OJS Tashkent State University of Economics
Not a member yet
554 research outputs found
Sort by
MA’LUMOTLAR TUZILMALARI VA ALGORITMLAR O‘RTASIDAGI NAZARIY BOG‘LIQLIK
No full textUshbu maqolada informatika fanining fundamental yo‘nalishlaridan biri bo‘lgan ma’lumotlar tuzilmalari va algoritmlar o‘rtasidagi nazariy bog‘liqlik masalasi ilmiy jihatdan tahlil qilingan. Ma’lumotlarni xotirada tashkil etish usullari algoritmlarning ishlash tezligi va samaradorligiga qanday ta’sir ko‘rsatishi asoslab berilgan. Maqolada chiziqli va nochiziqli ma’lumotlar tuzilmalari, ularning algoritmik murakkablikka ta’siri, Big-O notatsiyasi asosida vaqt va xotira murakkabligini baholash masalalari yoritilgan. Shuningdek, daraxtlar va grafiklar misolida algoritm va tuzilma o‘rtasidagi uzviy bog‘liqlik ko‘rsatib berilgan
РАЗРАБОТКА АЛГОРИТМА ДЕЙСТВИЙ ОПЕРАТОРОВ ПРИ МОНИТОРИНГЕ ПЕРЕДАЧИ АЭРОНАВИГАЦИОННОЙ ИНФОРМАЦИИ В ТЕЛЕКОММУНИКАЦИОННОЙ СЕТИ
No full textВ авиационной сфере самое важное – это безопасность. Для его обеспечение авиационные компании выделают много ресурсов для поддержания надежной и стабильной работы объектов системы аэропорта, в том числе и системы мониторинга аэронавигационной информации. Подход к внедрению мониторинга необходимо осуществлять постепенными изменениями в старой структуре управления с плавной динамикой к достигаемой цели изменений. В таком случае эффективность системы мониторинга будет способствовать полноценному грамотному управлению предприятием, принятию правильных решений, а также усовершенствованию и развитию результатов деятельности предприятия. Для надежного и безопасного мониторинга, необходимо создать алгоритм для решения задач в сети передачи данных, где проходит аэронавигационая информация. Обладание полной, актуальной и достоверной информацией о наблюдаемом объекте позволяет принять решение о каких-либо оперативных действиях в случае, если его состояние стремится перейти из нормального в аварийное. Также наличие истории измерений параметров и статистических данных об объекте мониторинга позволяет скорректировать алгоритм его работы для более эффективного и надежного функционирования. Поэтому, в настоящее время, существует актуальная научно-техническая задача разработки алгоритма действий операторов сети передачи телекоммуникации, где проходит объёмная аэронавигационная информация. Исследования структур систем мониторинга, повышающих надежность их функционирования, алгоритмов прогнозирования аварий, работающих в реальном времени, протоколов передачи данных, обеспечивающих эффективную передачу данных через низкоскоростные и ненадежные каналы связи считается актуальной
ВИДЫ КИБЕРПРЕСТУПЛЕНИЙ И ИХ ПРОЯВЛЕНИЯ В СОЦИАЛЬНЫХ СЕТЯХ
No full textВ данной работе рассматриваются основные виды киберпреступлений и их проявления в социальных сетях. Анализируются такие явления, как кибербуллинг, фишинг, мошенничество с кредитными картами, распространение наследственных программ и атаки на компьютерные системы. Особое внимание уделяется влиянию киберпреступлений на пользователей социальных сетей, а также методам их предотвращения. Исследование роли государства и технологий в борьбе с кибербезопасностью, включая использование инструментов кибербезопасности и правового регулирования
SHAXSNI OVOZI ORQALI TANIB OLISH MASALASIDA NEYROMORFIK TEXNOLOGIYALARNI QO’LLASH AFZALLIKLARI
No full textHozirgi kunda shaxsni aniqlash va autentifikatsiyalash tizimlari uchun biometrik texnologiyalar, ayniqsa, ovoz asosidagi identifikatsiya usullari katta ahamiyat kasb etmoqda. An’anaviy algoritmlarga qaraganda neyromorfik texnologiyalar inson miyasi ishlash prinsiplariga yaqinlashgani bois, ularning aniqlik darajasi, ishlash tezligi va energiya samaradorligi yuqori bo‘lishi mumkin. Mazkur tadqiqot ishida shaxsni ovozi orqali tanib olish uchun neyromorfik texnologiyalardan foydalanish imkoniyatlari tahlil qilinadi. Eksperiment natijalariga ko’ra, SNN asosida ishlab chiqilgan modelning samaradorligi, aniqligi va energiya tejamkorligi baholanadi
