Бидний тухай
Багш ажилтан
Data-driven farming uses digital data and analytics to improve animal welfare and breeding efficiency. A data analytics platform that facilitates the process of automated phenotype detection on Dutch HPC infrastructure using open-source technologies.
программ хангамжийн бүтээгдэхүүн хурдацтай нэмэгдэж буй өнөө үед программ хангамжийн алдаа, согогийг аль болох эрт урьдчилан таамагласнаар төслийн нийт зардлыг бууруулж, төсөл амжилттай хэрэгжихэд чухал нөлөөтэй. Одоо байгаа программ хангамжийн согогийг урьдчилан таамаглах аргууд нь программ хангамжийн хөгжлийн амьдралын мөчлөгийн (SDLC) хэрэгжүүлэлтийн үе шат эсвэл шалгалтын үе шатанд байгаа эх код дээр тулгуурладаг. Энэ судалгааны ажилд SDLC-ийн зохиомжийн үе шатанд сэжигтэй классыг таамаглах зохиомжийн статик хэмжүүрт суурилсан машин сургалтын аргыг санал болгож байна. Тодруулбал, бид эхлээд жава эх код бүхий PROMISE өгөгдлийн багцаас урвуу инженерчлэлийн аргаар UML статик загвар гарган, түүнээс зохиомжийн статик хэмжүүр бүхий өгөгдлийн багц үүсгэж, сэжигтэй классыг машин сургалтын арга ашиглан таамаглах туршилтыг гүйцэтгэнэ. PROMISE өгөгдлийн багц дээрх туршилтын үр дүнгээс харахад бидний арга нь эх кодоос статик хэмжүүрт суурилсан хувилбараас дутахгүй үр дүн харуулж байгааг батлан харуулна.
Аж үйлдвэрийн дөрөвдүгээр хувьсгалын технологийн хөдөлгүүр болоод байгаа хиймэл оюун ухаан, их өгөгдөл, юмсын интернэт буюу төхөөрөмж дээрх програмчлал зэрэгтэй холбогдуулан тэдгээрийн тооцоололд зориулан өндөр гүйцэтгэлийн тооцооллын кластер, супер компьютерын дэд бүтэц бий болгох болон тухайн нөөцийг бүрэн дүүрэн, ухаалаг ашиглах параллель програмчлалын технологийг судлан хөгжүүлэх шаардлага тулгарч байна. Энэхүү өгүүлэлд уг шаардлагатай холбогдуулан HPC, супер компьютерын талаарх ойлголтууд болон сүүлийн үед параллель програмчлалд өргөнөөр ашиглаж эхлэх болсон GPU програмчлалын зарим сангуудын талаар бичив.
Програм хангамжийн бүтээгдэхүүн хурдацтай нэмэгдэж буй өнөө үед програм хангамжийн алдаа, согогийг аль болох эрт урьдчилан таамагласнаар төслийн нийт зардлыг бууруулж, төсөл амжилттай хэрэгжихэд чухал нөлөөтэй. Одоо байгаа програм хангамжийн согогийг урьдчилан таамаглах аргууд нь програм хангамжийн хөгжлийн амьдралын мөчлөгийн (SDLC) хэрэгжүүлэлтийн үе шат эсвэл шалгалтын үе шатанд байгаа эх код дээр тулгуурладаг. Энэ судалгааны ажилд SDLC-ийн зохиомжийн үе шатанд сэжигтэй классыг таамаглах зохиомжийн статик хэмжүүрт суурилсан машин сургалтын аргыг санал болгож байна. Тодруулбал, бид эхлээд жава эх код бүхий PROMISE өгөгдлийн багцаас урвуу инженерчлэлийн аргаар UML статик загвар гарган, түүнээс зохиомжийн статик хэмжүүр бүхий өгөгдлийн багц үүсгэж, сэжигтэй классыг машин сургалтын арга ашиглан таамаглах туршилтыг гүйцэтгэнэ. PROMISE өгөгдлийн багц дээрх туршилтын үр дүнгээс харахад бидний арга нь эх кодоос статик хэмжүүрт суурилсан хувилбараас дутахгүй үр дүн харуулж байгааг батлан харуулна.
The most important problems (facing higher education institutions) are enhancing quality assurance. Quality assurance is at the heart of academic activities in higher education institutions (HEI) in today’s world. One of the methods to determine the quality of HEI is analyzing and summarize the satisfaction of stakeholders. The most important problems (facing higher education institutions) are enhancing quality assurance. One of the best ways to overcome this problem is by using a decision support framework for quality assurance. That framework is analyzing HEI’s historical data and supporting decision-making activities.
On 31 December 2019, the World Health Organization (WHO) was informed of a cluster of cases of pneumonia of unknown cause detected in Wuhan City, Hubei Province of China. From this time, the disease had spread well outside China, reaching countries in all parts of the globe. In this research, we conducted experiments to predict COVID-19 epidemic trends using Holt's linear trend of exponential smoothing method. In experiments, we used epidemiological data contains confirmed cases, deaths, and recovered cases from 22 January 2020 to 20 April 2020. According to the experimental results, where the current situation would not change, in the first quarter of 2021, the number of confirmed cases is forecasted to reach 30 million, and deaths reach 2.4 million.
