясын жақсартуға бағытталды. Шынайы деректер көбіне айқын емес, күрделі графиктер түзетіндіктен, визуалды талдау үшін тегістелген қатарларды қолдану трендтерді анықтауда, ауытқуларды бағалауда, маусымдық және циклдік үлгілерді зерттеуде және аналитикалық процестерді автоматтандыруда тиімді екені көрсетілді. Алынған нәтижелерге сәйкес, нақты деректер мен тегістелген қатарлардың графиктері бір-біріне толық сәйкес келмейді, сондай-ақ әр әдіс өз ерекшелігіне қарай түрлі формадағы тегістеу нәтижесін береді. Зерттеу барысында нейрондық желілер арқылы алынған тегістеу графигі нақты деректердің жалпы құрылымын басқа әдістермен салыстырғанда неғұрлым дәл бере алатыны байқалды. Сонымен қатар EMA әдісінің SMA-ға қарағанда қысқа мерзімді өзгерістерге жедел жауап беретіндігі анықталды, ал сплайндар мен нейрондық желілер деректердің икемді әрі күрделі трендтерін интерпретациялауда басымдыққа ие екені дәлелденді. Мақалада ұсынылған тәсілдер деректердегі қайталанатын ерекшеліктерді анықтау мәселесін компьютерлік модельдеу арқылы шешуге мүмкіндік беретіні көрсетілді.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    PHONEME (VOWEL SOUND) RECOGNITION USING MACHINE LEARNING
    (2025-12-25)
    Nurbapa Mekebayev
    ;
    Dauren Darkenbayev
    ;
    Г.З. Зиятбекова
    ;
    Орынтаева Ж.А.
    ;
    Ғ.М. Сулейменов
    Қазіргі таңда сөйлеуді автоматты түрде тану (ASR) жүйелері жасанды интеллект пен машиналық оқытудың дамуына байланысты өзекті бағытқа айналды. Қазақ тіліндегі фонемаларды, әсіресе дауысты дыбыстарды тану саласының жеткілікті дамымауы және цифрлық ресурстардың аздығы зерттеу өзектілігін айқындайды. Зерттеу мақсаты – қазақ тіліндегі дауысты дыбыстарды жоғары дәлдікпен танитын машиналық оқыту үлгісін жасау. Бұл үшін сөйлеу сигналдарын алдын ала өңдеу, MFCC арқылы ерекшелік белгілерін алу және Random Forest, SVM, ANN алгоритмдерін салыстыру жүргізілді. Нәтижесінде ANN моделі ең жоғары дәлдік көрсетті. Алынған нәтижелер қазақ тіліндегі сөйлеуді тану жүйелерінің сапасын арттыруға және болашақта дауыс биометриясы мен дыбыстық интерфейстерде қолдануға мүмкіндік береді.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    PROJECT-BASED RESEARCH ACTIVITY INTEGRATION IN THE ERA OF ARTIFICIAL INTELLIGENCE AS A MECHANISM FOR DEVELOPING 21ST-CENTURY SKILLS AND COMPETENCIES AMONG FUTURE SPECIALISTS
    (2026-07-01)
    Arailym Seidualiyeva
    ;
    Imankulova Lb
    At present, the issue of training specialists who possess project-based approaches to professional activity is becoming increasingly relevant in the country. Education has entered an era in which the key factor of a specialist’s professional viability is not only the acquisition of knowledge, but also the ability to design educational processes based on data, technologies, and artificial intelligence. This article considers the psychological and pedagogical conditions for forming project competence among students of pedagogical higher education institutions in the context of integrating the project-research activities of future specialists using artificial intelligence. The mechanisms for integrating artificial intelligence tools into the educational process are revealed in order to develop students’ skills in analyzing, modeling, and implementing pedagogical projects. The study substantiates the need to address this problem due to the following factors: first, all spheres of modern society, under conditions of a high level of project-organizational culture, presuppose the development and implementation of projects—in the production of material values, culture, science, and others. Special attention is paid to the formation of a research and reflective culture in the future teacher, as well as the ability to use artificial intelligence as a means to increase the effectiveness of creative and project activities. The article substantiates the need to revise traditional teaching methods and transition from knowledge transmission to creating an environment for self-design and intellectual interaction between humans and machines. Since the article is devoted to one of the significant problems of forming cognitive competence, it provides justification for the research activity of future specialists and also describes the experience of organizing students’ project activities based on artificial intelligence. The article analyzes the potential possibilities of applying neural network–based artificial intelligence as a means of forming universal and general professional competencies among students of pedagogical higher education institutions in the course of educational-research and project activities. The relevance of introducing artificial intelligence into the professional training of future teachers is justified, and its influence on the development of competencies stipulated by the State Educational Standard of the Republic of Kazakhstan in the field of artificial intelligence is analyzed. Based on differentiating the stages of project-research activity, the functions of artificial intelligence that are expedient for use are identified, and the degree of their application is established from the perspective of competency formation. The results of an expert assessment are presented, demonstrating that artificial intelligence is capable of efficiently performing routine everyday tasks, freeing up time for creative and analytical work.