База данных: Статьи
Страница 6, Результатов: 52
Отмеченные записи: 0
51.
Подробнее
551.43(574)
Ж 88
Жұмағалиева, Қ. З.
"Қазақстан таулары" панорамалық сабақ [Электронный ресурс] / Қ. З. Жұмағалиева // "Мемлекеттік тілді өзге ұлт өкілдеріне меңгертудің тиімді әдістері" :Облыстық ғылыми-тәжірибелік конференция жинағы. - 2008. - 9-10 қаңтар. - Б. 126-133
Рубрики: Физическая география
Кл.слова (ненормированные):
Қазақстан -- тау -- панорамалық сабақ -- сабақ -- мақсат -- лексика -- тақырып -- экология -- табиғат
Аннотация: Қазақстанның таулары туралы
Держатели документа:
БҚМУ
Ж 88
Жұмағалиева, Қ. З.
"Қазақстан таулары" панорамалық сабақ [Электронный ресурс] / Қ. З. Жұмағалиева // "Мемлекеттік тілді өзге ұлт өкілдеріне меңгертудің тиімді әдістері" :Облыстық ғылыми-тәжірибелік конференция жинағы. - 2008. - 9-10 қаңтар. - Б. 126-133
| УДК |
Рубрики: Физическая география
Кл.слова (ненормированные):
Қазақстан -- тау -- панорамалық сабақ -- сабақ -- мақсат -- лексика -- тақырып -- экология -- табиғат
Аннотация: Қазақстанның таулары туралы
Держатели документа:
БҚМУ
52.
Подробнее
26.823(5Қаз)
Т 82
Тулегенов, Е. А.
Географиялық нүктелерінің биіктігін болжауда машианлық оқыту əдістерін салыстыру [Текст] / Е. А. Тулегенов, Н. О. Мекебаев, Ж. А. Орынтаева // БҚУ хабаршысы. - 2026. - №2. - Б. 358-366
ББК 26.823(5Қаз)
Рубрики: Қазақстан геоморфологиясы
Кл.слова (ненормированные):
Географиялық нүктелер -- машиналық оқыту -- кеңістік -- алгоритм -- жер бедері -- нейрондық желі -- морфометриялық көрсеткіштер -- машиналық оқыту -- кеңістіктік деректер -- геокеңістіктік модельдеу
Аннотация: Бұл мақалада жер бедерлерінің морфометриялық (биіктігі) көрсеткіштерін болжау барысында қазіргі таңдағы өзекті мəселелері жүйелі түрде талданады. Онда машиналық оқыту алгоритмдерімен географиялық ақпараттық жүйелер интграциялау негізделеді. Қазіргі уақытта ҚР аумағының дерекқорын құруда релефтің сандық модельін əзірлеу маңызды мəселелердің бірі. Осы мəселе Қазақстан аумағының геоморфологиялық жағдайының сан алуандығымен жəне күрделілігімен тікелей тəуелді. Тянь – Шань таулары мен Алтай тауының биік таулы белдеулерінен бастап Каспий маңы ойпатының депрециялық алаптарының ҚР геоморфологиялық əртүрлілігі кез-келген математикалық модельдің тиімділігін тексеру верификациялық міндет жүктейді. Зерттеуіміздің нəтижелері дəстүрлі əдістерге қарағанда жасанды интеллект əдістері (машиналық оқыту) 25-36 % жоғары дəлдік көрсетті. Біз жүргізген зерттеумізде модельдерді салырсытруда Random Forest əдісі нəтиже көрсетті. Ол деректерді өңдеуде тұрақтылық көрсеткіштеріне ие болды. Осы модельдің ерекшелігі жер бедерінің өзгерістерін сипаттап, олардың олардың ауытқуларын бейнелеуге мүмкіндік берді.
Держатели документа:
ЗКУ
Доп.точки доступа:
Мекебаев, Н.О.
Орынтаева, Ж.А.
Т 82
Тулегенов, Е. А.
Географиялық нүктелерінің биіктігін болжауда машианлық оқыту əдістерін салыстыру [Текст] / Е. А. Тулегенов, Н. О. Мекебаев, Ж. А. Орынтаева // БҚУ хабаршысы. - 2026. - №2. - Б. 358-366
Рубрики: Қазақстан геоморфологиясы
Кл.слова (ненормированные):
Географиялық нүктелер -- машиналық оқыту -- кеңістік -- алгоритм -- жер бедері -- нейрондық желі -- морфометриялық көрсеткіштер -- машиналық оқыту -- кеңістіктік деректер -- геокеңістіктік модельдеу
Аннотация: Бұл мақалада жер бедерлерінің морфометриялық (биіктігі) көрсеткіштерін болжау барысында қазіргі таңдағы өзекті мəселелері жүйелі түрде талданады. Онда машиналық оқыту алгоритмдерімен географиялық ақпараттық жүйелер интграциялау негізделеді. Қазіргі уақытта ҚР аумағының дерекқорын құруда релефтің сандық модельін əзірлеу маңызды мəселелердің бірі. Осы мəселе Қазақстан аумағының геоморфологиялық жағдайының сан алуандығымен жəне күрделілігімен тікелей тəуелді. Тянь – Шань таулары мен Алтай тауының биік таулы белдеулерінен бастап Каспий маңы ойпатының депрециялық алаптарының ҚР геоморфологиялық əртүрлілігі кез-келген математикалық модельдің тиімділігін тексеру верификациялық міндет жүктейді. Зерттеуіміздің нəтижелері дəстүрлі əдістерге қарағанда жасанды интеллект əдістері (машиналық оқыту) 25-36 % жоғары дəлдік көрсетті. Біз жүргізген зерттеумізде модельдерді салырсытруда Random Forest əдісі нəтиже көрсетті. Ол деректерді өңдеуде тұрақтылық көрсеткіштеріне ие болды. Осы модельдің ерекшелігі жер бедерінің өзгерістерін сипаттап, олардың олардың ауытқуларын бейнелеуге мүмкіндік берді.
Держатели документа:
ЗКУ
Доп.точки доступа:
Мекебаев, Н.О.
Орынтаева, Ж.А.
Страница 6, Результатов: 52