AUDIO MA’LUMOT DATASETLARI YORDAMIDA SUN\u27IY NEYRON TARMOQLAR ASOSIDA SHOVQINNI BARTARAF ETISHNING ZAMONAVIY USULLARI (LSTM ALGORITMI MISOLIDA)
No full textMazkur maqolada audio signallarda mavjud bo\u27lgan shovqinni bartaraf qilishning zamonaviy usullari, xususan, chuqur o\u27rganishga asoslangan Long Short-Term Memory (LSTM) algoritmidan foydalanish imkoniyatlari tadqiq qilingan. Audio datasetlar yordamida amalga oshirilgan eksperimentlar asosida LSTM algoritmining samaradorligi an\u27anaviy filtrlar bilan solishtirib baholandi. Tadqiqot natijalari LSTM algoritmi shovqinni samarali bartaraf etishda yuqori aniqlik va barqaror natijalar ko\u27rsatishini tasdiqladi. Olingan natijalar audio signalni qayta ishlashda neyron tarmoqlarni qo\u27llash istiqbollarini kengaytiradi
IMAGE ENHANCEMENT METHODS AND ALGORITHMS FOR OBJECT RECOGNITION USING ARTIFICIAL INTELLIGENCE
No full textObject recognition using artificial intelligence (AI) has undergone rapid development due to advances in deep learning and computer vision. Despite the increasing robustness of recognition algorithms such as YOLOv5 and Faster R-CNN, the performance of these models is still significantly influenced by the quality of input images. Low-resolution, noisy, or poorly contrasted images often result in reduced detection accuracy, particularly in real-world environments where image degradation is common. To address this challenge, this paper presents a comprehensive investigation into modern image enhancement methods and algorithms designed to improve the quality of images prior to recognition. We focus on three main categories of enhancement techniques: AI-based super-resolution, image denoising using convolutional neural networks, and adaptive contrast enhancement. Each method is evaluated in the context of its impact on object detection performance using benchmark datasets. Experimental results indicate that preprocessing images with these enhancement methods leads to a substantial increase in recognition accuracy and robustness, thus validating their importance in end-to-end intelligent vision systems
ЎРАМЛИ НЕЙРОН ТАРМОҚЛАР АСОСИДА БУЙРАК ЎСИМТАЛАРИНИ ТАСНИФЛАШ АЛГОРИТМИ
No full textБуйрак ўсимталарини аниқлаш тиббий ташхислашнинг мураккаб ва долзарб масалаларидан бири бўлиб, уларни эрта аниқлаш ва тўғри ташхис қўйиш бемор ҳаётини сақлаб қолишда ўта муҳимдир. Буйракдаги ўсимталар кўп ҳолларда клиник белгиларсиз бўлади, бу эса уларни аниқлашни мураккаблаштиради. Одатда буйракдаги патологик ўзгаришлар рентген, компьютер томографияси ва магнит-резонанс томографияси каби тиббий тасвирлаш воситалари ёрдамида аниқланади бироқ, бу шифокорни субъектив бахолашига, юқори даражадаги диққат ва вақт талаб қилишига
боғлиқ. Шунинг учун, мазкур масалани самарали ва ишончли ҳал этиш ҳамда шифоркорларга кўмаклашувчи автоматлаштирилган тизимларни ишлаб чиқиш зарур.
Тадқиқотда буйрак ўсимталарини аниқлаш учун ўрамли нейрон тармоқларга асосланган моделлар асосида тасвирлардаги патологик ўзгаришлар, ўсимталарни аниқлаш ва уларни хусусиятларини белгилаш каби масалаларни ечиш йўллари келтирилган. Бу шифокорни субъектив аралашувини камайтириш ва тасвирларни тезкор, аниқ таҳлилини амалга оширишда самарали восита бўлиб, тадқиқотнинг мақсади рентген тасвирлари орқали буйрак ўсимталарини аниқлаш учун юқори аниқликка эга нейрон тармоқ моделини ишлаб чиқиш ва у асосида автоматлаштирилган ташхислаш тизимини яратишдан иборат.
