Academic Scientific Journal of Computer Science

РАЗРАБОТКА МЕТОДА РАННЕГО ОБНАРУЖЕНИЯ КИБЕРАТАК НА ОСНОВЕ CNN-LSTM ДЛЯ IOT

Б.К. Абдураимова — 2026-06-18

Аннотация. Стремительное развитие Интернета вещей (IoT) и широкое распространение сетевых устройств привели к значительному увеличению объёма сетевого трафика и росту числа кибератак. Традиционные методы обнаружения атак часто требуют анализа полного сетевого потока и значительных вычислительных ресурсов, что ограничивает их применение в IoT-средах, характеризующихся ограниченной вычислительной мощностью и объёмом памяти. В связи с этим разработка эффективных методов раннего обнаружения кибератак является актуальной научной задачей, поскольку позволяет выявлять угрозы на начальном этапе сетевого соединения и обеспечивать более быстрое реагирование систем информационной безопасности. В данном исследовании предложен подход к раннему обнаружению кибератак на основе гибридной архитектуры глубокого обучения, объединяющей Convolutional Neural Networks (CNN) и Long Short-Term Memory (LSTM). Сверточные слои CNN обеспечивают извлечение пространственных признаков сетевого трафика, тогда как рекуррентные LSTM-слои позволяют моделировать временные зависимости в последовательностях пакетов. Для повышения информативности анализа используется расширенный статистико-динамический набор признаков, включающий энтропию распределения размеров пакетов, межпакетные интервалы и коэффициент вариации. Экспериментальная оценка показала, что предложенный подход демонстрирует более высокую точность классификации по сравнению с традиционными алгоритмами машинного обучения, такими как Support Vector Machine (SVM), Random Forest и Multilayer Perceptron (MLP). Анализ первых десяти пакетов сетевого соединения позволяет значительно сократить время обнаружения атак, что особенно важно для систем безопасности, работающих в режиме реального времени. Кроме того, оптимизированная версия модели для IoT-сред снижает вычислительную нагрузку при сохранении высокой точности и обеспечивает практическую применимость в современных сетевых инфраструктурах. Предложенный метод способствует повышению эффективности систем кибербезопасности в IoT-инфраструктурах.

КЛАССИФИКАЦИЯ ПТИЦ И ДРОНОВ В НЕБЕ С ИСПОЛЬЗОВАНИЕМ МОДЕЛИ MOBILENETV2

А.Б. Абен — 2026-06-18

В данной статье рассматривается проблема визуального различения птиц и беспилотных летательных аппаратов (дронов) в связи с задачей автоматического распознавания объектов в воздушном пространстве. Широкое использование дронов в настоящее время предъявляет новые требования в области безопасности полетов, защиты стратегических объектов и мониторинга окружающей среды. В этой связи актуальна разработка надежных и эффективных автоматизированных систем распознавания, способных работать в режиме реального времени. Основная цель исследовательской работы – разработка облегченной модели классификации, работающей с высокой точностью и пригодной для использования на устройствах с ограниченными вычислительными ресурсами.

Предложенный метод реализован с использованием сверточной нейронной сети на основе архитектуры MobileNetV2 и экспериментально протестирован на наборе данных Birds vs Drone. В процессе обучения модели использовались методы трансферного обучения и аугментации данных, что позволило сформировать эффективную обобщающую способность на небольшом наборе данных. Кроме того, эти подходы снизили вероятность переобучения модели и повысили ее стабильность и надежность.

Экспериментальные результаты показали, что модель достигает высокой точности в различении птиц и дронов и устойчива к различным условиям освещения, сложному фону и изменениям окружающей среды. Полученные результаты имеют практическое значение в таких областях применения, как обеспечение безопасности воздушного движения, мониторинг окружающей среды, защита стратегических объектов и обнаружение незаконных полетов дронов.

В ходе работы был выявлен ряд ограничений, таких как ограниченный объем данных и небольшое количество классов. Это указывает на необходимость расширения набора данных, охвата различных типов объектов и перехода к многоклассовой классификации в будущих исследованиях. В целом, предложенная модель является эффективным решением для систем с ограниченными ресурсами и может служить надежной основой для разработки интеллектуальных систем мониторинга.

МЕТОД ПОЛУЧЕНИЯ КЛЮЧЕВЫХ ТОЧЕК ПОЗЫ И КИСТЕЙ С КОНТРОЛЕМ КАЧЕСТВА ДЛЯ РАСПОЗНАВАНИЯ ЖЕСТОВОГО ЯЗЫКА

Д.Р. Акбаров — 2026-06-18

В задачах распознавания жестового языка по скелетным данным входное представление обычно задается временной последовательностью ключевых точек позы и кистей, что обеспечивает компактность описания и снижает зависимость от фона. Однако при обработке реальных видеозаписей прямое использование выходов стандартных средств оценки ключевых точек оказывается недостаточно надежным. Для траекторий кистей характерны пропуски детекций, перестановки левой и правой руки, дублирование оценок, временная нестабильность координат и смещения, обусловленные окклюзиями. Такие искажения нельзя считать несущественным шумом предварительной обработки, поскольку они напрямую влияют на качество последующего обучения моделей распознавания. В работе предложен метод формирования ключевых точек позы и кистей с контролем качества, в котором этап получения координат рассматривается как самостоятельная проверяемая и воспроизводимая стадия с явной аннотацией надежности. Метод объединяет назначение левой и правой кисти и пространственную фильтрацию кандидатов с опорой на позу, повторное уточнение в области интереса для кадров с низкой уверенностью или пропусками, краткосрочное временное сопровождение и удержание оценки, согласованную маркировку состояний при окклюзиях, проверки правдоподобия и постобработку для заполнения коротких разрывов и снижения нестабильности траекторий. Дополнительно формируются семантика надежности для каждой кисти и отчет о качестве на основе косвенных метрик, включающих покрытие, уверенность, доли восстановления, частоты корректирующих вмешательств и показатели временной нестабильности, а также воспроизводимый составной показатель для ранжирования и фильтрации данных при подготовке обучающих выборок без эталонной разметки ключевых точек. На датасете Slovo (n = 20 400) метод в полной конфигурации повышает составной показатель качества с 0,684 до 0,794 и снижает MissingRate с 0,329 до 0,193 по сравнению с базовым вариантом первого прохода обработки.

