OJS Tashkent State University of Economics
Not a member yet
554 research outputs found
Sort by
QASHQADARYO VILOYATINING TURIZM SALOHIYATINI RIVOJLANTIRISH BO‘YICHA ASOSIY KO‘RSATKICHLARNI BAHOLASH VA PROGNOZLASH MODELLARI
No full textUshbu maqolada Qashqadaryo viloyatining turizm salohiyatini rivojlantirish bo‘yicha asosiy ko‘rsatkichlarni baholash va prognozlash modellariga bag‘ishlangan bo‘lib unda trend modellaridan foydalanilgan. Qashqadaryo viloyatining turizm salohiyatini rivojlantirish bo‘yicha (2023-2027 yillar uchun) prognozi ishlab chiqilgan
COMPARING DEEP LEARNING MODELS AND TRADITIONAL MODEL IN ECONOMIC FORECASTING
No full textIn the ever-evolving landscape of economic analysis and prediction, the integration of cutting-edge technologies is reshaping the way we perceive and forecast economic trends. Among these transformative technologies, deep learning (DL) stands out as a powerful tool with the potential to revolutionize economic forecasting. In this article, we embark on an exploration of the fundamental concepts surrounding the integration of deep learning into economic forecasting, understanding how this synergy may redefine the accuracy and efficiency of predicting economic outcomes
МАЪЛУМОТЛАР ОМБОРИНИ ҚУРИШДА ЗАМОНАВИЙ АРХИТЕКТУРАЛАРНИ ҚЎЛЛАШ УСУЛЛАРИ
No full textУшбу мақолада лямбда ва каппа маълумотлар архитектурасини ахборот тизимлари воситасида таққослаш ўрганилган. Ҳар бир архитектуранинг асосий тамойиллари тавсифланиб, турлича фойдаланиш ҳолатларида уларнинг афзалликлари ва камчиликларини таҳлил қилинган.Apache Kafkaга каппа архитектурасининг асосий компоненти сифатида алоҳида эътибор берилиб, унинг реал вақт режимида оқимли маълумотларни қайта ишлашни таъминлашдаги роли таъкидлаб ўтилган. Лойиҳанинг ўзига хос эҳтиёжларига қараб тегишли архитектурани танлаш бўйича таҳлиллар қилинган. Мақола маълумотлар архитектураси соҳасида лямбда ва каппа ёндашувлари ўртасидаги танловни яхшироқ тушунишга ёрдам беради
SURUNKALI KASALLIKLARNI MASOFADAN MONITORING QILUVCHI DASTURIY ILOVALARGA TA’SIR QILUVCHI OMILLAR
No full textSmartfon dasturiy ilovalar an’anaviy sog‘liqni saqlash tizimini o‘zgartirdi, bu esa har qanday joyda va istalgan vaqtda uzluksiz, keng tarqalgan sog‘liqni saqlashni amalga oshirish imkonini beradi. Surunkali kasallik ilovalari ko‘payib bormoqda, chunki ko‘plab tibbiyot xodimlari, bemorlar va shifokorlar o‘zlarining keng qamrovli va xilma-xil amaliyotlarida smartfonlarga ega bolmoqdalar. Ushbu maqolada, shuningdek, smartfonga asoslangan sog‘liqni saqlash ilovalarining paydo bo‘lgan sohasidagi hozirgi yuqori va ochiq muammolar haqida so‘z boradi. Smartfon dasturiy ilovalarining eng katta qo‘rquvi va texnik to‘siqlaridan biri bu shaxsiy ma’lumotlarning xavfsizligi va maxfiyligi. Surunkali kasalliklar uchun ilovalarning yaroqliligini tekshirish va baholash boshqa veb-ilovalar kabi aniqlik darajasiga erishmagan. Ushbu tadqiqot surunkali kasalliklar uchun smartfon dasturiy ilovalari muammolarini o‘rganish va bunday ilovalardan foydalanish qulayligiga ta’sir etuvchi omillarni aniqlash maqsadida o‘tkazilmoqda
A COMPARATIVE ANALYSIS OF BASELINE AND CONTOUR-BASED IMAGE SEGMENTATION METHODS