Mongolian historical and cultural monuments on settlement areas of stone inscriptions, stone images, rock-drawings, remains of cities, architecture are still telling us their stories. These monuments depict the understanding of the word, philosophical and artistic outlook, beliefs, religion, national art, language, culture and traditions of Mongols [1]. Nowadays computer science, especially computer vision is applying in the other science fields. The main problem is how to apply and which algorithm can detect and classify the objects correctly. In this paper, we propose a method to detect object from Mongolian nomadic environment images. This work proposes a method for object detection that is the combination of the binary operations in the edge detection results. We found out the best method and parameters of state-of-the-art machine learning algorithms. In experimental result, we evaluate our results with 10-fold cross validation and split 66% strategies.
Аливаа байгууллагын үйл ажиллагаа чанартай явагдах нь бүтээгдэхүүн, үйлчилгээний чанарт шууд нөлөөлдөг. Тиймээс дээд боловсролын байгууллагуудад тулгардаг нэгэн томоохон асуудал нь чанарын удирдлагын үйл ажиллагааг сайжруулах арга замыг тодорхойлох юм. Тус асуудлыг шийдэх нэг арга зам нь шийдвэр гаргалтад дэмжлэг үзүүлэх тогтолцоог байгуулах, ашиглах юм. Энэхүү судалгааны ажлаараа дээд боловсролын чанарын баталгаажуулалтыг сайжруулах тогтолцооны ерөнхий загварыг тодорхойлсон. Үүний тулд эхлээд Монгол Улсын Их Сургуулийн (МУИС) сургалтын үйл ажиллагааны бүх процессыг тодорхойлон, сургалтын процесст оролцогч талууд тус бүрийн оролцоо, хоорондын хамтын ажиллагааны загварыг гаргаж, процессыг BPMN –ийг ашиглан загварчилсан. Мөн процесс тус бүр дээрх өгөгдлийн урсгалыг шинжилгээ хийсэн. МУИС-ийн чанарын удирдлагын тогтолцооны ерөнхий загварыг гаргаж, чанарыг сайжруулах аргачлалууд нь хэрхэн хэрэгжиж байгаа талаар дүгнэлтүүд гаргасан.
Early detection of fault-proneness of software components enables verification experts to concentrate their time and resources on the problem areas of the system under development. Some software metrics provide ways to evaluate the quality of software and their use in earlier phases of software development can help organizations access large software development quickly at a low-cost. The goal of this study is to empirically explore ability of the using deep learning for fault-proneness prediction during design phase. In order to meet this goal, we use design metrics of 1583 class information from four different open-source software systems and conduct experiments.
Early detection of fault-proneness of software components enables verification experts to concentrate their time and resources on the problem areas of the system under development. Some software metrics provide ways to evaluate the quality of software and their use in earlier phases of software development can help organizations access large software development quickly at a low-cost. The goal of this study is to empirically explore ability of the using deep learning for fault-proneness prediction during design phase. In order to meet this goal, we use design metrics of 1583 class information from four different open-source software systems and conduct experiments.
Quality assurance is at the heart of academic activities in higher education institutions (HEI) in today’s world. The most important problems facing higher education institutions) are enhancing quality assurance. One of the best ways to overcome this problem is using decision support framework for quality assurance. That framework is analyzing HEI’s historical data and supporting decision making activities. At first we have modeled university data flow. In this stage we have designed general framework for University quality management system. In the second step we used Weka to analyze student grading. More than 250 student’s record being analyzed. Similarly, quality improvement factors considered. Finally, we have proposed general framework for Enhancing Higher Education Quality Assurance. Keywords: quality assurance, decision support system, business process analysis
The 11th International Conference FITAT 2018
Abstract. This paper presents a target-oriented message polarity classification approach for positive, negative, and neutral classes in Twitter. We evaluated some experiments using Convolutional Neural Networks (CNN) with different features, TensorFlow library, and a SenticNet5 in sentiment lexicon for tweet datasets. The best experiment has achieved 0.673 for the average recall rate, 0.743 for the average precision rate, 0.703 for the average F1 score, and 0.823 for accuracy. Keywords: target-oriented sentiment analysis, opinion mining, sentiment analysis, text classification
Abstract. This paper presents a target-oriented message polarity classification approach for positive, negative, and neutral classes in Twitter. We evaluated some experiments using Convolutional Neural Networks (CNN) with different features, TensorFlow library, and a SenticNet5 in sentiment lexicon for tweet datasets. The best experiment has achieved 0.673 for the average recall rate, 0.743 for the average precision rate, 0.703 for the average F1 score, and 0.823 for accuracy. Keywords: target-oriented sentiment analysis, opinion mining, sentiment analysis, text classification
Abstract. This paper presents a target-oriented message polarity classification approach for positive, negative, and neutral classes in Twitter. We evaluated some experiments using Convolutional Neural Networks (CNN) with different features, TensorFlow library, and a SenticNet5 in sentiment lexicon for tweet datasets. The best experiment has achieved 0.673 for the average recall rate, 0.743 for the average precision rate, 0.703 for the average F1 score, and 0.823 for accuracy. Keywords: target-oriented sentiment analysis, opinion mining, sentiment analysis, text classification