Тадқиқотда 1016 та позитив ва 1013 та негатив ҳолатларни қамраб олган тиббий тасвирлар тўплами шакллантирилиб, тасвирлар рентген аппарати орқали олинган, буйрак ўсимталари бор ёки йўқлигини аниқлаш учун изоҳланган ва белгиланган. Бунда дастлаб тасвирлар қайта ишлаш босқичларидан ўтказилган, сўнгра улар асосида модел ўқитилган. CNN архитектураси асосида ишлаб чиқилган модел орқали олинган натижаларга кўра 1016 та позитив ҳолатни тўғри аниқлаган ва фақатгина 2 та ҳолатда хато таснифланган. Шунингдек, 1013 та негатив тасвир ҳам тўғри таснифланган, яъни ўсимта мавжуд эмас деган хулоса олинган.
Ушбу тадқиқотдаги натижалар, таклиф этилган модел самарадорлиги ва юқори аниқликка эга эканлигини, шунингдек, тиббий тасвирлар таҳлилида самарали ишлашини кўрсатди. Мазкур ишлар тиббий ташхислашда инсон аралашувини камайтириш, ташхис жараёнини тезлаштириш ва самарадорлигини оширишга ёрдам беради. Бунинг натижасида, буйрак ўсимталарини эрта аниқлаш ва даволаш учун янги, самарали ташхислаш тизимини яратиш мумкин бўлади
DIQQАT MEXАNIZMLАRIGА АSОSLАNGАN U-NET YОRDАMIDА MIYА О‘SMАLАRINI АNIQLАSH JАRАYОNINI YАXSHILАSH
No full textBоsh miyа о‘smаlаrini аniq аniqlаsh tibbiyоtdа tаshxis qо‘yish vа dаvоlаshni rejаlаshtirish uchun judа muhimdir. Ushbu mаqоlаdа bоsh miyа о‘smаlаrini segmentаtsiyа qilish uchun mо‘ljаllаngаn zаmоnаviy dаstur tаqdim etilаdi. Dаstur chuqur о‘rgаnishning ilg‘оr usullаridаn fоydаlаnаdi, xususаn, e’tibоr mexаnizmlаri bilаn yаxshilаngаn U-Net аrxitekturаsigа аsоslаngаn. Ushbu dаstur bоsh miyа о‘smаlаrini segmentаtsiyа qilish bо‘yichа keng tаrqаlgаn mezоn bо‘lgаn BrаTS (Brаin Tumоr Segmentаtiоn) mа’lumоtlаr tо‘plаmidа о‘qitildi vа bаhоlаndi. Оlingаn nаtijаlаr dаsturning yuqоri аniqlikdаgi segmentаtsiyа qоbiliyаtini kо‘rsаtаdi, bu esа klinik аmаliyоtdа shifоkоrlаrgа tаshxis qо‘yish vа dаvоlаshni rejаlаshtirishdа yоrdаm berishi mumkin
АНАЛИЗ ДАННЫХ О КИБЕРАТАКАХ И РАЗРАБОТКА МЕТОДА ВЫЯВЛЕНИЯ АНОМАЛИЙ С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
No full textВ данной статье рассматриваются вопросы анализа данных о кибератаках с использованием современных передовых технологий, основные методы, алгоритмы и практические аспекты разработки системы для выявления аномалий с использованием ИИ.
Дана программа реализация алгоритма, который позволяет эффективно реагировать на изменения в конфигурации рабочих станций и обеспечивает защиту информации от потенциальных угроз
REAL-TIME UAV EARLY SMOKE DETECTION WITH A LIGHTWEIGHT, FEATURE-REFINED DETECTOR
No full textWildfires are highly destructive, making early smoke detection crucial for rapid suppression. Existing UAV-based methods face challenges such as slow inference, limited accuracy, and weak sensitivity to small or diffuse smoke. This study introduces a lightweight YOLOv8-based detector enhanced with (1) Wise-IoU v3 for robust localization, (2) Ghost Shuffle Convolution for reduced computation and real-time efficiency, and (3) BiFormer attention to emphasize smoke cues while suppressing clutter. On a UAV smoke dataset, the model achieves 79.4% AP (+3.3 over baseline), with notable performance on small (71.3%) and large (92.6%) targets. The results highlight improved accuracy and efficiency, supporting practical real-time UAV-based wildfire monitoring