РЕШЕТОЧНЫЕ ВЕКТОРНЫЕ ОБЯЗАТЕЛЬСТВА ДЛЯ VERKLE-ДЕРЕВЬЕВ

К.Т. Алгазы — 2026-06-18

В статье предлагается новая решеточная схема векторного обязательства, специально оптимизированная для использования в Verkle-деревьях и основанная на сложности задачи SIS. Мотивацией работы является необходимость построения компактных и постквантово-устойчивых криптографических примитивов для масштабируемых аутентифицированных структур данных, применяемых в современных блокчейн-системах и распределенных реестрах. Предложенная конструкция сохраняет малый размер доказательств и обязательств, характерный для классических векторных обязательств, одновременно обеспечивая устойчивость к квантовым атакам и устраняя необходимость доверенной инициализации. В работе подробно описаны алгоритмы Setup, Commit, Open и Verify, а также формализована модель безопасности и определены основные параметры схемы. Особое внимание уделено эффективному кодированию коэффициентов многочленов в решеточное пространство, выбору модульных параметров и разработке методов генерации коротких свидетельств с контролируемой нормой, что позволяет достичь баланса между безопасностью и вычислительной эффективностью. Показано, что предложенная конструкция поддерживает эффективные многооткрытия и пакетную верификацию, что особенно важно для Verkle-деревьев с высокой арностью и большими наборами данных. Выполнено сравнительное исследование с классическими схемами обязательств KZG, IPA и RSA по критериям размера доказательств, вычислительных затрат и требований к trusted setup. Результаты демонстрируют преимущества решеточного подхода для долгоживущих распределенных систем, где критична долговременная криптографическая устойчивость. Предложенная схема обеспечивает практическую применимость и открывает возможности для интеграции постквантовых векторных обязательств в масштабируемые блокчейн-инфраструктуры.

ПРИНЦИПЫ И МОДЕЛИ ПРОСТРАНСТВЕННОЙ ОРГАНИЗАЦИИ ЗДАНИЙ ДЛЯ РАСТЕНИЕВОДСТВА С УЧЁТОМ ТЕХНОЛОГИЧЕСКИХ И КЛИМАТИЧЕСКИХ ФАКТОРОВ

Н. Асылхан — 2026-06-18

В статье исследуются архитектурно-планировочные решения зданий для защищённого грунта (теплиц, фитотронов, вертикальных ферм) с учётом влияния климатических зон и технологических требований. Актуальность работы обусловлена необходимостью повышения продовольственной безопасности в регионах с экстремальным климатом, а также переходом к ресурсосберегающим и автоматизированным агротехнологиям. Цель исследования — разработка принципов пространственной организации, адаптивных к трём основным климатическим сценариям: умеренному, аридному и холодному. Методологической основой послужили сравнительный анализ нормативных документов (СН РК 3.02-31-2023, СП 107.13330.2012, Строительный кодекс РК 2026 г.), обзор зарубежных и отечественных исследований, а также моделирование тепловых и световых режимов с использованием стандартизированных теплотехнических методик. В результате сформулированы ключевые принципы: климатически обусловленная модульность, многослойная трансформируемая ограждающая оболочка, гибридное функциональное зонирование. Предложены три базовые модели пространственной организации — компактная термальная (для холодного климата), рассеянная светопропускная (для аридного климата) и многоярусная вертикальная (для нишевого высокомаржинального производства в любых условиях). Для каждой модели определены оптимальные параметры: форма в плане, конструкция ограждений, заглубление, системы вентиляции, а также рассчитано годовое энергопотребление в привязке к климатическим зонам Казахстана. Показано, что интеграция принципов био- и климатического дизайна позволяет снизить эксплуатационные затраты на 25–35 % по сравнению с типовыми решениями, не требующими климатической адаптации. В северной зоне наиболее эффективна компактная термальная модель (234 кВт·ч/м² в год), в южной — рассеянная светопропускная (165 кВт·ч/м²). Многоярусная вертикальная модель, несмотря на минимальное энергопотребление (116–137 кВт·ч/м²), требует капитальных затрат в 3–4 раза выше и рекомендована только для дорогостоящей нишевой продукции. Результаты могут быть использованы при проектировании новых агропромышленных комплексов и модернизации существующих тепличных хозяйств в Казахстане и странах с аналогичным резко континентальным и аридным климатом.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В УПРАВЛЕНИИ АКАДЕМИЧЕСКИМИ ПРОЕКТАМИ: БИБЛИОМЕТРИЧЕСКИЙ АНАЛИЗ И СИСТЕМАТИЧЕСКИЙ ОБЗОР

Ж. Башеева — 2026-06-18

Данный обзор представляет собой синтез современных исследований по внедрению искусственного интеллекта в управление академическими проектами в высших учебных заведениях, в частности, семантических подходов для мониторинга академической честности, оценки оригинальности тем исследований и подбора научных руководителей. Предыдущие исследования зачастую рассматривали обнаружение плагиата, оценку новизны и рекомендательные функции как отдельные характеристики; следовательно, данная работа является попыткой унифицировать методологию, текущие тенденции и существующие проблемы, связанные с этими задачами. Основываясь на руководстве PRISMA 2020 (Предпочтительные параметры отчетности для систематических обзоров и метаанализа), мы отобрали 49 рецензируемых исследований, опубликованных в период с 2021 по 2025 годы в крупнейших научных базах данных. Работа сочетает в себе систематический обзор и библиометрический анализ, включая совместную встречаемость ключевых слов, анализ социтирования и сетевой анализ соавторства с помощью VOSviewer. Были выявлены четыре основных тематических кластера: (1) семантическая целостность и обнаружение плагиата, (2) измерение новизны и оригинальности тем исследований, (3) интеллектуальные рекомендательные системы и системы распределения ресурсов, и (4) человекоцентричное управление и поддержка принятия решений. В этих кластерах лексические базовые модели все чаще дополняются или расширяются моделями сходства на основе эмбеддингов и трансформеров, а в самых последних работах используются большие языковые модели для логических выводов и принятия решений более высокого порядка. Однако литература фрагментирована, характеризуется разнообразием неоднородных процедур оценки, ограниченным использованием реальных данных учебных заведений и дефицитом лонгитюдной валидации. Результаты обеспечивают комплексный взгляд на методологию и пробелы в исследованиях, что позволяет создавать интегрированные платформы академического менеджмента, объединяющие контроль честности, оценку оригинальности и распределение руководителей

ИНТЕГРАЦИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОЦЕНКИ ЭМОЦИЙ В УЧЕБНОЙ СРЕДЕ

Г.Т. Бекманова — 2026-06-18

Цифровизация современного образования сопровождается стремительным ростом объема мультимодальных данных, сформировавшихся в процессе обучения. Видеозаписи уроков, аудио фрагменты, текстовые взаимодействия (LMS) в системах управления обучением, а также телеметрия активности пользователей демонстрируют не только когнитивную, но и эмоциональную составляющую обучения. Эмоции обучающихся являются важным показателем их вовлеченности, интереса и эффективности усвоения материала. Правильное распознавание эмоций позволяет динамически адаптировать образовательный контент к эмоциональной реакции аудитории, своевременно выявлять признаки стресса или снижения мотивации, в результате чего поддерживать интерес учащихся к занятиям и повышать успеваемость. В данной работе подробно рассматриваются научно обоснованные и реально применяемые вузом системы контроля эмоционального состояния обучающихся и исследовательские работы ученых мирового уровня, т. е. литературные обзоры.

Результаты: То, что мы видим в результате, классифицировало и дифференцировало важные аспекты использования искусственного интеллекта в исследовании, а затем и в оценке эмоций в образовательной среде. Конкретные данные влияние влияние на учебный процесс было всесторонне рассмотрено.

Научная новизна: Технологии искусственного интеллекта, используемые в рассмотренных исследованиях. Он включает в себя подробный анализ методов, инструментов, алгоритмов и технологических подходов, используемых для оценки эмоций в образовательной среде, а также исследует, нацелены ли они на определенные области, такие как общее образование, профессиональное обучение или дистанционное обучение, а также специальное образование для учащихся с особыми образовательными потребностями.

Практическая ценность: Подготовка методических рекомендаций для дальнейшего перехода на мультимодальные модели с использованием дополнительных данных (аудио, текст, сенсорные индикаторы).

СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ ИНТЕГРАЦИИ GEMINI AI В .NET MAUI И ЕЕ ПРИМЕНЕНИЯ В ОБРАЗОВАНИИ.

Г.Т. Джусупбекова — 2026-06-18

Аннотация. В современных условиях глобальной цифровой трансформации и перехода к парадигме «Качество 4.0» система высшего образования сталкивается с необходимостью фундаментальной модернизации EdTech-экосистемы. В этом контексте интеграция Больших мультимодальных моделей (LMM), в частности семейства Google Gemini, в мобильную образовательную среду приобретает особую актуальность, открывая новые горизонты для персонализированного и интерактивного обучения. Целью данного исследования является разработка эффективной технической архитектуры для интеграции LMM с использованием кроссплатформенного фреймворка .NET MAUI и Google Gen AI SDK, создание практического программного решения и эмпирическая оценка его педагогического потенциала. Научная новизна работы заключается в предложении уникальной гибридной архитектуры, объединяющей граничные вычисления (с использованием Gemini Nano) и облачные решения (Gemini Pro/Ultra); данный подход обеспечивает реализацию принципа «privacy-by-design» на уровне устройства и минимизацию сетевых задержек. Практическая значимость исследования подтверждается разработкой универсального приложения «интеллектуальный советник» для операционных систем Android, iOS, macOS и Windows на единой кодовой базе C#, которое включает функции когнитивного скаффолдинга, многоязычный интерфейс, инклюзивные возможности TTS (текст-в-речь) и защиту данных через Firebase. Эмпирические результаты подтвердили высокую эффективность модели Gemini в задачах общего рассуждения (MMLU) и обработки текста, однако сравнительный анализ выявил значительные ограничения в задачах визуального вопрос-ответа (VQA). На основе полученных данных в работе сформулированы стратегические рекомендации по обеспечению академической честности, обязательному внедрению стратегии «человек в контуре» (human-in-the-loop) для верификации контента и формированию политики ответственного использования мультимодального ИИ в образовательных учреждениях.

МОДЕЛИРОВАНИЕ И РАСЧЕТ ПАРАМЕТРОВ СИСТЕМЫ ЭКСТРЕННОГО РЕАГИРОВАНИЯ НА БАЗЕ ТЕХНОЛОГИИ LORAWAN В УСЛОВИЯХ ВЫСОКОГОРЬЯ ЗАИЛИЙСКОГО АЛАТАУ

Н.С. Досжан — 2026-06-18

В данной статье рассматривается система экстренного реагирования и мониторинга, основанная на архитектуре сети LoRaWAN и предназначенная для использования в высокогорных районах, таких как маршруты Заилийского Алатау. Основная проблема, которую решает данная система – это сложность проведения спасательных операций, вызванные отсутствием связи в глубоких каньонах и ущельях, где стандартная мобильная связь неэффективна. В рамках исследования было проведено численное моделирование сети из 3-х БС, расположенных с шагом 10 км, в программной среде RadioPlanner 3.0. Также были рассчитаны энергетические параметры радиоканала с суммарными потерями от 126,21 до 131,21 дБ. Также определен радиус первой зоны Френеля, равный 29,42 м. Полученные данные показывают, что неоднородность зон покрытия и наличие участков с ослабленным сигналом обусловлены физическим экранированием рельефа и перекрытием зоны Френеля. Отличительной особенностью исследования является использование модели Longley–Rice и учет дифракционных потерь (до 20 дБ), что позволило подтвердить наличие запаса по каналу до 23,79 дБ и доказать возможность организации устойчивой связи в условиях радиотени. Результаты исследования могут быть использованы для развертывания систем экстренного реагирования в горных условиях, предназначенных для мониторинга состояния туристов и координации поисково-спасательных работ в экстремальных высокогорных условиях.