No full textImage segmentation is one of the important components of computer vision and is widely used for automatic object detection and classification. This paper focuses on the analysis of basic and contour-based segmentation methods used in image recognition. The results of basic segmentation methods, including thresholding, k-means clustering, and other techniques, and contour-based methods, such as Canny and Sobel filters, were compared. During the study, the effectiveness, accuracy level, and computational efficiency of each method were analyzed, and their advantages and disadvantages were determined. Experiments have shown which aspects of each method are more effective for different types of images. The results of the study can be used to choose the optimal method for image segmentation. Recommendations for further development of these methods in real-time systems and medical image processing are given in the future
DATA PREPROCESSING METHODS FOR FACE RECOGNITION SYSTEMS
No full textPreprocessing is one of the most important stages for facial recognition systems and therefore the analysis of data processing methods takes a major role for the upcoming work on the system. There are many methods that are unique in their own way and the choice of one of them depends on the task we choose
FOTOROBOTDAN YUZ TASVIRINI TANIB OLISH USULLARINING TAHLILI
No full textUshbu maqolada fotorobot asosida yuz tasvirlarini tanib olishning zamonaviy usullari va ulardan foydalanish sohalari tahlili keltirilgan. Fotorobotlar, asosan kriminalistika sohasida qo\u27llanilib, jinoyatchilarni aniqlashda muhim ahamiyatga ega. O‘tgan yillarda fotorobot asosida tanib olishning an’anaviy usuli qo‘llanilgan bo‘lsa xozirda bunday tizimlarning avtomatlashtirilishi sun’iy intellekt yordamida rivojlanmoqda. Maqolada fotorobotlar uchun ishlatiladigan namuna bazalari va ularning xususiyatlari keltirilgan. Tadqiqotlar natijalari, an’anaviy va teran o‘rganishga asoslangan tanib olish usullari o‘rtasidagi farqlarni ko‘rsatadi. Fotorobotni tanib olishda qo‘lda tayyorlangan va teran o‘rganishga asoslangan xususiyatlar tahlil qilingan. Bunda, komponentlarga asoslangan va holistik yondashuvlar taqqoslangan. Teran o‘rganish usullari yuqori aniqlikni ta’minlasada, ko‘p sonli namunalarni talab etadi va real sharoitlarda natijalar ko‘pincha past bo‘lishi mumkin. Shuningdek, GAN (Generative Adversarial Networks) modelining fotorobotlardan yuz tasvirlarini hosil qilishdagi ahamiyati va imkoniyatlari yoritilgan. GAN yordamida yuqori sifatli sun’iy ma’lumotlar yaratish mumkin bo‘lib, bu fotorobotlar bazasidagi yuz tasvirlarini ko‘paytirish imkoniyatini beradi
ANSAMBL ALGORITMI YORDAMIDA FISHING URL MANZILLARINI ANIQLASH
No full textSo\u27nggi yillarda fishing hujumlari jismoniy shaxslar va tashkilotlar uchun tobora jiddiy muammoga aylandi. Ushbu kiber hujumda jabrlanuvchi aldanib, Internet tarmog’iga kirish uchun zararli dasturni yuklab oladigan yoki jabrlanuvchini maxfiy ma\u27lumotlarni so\u27raygan veb-sahifalarga yo\u27naltiradigan zararli URL manziliga kirishadi. Ushbu maqolada fishing URL manzillarini aniqlash uchun ansambl usulidan, xususan so\u27zlarni o\u27rnatish bilan chuqur konvolyutsion neyron to’ridan (KNT) va tabiiy tilni qayta ishlash usullaridan foydalanish usuli taklif qilingan. Hisoblash eksperimentlar natijasida taklif etilgan ansambl modeli fishing URL manzillarini 98,96% aniqlikni tanib olish erishilgan, hamda model fishing hujumlariga qarshi samarali ekanligini ko\u27rsatadi
