ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ

БАКТЕРИЯЛАРДЫҢ МИКРОСКОПИЯЛЫҚ БЕЙНЕЛЕРІН КӨПКЛАССТЫ ЖІКТЕУГЕ АРНАЛҒАН ГИБРИДТІ ТЕРЕҢ ОҚЫТУ МОДЕЛІН ӘЗІРЛЕУ

Авторлар

  • А.А. Исмаилова
  • Г.Р. Есенбаева Seifullin Kazakh Agrotechnical Research University, Astana, Republic of Kazakhstan
  • К.К. Кадиркулов
  • Р.Н. Молдашева
  • А. Амангелді

##plugins.pubIds.doi.readerDisplayName##:

https://doi.org/10.54309/IJICT.2026.25.1.008

Аңдатпа

Бұл мақалада бактериялардың микроскопиялық бейнелерін автоматты түрде көпклассты жіктеу мәселесі қарастырылады. Зерттеу барысында 33 таксонды қамтитын және 2034 микроскопиялық кескіннен тұратын деректер жиыны пайдаланылды. Эксперименттік зерттеудің әдіснамалық дұрыстығын қамтамасыз ету мақсатында деректердің тұтастығы тексеріліп, ақпараттық ағып кетуді болдырмайтын қатаң train/validation/test бөлу протоколы қолданылды. Кескіндердің сапасын және құрылымдық ерекшеліктерін сипаттау үшін жарықтық, контраст, Шеннон энтропиясы, Лапласиан дисперсиясы және Собель градиентінің энергиясы сияқты прокси-белгілер есептелді. Краскел–Уоллис критерийі негізінде жүргізілген статистикалық талдау аталған белгілердің кластар арасындағы айырмашылықтарды айқын сипаттайтынын көрсетті. Бактерияларды жіктеу тиімділігін бағалау үшін классикалық машиналық оқыту модельдері мен терең оқытудың заманауи архитектуралары қолданылды. Сонымен қатар, локалдық құрылымдарды тиімді агрегаттауға мүмкіндік беретін көпинстанстық оқытуға негізделген гибридті терең оқыту моделі ұсынылды. Алынған нәтижелер ұсынылған тәсілдің тұрақтылығы мен жіктеу дәлдігін арттыратынын көрсетті.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Жүктеулер

Жарияланды

2026-03-30

Дәйексөзді қалай келтіруге болады

Исмаилова , А., Yessenbayeva, G., Кадиркулов, К., Молдашева , Р., & Амангелді, А. (2026). БАКТЕРИЯЛАРДЫҢ МИКРОСКОПИЯЛЫҚ БЕЙНЕЛЕРІН КӨПКЛАССТЫ ЖІКТЕУГЕ АРНАЛҒАН ГИБРИДТІ ТЕРЕҢ ОҚЫТУ МОДЕЛІН ӘЗІРЛЕУ. ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ, 7(1), 128–140. https://doi.org/10.54309/IJICT.2026.25.1.008
Loading...