ЭНТРОПИЙНО-НОРМАЛИЗОВАННАЯ МНОГОМЕРНАЯ МОДЕЛЬ ДЛЯ СЕГМЕНТАЦИИ АКТИВНОСТИ ПОЛЬЗОВАТЕЛЕЙ В REDDIT

А. Жумаханова — 2026-06-18

В работе предлагается энтропийно - нормализованная многомерная модель сегментации пользовательской активности в социальной сети Reddit. Показано, что метрики вовлечённости (лайки и комментарии) обладают тяжёлохвостыми распределениями, что ограничивает применение классических статистических предположений. Для учёта данной особенности введён интегральный индекс активности, объединяющий стандартизированные показатели вовлечённости с нормированной энтропией Шеннона временного поведения. Предложенная модель позволяет одновременно учитывать интенсивность взаимодействия и временную регулярность активности пользователей. Сегментация выполняется методом KMeans, а качество кластеризации оценивается коэффициентом силуэта. Экспериментальный анализ подтверждает наличие масштабноинвариантных свойств распределений и демонстрирует улучшение разделимости кластеров по сравнению с использованием исходных признаков. Разработанный аналитический пайплайн является вычислительно масштабируемым и может применяться для интеллектуального анализа данных цифровых платформ

HYBRIDKAZASR: ГИБРИДНАЯ СИСТЕМА АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ КАЗАХСКОЙ РЕЧИ НА ОСНОВЕ МНОГОМОДЕЛЬНОГО ОБЪЕДИНЕНИЯ ROVER И МОРФЕМНО-ОРИЕНТИРОВАННОГО ЯЗЫКОВОГО МОДЕЛИРОВАНИЯ

Е. Карабалиев — 2026-06-18

В данной статье представлена HybridKazASR – гибридная система автоматического распознавания речи для казахского языка, объединяющая три акустические модели в многоступенчатом конвейере. Система сочетает NVIDIA FastConformer (115M параметров, декодер RNNT) с двумя доменно-адаптированными вариантами Meta MMS-1B (965M параметров, декодер CTC): один дообучен на FLEURS (чтение), другой на KSD (естественная речь). Ключевое техническое новшество – механизм адаптер-замены, переключающий между вариантами MMS путем замены только 138 348 параметров (около 542 КБ) в выходном слое CTC. Три гипотезы объединяются через 3-стороннюю систему ROVER и подвергаются двухэтапной переоценке: сначала словесной моделью KenLM, затем морфемной моделью KazMorphLM. На тестовом наборе FLEURS (100 образцов) HybridKazASR достигает WER 6,30%, нормализованного WER 4,18% и CER 1,90%. Абляционные исследования подтверждают вклад каждого компонента, при этом KazMorphLM обеспечивает 31,1% относительного улучшения по сравнению с KenLM.

КУСОЧНО ЛОГИСТИЧЕСКОЕ И НЕЧЕТКОЕ МОДЕЛИРОВАНИЕ ДИНАМИКИ ВВП КАЗАХСТАНА (1990–2024)

С.Е. Керимкулов — 2026-06-18

Данное научное исследование предлагает гибридную методологическую структуру, объединяющую кусочно-логистическое моделирование и возможности нечетких интервалов для анализа динамики развития валового внутреннего продукта (ВВП) Республики Казахстан в период с 1990 по 2024 годы. Исследуемый временной ряд разделен на экономически значимые подпериоды (сегменты), для каждого из которых, в зависимости от объема выборки, идентифицированы адаптивные трехпараметрические (3PL) или четырехпараметрические (4PL) логистические модели. На основе полученных моделей определена центральная траектория, а неопределенность и волатильность охарактеризованы через остатки в логарифмическом пространстве.

Для оценки неопределенности применен возможностный подход, позволяющий выстроить нечеткие интервалы, обеспечивающие охват данных на заданном уровне достоверности. Каждая временная точка представлена в виде треугольного нечеткого числа (ТНЧ) с последующей агрегацией на уровне сегментов. Результаты по всем сегментам объединены с использованием взвешенного подхода (по длине сегментов) для формирования глобального треугольного нечеткого числа. Его центроид дает долгосрочную интегральную оценку ВВП в условиях неопределенности.

Полученные результаты подтверждают, что предложенный подход эффективно описывает структурные сдвиги в макроэкономических временных рядах, нелинейные траектории развития и распределение неопределенности. Разработанная модель является перспективным инструментом для экономического анализа, прогнозирования и использования в интеллектуальных системах.

РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ И КРИТЕРИЕВ ДОПУСТИМОСТИ ОРБИТАЛЬНЫХ МАНЕВРОВ КОСМИЧЕСКИХ АППАРАТОВ

Б.К. Абдураимова — 2026-06-18

Актуальность работы обусловлена увеличением количества космических аппаратов и возрастающей сложностью задач автономного сближения, обслуживания спутников и уклонения от космического мусора. Существующие классические подходы часто оказываются недостаточно эффективными из-за жестких инженерных ограничений, требующих оперативного решения в реальном времени. Целью исследования является разработка математических моделей и алгоритмов синтеза допустимых маневров, обеспечивающих достижение заданных конечных условий, экономию топлива и строгое соблюдение динамических ограничений по тяге, энергетических лимитов и геометрических ограничений на ориентацию.

В основу исследования положены методы классической небесной механики в рамках задачи двух тел. Состояние космического аппарата описывается как в инерциальной системе координат ECI, так и в локальной орбитальной системе RTN. Методология базируется на последовательном применении трех моделей: импульсной, градиентной и низкотяговой.

В результате работы разработан комплекс математических моделей, устанавливающих аналитическую связь между компонентами воздействия в системе RTN и изменениями шести кеплеровых элементов орбиты. Определены оптимальные точки приложения силы для минимизации побочных возмущений элементов орбиты. Важным достижением стала формализация условий допустимости маневров посредством описания множества допустимых управлений. Такие условия учитывают ограничения по модулю и скорости изменения тяги, лимиты расхода массы на основе формулы Циолковского, а также требования для ориентации вектора тяги.