METHOD OF USING YOLO MODELS IN IDENTIFYING OBJECTS IN IMAGES
No full textThis article analyzes the capabilities of YOLO (You Only Look Once) models in the field of image recognition and the achievements made with them. The YOLO algorithm stands out among object recognition technologies for its speed and accuracy. Each version of the YOLO models includes its own technological innovations, and each has increased accuracy and efficiency. This article highlights the changes in each version of the YOLO models and their technical capabilities
MATNLI MA’LUMOTLARNI WORD2VEC, GLOVE VA FASTTEXT CHUQUR O‘RGANISH USULLARI VOSITASIDA QAYTA ISHLASH
No full textKompyuter so‘zlarni inson kabi tushunmaydi, ular raqamlar bilan ishlashni afzal ko‘radi. Biroq buni amalga oshirish uchun so‘zlar o‘rtasidagi semantik aloqalarni o‘zida saqlanadigan usulni tanlashni istaymiz va hujjatlarda so‘zlar nafaqat semantikani, balki kontekstni ham eng yaxshi ifodalash uchun sonli tasvirlar hisoblanadi. Kompyuterga so‘zlar va ularning ma’nolarini tushunishga yordam berish uchun biz o‘rnatish/joylashtirsh (embeddings) deb ataladigan usuldan foydalanamiz. So‘zlarni joylashtirish – bu tabiiy tilni qayta ishlashning maxsus sohasi bo‘lib, so‘zlarni sonli vektorlarga mos qo‘yishda so‘zning qurshovidan foydalanadi. Ushbu o‘rnatishlar so‘zlarni matematik vektor sifatida ifodalaydi. Ushbu o‘rnatishlar to‘g‘ri va aniq ishlab chiqilganda, o‘xshash ma’noga ega bo‘lgan so‘zlar o‘xshash raqamli qiymatlarga ega bo‘ladi. Bu esa kompyuterlarga turli so‘zlar orasidagi bog‘lanish va o‘xshashliklarni ularning raqamli ko‘rinishlariga asoslangan holda tushunish imkonini beradi. Bugungi kunda so‘zlarni joylashtirishni o‘rganishning Word2Vec, GloVe va FastText kabi mashinali o‘qitish (Machine Learning, ML)ning chuqur o‘rganish (Deep Learning, DL) usullari navjud. NLP vazifasini hal qilishda samarali natijalarga erishish uchun so‘zlarni joylashtirish va chuqur o‘rganish modellarini tanlash juda muhim. Hozirda tabiiy tildagi matnni tahlil qilish, matn tasnifi, his-tuyg‘ularni tahlil qilish, NER obyektni tanib olish, mavzuni modellashtirish va boshqa NLP vazifalarini hal qilishda ushbu ML usullaridan keng miqyosida foydalanilmoqda. Ushbu maqolada o‘zbek tili korpusi matnlarini ushbu usullar vositasida qayta ishlash usullari, ularning arxitekturalari, so‘zlarni joylashtirish va chuqur o‘rganish modellarining Python tilidagi tadbig‘i keltiriladi. Shuningdek, NLP bo‘yicha so‘nggi tadqiqot tendentsiyalarining umumiy ko‘rinishini va matn tahlili vazifalarida samarali natijalarga erishish uchun ushbu modellardan qanday foydalanish batafsil keltiriladi. Matnni tahlil qilish vazifalarini bajarish uchun turli usullarni qiyosiy tahlil qilish asosida so‘zlarni joylashtirish va chuqur o‘rganish yondashuvini tanlash uchun zarur ma’lumotlar taqdim etiladi. Ushbu maqola so‘zlarni sonli ifodalashning turli yondashuvlari va chuqur o‘rganish modellarining asoslari, afzallik va qiyinchiliklarini o‘rganish uchun tezkor ma’lumot bo‘lib xizmat qilishi mumkin. Maqolada keltirilgan usullar o‘zbek tili matnlarini tahlil qilishda qo‘llanilishi va kelajakdagi NLP sohasidagi ilmiy tadqiqot uchun zarur vosita bo‘lib xizmat qiladi