Итогом исследования стала комплексная методология, объединяющая теоретические основы баллистики с практическими требованиями к конструкции космических аппаратов. Научная новизна заключается в разработке критериев, позволяющих преобразовать теоретический расчет в реализуемый полетный план с учетом технических ограничений. Практическая значимость исследования заключается в создании комплексной методологии, которая объединяет классическую теорию небесной механики с реальными инженерными требованиями к космическим аппаратам.

МАШИННОЕ ОБУЧЕНИЕ ДЛЯ ПЕРСОНАЛИЗАЦИИ ОБУЧЕНИЯ НА ГЕЙМИФИЦИРОВАННЫХ EDTECH-ПЛАТФОРМАХ: КЕЙС AQYL BATTLE

A.A. Кулатай — 2026-06-18

Современные геймифицированные EdTech-платформы требуют системного научного подхода к анализу больших объемов пользовательских данных. В данной работе предлагается методология, объединяющая методы причинно-следственного анализа, анализа выживаемости, психометрического моделирования и машинного обучения для выявления факторов удержания пользователей и персонализации образовательного опыта. Исследование основано на данных геймифицированной образовательной платформы Aqyl Battle, включающих более 500 000 пользователей за период свыше трех лет. Были сформированы три структурированных набора данных: панельный набор для причинного анализа, набор данных для анализа выживаемости и набор с инженерно сформированными признаками для машинного обучения. Для оценки влияния турниров на активность пользователей применялась модель difference-in-differences. Оценка Каплана–Мейера и модель пропорциональных рисков Кокса использовались для анализа выживаемости, а трехпараметрическая логистическая модель Item Response Theory — для оценки латентного уровня навыков. Прогнозирование оттока выполнялось с применением логистической регрессии и XGBoost. Результаты показали, что введение турниров увеличило еженедельную активность пользователей на 12,4% (p < 0,01), а градиентный бустинг достиг значения AUC около 0,87 на тестовой выборке, разделенной по времени. Индекс качества подбора соперников и коэффициент Джини распределения рейтингов оказались значимыми модераторами удержания. При снижении баланса матчей ниже 0,6 еженедельный отток резко возрастал. Полученные результаты подчеркивают важность справедливости и баланса в геймифицированных EdTech-системах.

УСОВЕРШЕНСТВОВАННЫЙ АНАЛИЗ ТОНАЛЬНОСТИ ОТЗЫВОВ О ТОВАРАХ ЭЛЕКТРОННОЙ КОММЕРЦИИ С ИСПОЛЬЗОВАНИЕМ BI-LSTM НА ОСНОВЕ МЕХАНИЗМА ВНИМАНИЯ ЛУОНГА

Т. Курметкан — 2026-06-18

Возрастающая значимость электронной коммерции подчеркнула необходимость эффективного анализа тональности клиентских отзывов, поскольку они оказывают влияние на маркетинговые стратегии и системы рекомендаций товаров. Тем не менее сложности естественного языка, такие как сарказм и смешанная тональность, существенно затрудняют проведение анализа тональности. Для преодоления данных проблем в настоящем исследовании предлагается новая архитектура анализа тональности, основанная на двунаправленной сети долгой краткосрочной памяти - Bidirectional Long Short-Term Memory (Bi-LSTM) - и механизме Luong Attention. Модель Bi-LSTM используется для моделирования последовательной природы текста, тогда как механизм Luong Attention обеспечивает модели способность выделять наиболее значимые фрагменты отзыва и повышает ее возможности по выявлению тонких смысловых оттенков тональности. Предлагаемое двухкомпонентное решение позволяет преодолеть трудности, связанные со сложным и неоднозначным языком товарных отзывов, что обеспечивает более точную и контекстно-ориентированную классификацию тональности. Предложенная модель основана на Bi-LSTM и включает двунаправленное контекстное обучение, позволяющее учитывать как предшествующие, так и последующие слова в отзыве, тем самым повышая точность определения тональности. Благодаря интеграции механизма Luong Attention модель фокусируется на значимых частях отзыва, играющих ключевую роль в определении тональности, что особенно важно в случаях, когда эмоциональная окраска выражена явно или имеет скрытый характер. Данная гибридная модель демонстрирует значительно более высокую эффективность по сравнению с традиционными методами анализа тональности, достигая 96,67% точности классификации, 96,83% прецизионности и 96,67% полноты при сравнительно низком уровне переобучения. Полученные результаты подтверждают высокую производительность предложенной модели, а также ее способность выполнять анализ тональности в режиме реального времени и в крупном масштабе. Это позволяет использовать модель для получения аналитических выводов, необходимых при разработке практических стратегий в сфере электронной коммерции.

ВЫЯВЛЕНИЕ ЛОЖНЫХ НОВОСТЕЙ НА КАЗАХСКОМ И РУССКОМ ЯЗЫКАХ TF-IDF-МОДЕЛЯМИ

У.А. Марасулов — 2026-06-18

Автоматическое распознавание ложных новостей становится значимой прикладной задачей обработки естественного языка в условиях быстрого распространения цифрового контента. Для казахского языка эта задача осложняется нехваткой открытых размеченных корпусов и ограниченной адаптацией готовых моделей к локальному медиаконтексту. В статье рассматривается сбалансированный казахско-русский набор данных fake/real, включающий 1808 текстов: по 452 fake и 452 real текста на каждом языке. Экспериментальная схема охватывает билингвальное обучение, отдельные казахский и русский режимы, а также перенос с казахского на русский и с русского на казахский. В качестве признаков использованы word-level и character-level TF-IDF, а в качестве классификаторов применены Logistic Regression, Linear SVM и Complement Naive Bayes. В одноязычных и билингвальном сценариях Macro-F1 достигал 0,985. При кросс-языковой оценке выявлена асимметрия: перенос с казахского на русский дал Macro-F1 = 0,654, тогда как перенос с русского на казахский достиг Macro-F1 = 0,926. Полученные результаты интерпретируются как объяснимый baseline для казахско-русской классификации fake/real с учетом возможных source, topic и temporal bias.

ФЕДЕРАТИВНОЕ ОБУЧЕНИЕ: МОДЕЛИ НА ОСНОВЕ АРХИТЕКТУРЫ ТРАНСФОРМЕРОВ

А.Б. Омар — 2026-06-18

В ходе исследования были рассмотрены метод федеративного обучения и производительность моделей BERT, ALBERT и DistilBERT. В ходе эксперимента набор данных был разделён между 3, 5, 7 и 11 клиентами, что позволило рассмотреть два различных метода распределения данных. Первый — IID, основанный на равномерном распределении набора данных. Второй — Non-IID, который, напротив, характеризует неравномерное распределение данных.

Основной целью исследования является выявление и классификация агрессивного контента с использованием метода федеративного обучения. Для обучения представленных моделей был использован набор данных English Profanity Words. Описание набора данных представлено в разделе «Методы и материалы». В ходе эксперимента был проведён анализ точности моделей и скорости их обучения. Кроме того, набор данных был разделён двумя способами, и при постепенном увеличении числа клиентов исследовались изменения точности моделей.

В результате модель ALBERT показала лучшие результаты при увеличении числа клиентов. Модель BERT продемонстрировала стабильные результаты, а модель DistilBERT, несмотря на более высокую скорость обучения по сравнению с другими моделями, показала более низкую точность. Полученные результаты могут помочь в выборе подходящей модели при работе с конфиденциальными данными и использовании методов федеративного обучения.

СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ РАСПОЗНАВАНИЯ ГОЛОСА ДЕТЕЙ НА КАЗАХСКОМ ЯЗЫКЕ ПУТЕМ ДОПОЛНИТЕЛЬНОГО ОБУЧЕНИЯ (FINE-TUNING)

Д. Рахимова — 2026-06-18

В этой статье описан процесс fine-tuning (переобучения) модели Whisper-tiny, предложенной OpenAI, для улучшения системы автоматического распознавания речи (ASR), адаптированной для детской речи на казахском языке. Объектом исследования является аудиокорпус, состоящий из слов и коротких фраз на казахском языке, произнесённых детьми в возрасте от 5 до 12 лет. Применена двухступенчатая стратегия обучения: на первом этапе использовался датасет из 235 аудиофайлов, на втором — расширенный датасет из 1936 файлов. Данные были дискретизированы до частоты 16 кГц и приведены в моноформат. Транскрипции были очищены в соответствии с стандартизированными правилами, а соответствие аудио и текста было проверено через метаданные Excel и автоматическую проверку (с использованием difflib). Fine-tuning модели проводился на основе архитектуры openai/whisper-tiny, с использованием извлекателя признаков на основе мел-спектрограмм, 4-слойных энкодеров-декодеров и специальных токенов <|kk|> и <|transcribe|>. Обучение проводилось в среде Google Colab с использованием GPU NVIDIA T4, оптимизатора AdamW и функции потерь cross-entropy. Эффективность модели оценивалась с использованием метрик Word Error Rate (WER) и Accuracy. В результате WER снизился с 0.80 до 0.42, что составило улучшение примерно на 47.5%, в то время как точность увеличилась с 20.43% до 57.95% (улучшение на 183%). Для образцов, состоящих из одного слова, точность совпадения составила 66.73%, в то время как ошибка оставалась высокой для многословных фраз. Эта работа эмпирически демонстрирует эффективность двухступенчатой стратегии fine-tuning для казахского языка с ограниченными ресурсами, особенно в области распознавания детской речи, и закладывает основу для дальнейших улучшений через расширение датасетов, тестирование больших моделей Whisper и внедрение методов data augmentation и регуляризации.

Ключевые слова: Whisper-tiny, fine-tuning, казахский язык, автоматическое распознавание речи (ASR), детская речь, Word Error Rate (WER), точность, глубокое обучение, transfer learning, мел-спектрограмма, расширение датасетов.

ОПТИМИЗАЦИЯ РАСЧЁТА КИНЕТИЧЕСКИХ УРАВНЕНИЙ ПРОЦЕССОВ ГОРЕНИЯ НА GPU С ИСПОЛЬЗОВАНИЕМ GLOBAL MEMORY И SHARED MEMORY

M. Сарсембаев — 2026-06-18

В статье рассматривается задача повышения вычислительной производительности при решении кинетических уравнений процессов горения на графических процессорах. Детальные химико-кинетические механизмы, применяемые для моделирования горения реальных топлив, могут включать сотни компонентов и тысячи элементарных реакций, что приводит к значительному увеличению времени расчёта при использовании традиционных CPU-методов. Для ускорения вычислений предложен CUDA-ориентированный подход, основанный на распределении реакций между потоками GPU и оптимизации доступа к памяти графического процессора.

В статье сравниваются три варианта вычислений: последовательный расчёт на CPU, параллельный расчёт на GPU с использованием global memory и параллельный расчёт на GPU с использованием shared memory. В качестве тестового механизма использован Aramco_Mech. Численные эксперименты проведены для механизмов различной размерности: от 33 компонентов и 118 реакций до 493 компонентов и 2716 реакций. Расчёты выполнялись на вычислительной системе с процессором AMD Ryzen 9 5950X 16-Core Processor, 128 ГБ оперативной памяти и графическим адаптером NVIDIA GeForce RTX 4080 Ti.

Полученные результаты показывают, что с увеличением числа реакций преимущество GPU-вычислений становится более выраженным. Для механизма, содержащего 493 компонента и 2716 реакций, время расчёта на CPU составило 1 сутки 4 часа 2 минуты 4 секунды 796 миллисекунд, тогда как время расчёта на GPU с использованием global memory составило 21 минуту 10 секунд 591 миллисекунду, а с использованием shared memory — 10 минут 51 секунду 585 миллисекунд. Ускорение составило 79,43 раза для global memory и 154,89 раза для shared memory. Полученные результаты подтверждают эффективность GPU-архитектуры и важность оптимальной организации памяти при решении больших систем химической кинетики.

УЛУЧШЕНИЕ КАЧЕСТВА ДЕТЕКТИРОВАНИЯ КУЛЬТУРНЫХ И СОРНЫХ РАСТЕНИЙ C ПОМОЩЬЮ БПЛА НА ПОЛЯХ СОИ С ПРИМЕНЕНИЕМ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ

А. Сымагулов — 2026-06-18

Точность классификации и локализация растений на снимках, полученных с борта беспилотного летательного аппарата (БПЛА), имеет большое значение при внедрении технологий точного земледелия. Она позволяет эффективно применять технологии переменной нормы, что позволяет не только экономить химические препараты, но и снижать экологическую нагрузку на возделываемые поля. Для классификации растений широко используются алгоритмы машинного обучения. Для одновременной идентификации, локализации и классификации растений ведутся исследования по применению алгоритма YOLO. Однако качество работы алгоритма существенно зависит от обучающего набора. Цель текущей работы, проводимой авторами статьи заключается в том, чтобы не только детектировать культурное растение (сою), но и сорняки, произрастающие на поле. Разработанный в ходе исследований набор данных позволяет решить эту задачу детектируя не только сою, но и 7 видов сорняков. В статье описывается подход к подготовке обучающего набора изображений для полей сои с применением предварительной пороговой и Bound box (Bbox) сегментации размеченных изображений, который позволяет повысить качество классификации и локализации растений. Проведенные исследования и вычислительные эксперименты позволили определить, что Bbox сегментация демонстрирует наилучшие результаты. Kачество классификации и локализации при применении Bbox сегментации существенно возросло (f1_score возрос с 0.64 до 0.79, mAP50(B) с 0.72 до 0.9), а для культурного растения (сои) достигнут наилучший из известных на сегодня результатов классификации по изображениям полученным с борта БПЛА: f1_score= 0.979.

ОЦЕНКА БЕЗОПАСНОСТИ БЕСПРОВОДНЫХ СЕТЕЙ WPA3 В УСЛОВИЯХ АТАКИ С ДЕАВТЕНТИКАЦИЕЙ

Ж.М. Ташенова — 2026-06-18

Беспроводные сети в настоящее время широко распространены как часть глобальной цифровой инфраструктуры, обеспечивая связь в жилых, коммерческих и общественных помещениях. Появление протокола Wi-Fi Protected Access III (WPA3) стало значительным достижением в области безопасности беспроводных сетей благодаря усовершенствованной аутентификации и криптографической защите. Тем не менее, несмотря на достижения WPA3, в доступности беспроводной сети по-прежнему существуют уязвимости, которыми могут воспользоваться злоумышленники. В частности, атаки с удалением аутентификации используют уязвимости во фреймах управления IEEE 802.11, которые не нарушают целостность шифрования, но могут нарушить доступ клиентов к сети. Данное исследование направлено на оценку устойчивости беспроводных сетей WPA3 к атакам с использованием деаутентификации, а также анализ влияния этих атак на доступность сети. В исследовании использовался экспериментальный подход, основанный на контролируемом беспроводном испытательном стенде, где были созданы и протестированы конфигурации сетей WPA2 и WPA3 с имитацией атак на деаутентификацию. Результаты показали, что, хотя WPA3 обеспечивает значительные улучшения в аутентификации и шифровании, при определенных обстоятельствах можно негативно повлиять на его доступность с помощью атак с деаутентификацией. В исследовании определены потенциальные пути улучшения защиты беспроводных сетей от атак на доступность, включая усиление защиты фреймворков управления IEEE 802.11 и разработку более сложных систем обнаружения вторжений. Целью данного исследования оценить поведение современных беспроводных сетей в условиях атак с целью деаутентификации, а также оценить влияние этих атак на доступность беспроводных сетей в сетевой инфраструктуре, использующей современные стандарты безопасности. Проведенные эксперименты показывают, что атаки с целью деаутентификации могут серьезно повлиять на стабильность беспроводной связи, нарушая связь между беспроводными устройствами и точками доступа.

ОБНАРУЖЕНИЕ АНОМАЛИЙ В ТЕЛЕМЕТРИЧЕСКИХ СИСТЕМАХ БПЛА НА ОСНОВЕ СИММУЛЯЦИОННОГО МОДЕЛИРОВАНИЯ

Г.У. Турсунбаева — 2026-06-18

В данном исследовании представлены основные результаты комплексного анализа современных киберугроз и уязвимостей, возникающих в системах беспилотных летательных аппаратов (БПЛА). На основе анализа была составлена актуальная классификация существующих типов атак на базовую архитектуру БПЛА. Это позволило изучить основные методы защиты для обеспечения безопасности систем и компонентов БПЛА, а также классифицировать методы обнаружения кибератак на их системы. На основе полученных данных была разработана многоуровневая архитектура защиты, включающая три основных уровня: защищённый канал связи, защищённый контроллер полета и защищённую наземную контрольную станцию. Разработанная программная среда для моделирования телеметрических потоков в Python 3.12 позволила генерировать пакеты в формате MAVLink/UDP/TCP, а также имитировать атаки и фиксировать сетевые аномалии в системе телеметрии БПЛА. В результате было обработано 97 пакетов MAVLink с наличием незначительных потерь, где доля инъекций аномалий составило 10% и с общим количеством в сумме 118 единиц. Среднее время задержки пакета MAVLink составило 0,037 секунд, что является показателем стабильной работы телеметрического канала. Экспериментальное моделирование 100 циклов продемонстрировало способность обнаруживать нарушения структуры пакетов данных, ложные идентификаторы, подстановку координат и аномалии задержек.

Представленная архитектура и результаты моделирования подтверждают применимость многоуровневого подхода к созданию встроенных систем защиты от БПЛА.

СРАВНИТЕЛЬНОЕ АНАЛИЗ МНОГОЯЗЫЧНЫХ ТРАНСФОРМЕРНЫХ МОДЕЛЕЙ ДЛЯ ПЕРЕВОДА С КАЗАХСКОГО ЯЗЫКА НА ГЛОССИРОВАННОЕ ПРЕДСТАВЛЕНИЕ

Н. Турсынова — 2026-06-18

: Казахский язык жестов находится в центре внимания ученых. В последние десятилетия все больше внимания уделяется созданию технологий, способных устранить барьеры в общении и взаимодействии между людьми с ограниченными возможностями и обществом. Отсутствие параллельного корпуса в языке жестов открывает тему перевода текста в глосс для неотложных и углубленных исследований. К сожалению, цифровые технологии недоступны людям с нарушениями слуха и речи. Перевод текста в глосс по-прежнему актуален для казахского языка жестов. В частности, из-за того, что один язык жестов имеет несколько значений, синтез его в глосс в программной среде занимает много времени.

В данной статье рассматривается перевод текста в глосс с использованием пяти различных моделей на основе многоязычного трансформера. То есть изучается, являются ли модели быстрее или медленнее в чтении и потребляют ли они больше или меньше ресурсов. Для проведения эксперимента были выбраны модели mBART-large-50, M2M100-418M, mT5-base, MarianMT и T5-base. Все эти модели были обучены с использованием одинаковых параметров. Результаты оценивались с использованием широко распространенных метрик стандартов (BLEU, ROUGE-L и chrF++), а также был проведен качественный анализ моделей. В ходе исследования было установлено, что более крупные многоязычные модели обеспечивают более точный перевод. Хотя модели mBART-large-50 и M2M100-418M показали хорошие результаты, остальные, меньшие по размеру многоязычные модели, оказались быстрее и менее ресурсоемкими. Перевод текста в глоссарий по-прежнему актуален для казахского языка жестов. В частности, из-за того, что один язык жестов имеет несколько значений, синтез его в глоссарий в среде программирования занимает значительное количество времени.

ДВУХВЕТВЕВЫЕ ФИЗИЧЕСКИЕ ИНФОРМАЦИОННЫЕ НЕЙРОННЫЕ СЕТИ ДЛЯ МОДЕЛИРОВАНИЯ ВОЗДУШНЫХ ПОТОКОВ И ТЕПЛОВЫХ УСЛОВИЙ В ЦЕНТРАХ ОБРАБОТКИ ДАННЫХ

Лей Шанпэн Лей — 2026-06-18

В связи с быстрым развитием крупномасштабных моделей искусственного интеллекта, строительство центров обработки данных постепенно ускоряется. Центры обработки данных оснащаются многочисленными серверами и сетевыми устройствами, и ожидается, что потребление энергии в будущем будет продолжать расти. Для улучшения управления тепловыми процессами моделирование энергопотребления центров обработки данных стало новой задачей. Традиционные численные модели трудоемки и плохо переносимы, в то время как модели машинного обучения, основанные на данных, предоставляют приемлемое решение для моделирования центров обработки данных. Нейронные сети, учитывающие физические принципы, встраивают предварительные физические знания в функцию потерь в качестве мягких ограничений, направляя процесс моделирования таким образом, чтобы он соответствовал как закономерностям данных, так и физическим законам. Для разделения моделирования многофизических полей в центрах обработки данных мы предлагаем двухветвевую нейронную сеть, учитывающую физические принципы (Dual-PINN). Одновременно мы разрабатываем адаптивный механизм перевзвешивания функции потерь на основе нелинейного преобразования логистической функции (сигмоидной функции) для балансировки скорости сходимости между различными членами функции потерь. В ходе экспериментов для всесторонней оценки предложенной модели Dual-PINN мы выбрали для сравнения стандартную нейронную сеть PINN, стандартную нейронную сеть и случайный лес. В заключение мы использовали MAE, RMSE и количество обучаемых параметров для измерения производительности модели с точки зрения точности и сложности. Результаты показывают, что Dual-PINN достигает наивысшей точности прогнозирования при наименьшем количестве обучаемых параметров.

ИСПОЛЬЗОВАНИЕ МОДЕЛИ ГЛУБОКОГО ОБУЧЕНИЯ НА ОСНОВЕ CNN ДЛЯ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ ДЕФЕКТОВ КИРПИЧНОЙ КЛАДКИ

Бекмурат Шынжігіт — 2026-06-18

В предлагаемой исследовательской работе утверждается, что раннее и точное обнаружение поверхностных дефектов в кирпичной промышленности имеет решающее значение для поддержания качества продукции, сокращения отходов материалов и повышения эффективности производства. Традиционные методы ручной проверки часто отнимают много времени и зависят от человеческого опыта. Поэтому в данном исследовании предлагается интеллектуальный подход к обнаружению дефектов кирпича, основанный на методах глубокого обучения, в частности, на сверточных нейронных сетях (CNN), для автоматизированной оценки качества.

Предложенная система предназначена для обнаружения и классификации различных типов дефектов кирпича, таких как трещины, поверхностные дефекты, дефекты краев и образцы без дефектов, с использованием анализа изображений. Для обучения и оценки модели использовался общедоступный набор данных о дефектах кирпича. Архитектура CNN состоит из нескольких сверточных слоев и слоев максимального пулинга для извлечения признаков, за которыми следуют полносвязанные слои и классификатор Softmax для окончательного прогнозирования. Модель была обучена и протестирована с использованием методов контролируемого обучения для достижения высокой точности классификации.

Экспериментальные результаты показывают, что предложенная модель показала высокую производительность по всем оценочным показателям. Полученные значения точности, правильности, полноты и F1-меры превысили 93%, что свидетельствует об эффективности предложенного подхода. В частности, модель показала высокую эффективность в обнаружении дефектов в виде трещин и успешно различала дефектные и недефектные поверхности кирпича. Сравнительный анализ также показал, что подходы на основе глубокого обучения превосходят традиционные методы машинного обучения по точности и возможностям автоматизации.

Результаты этого исследования демонстрируют потенциал интеллектуальных систем на основе CNN для обнаружения дефектов в реальном времени и автоматизированного контроля качества в промышленности. Предложенный подход может способствовать повышению надежности производства, сокращению вмешательства человека и поддержке развития интеллектуальных производственных сред в отрасли строительных материалов.