“MASHINALI O‘QITISHDA KLASTER TAHLIL USULLARI YORDAMIDA TASVIRNI SEGMENTATSIYALASH”
Аннотация
Ushbu maqolada mashinali o‘qitish va klaster tahlil usullari yordamida tasvirni segmentatsiyalash jarayoni ko‘rib chiqiladi. Ishda klaster tahlil usullari, jumladan, K-means, ierarxik klasterlash va DBSCAN kabi usullar, shuningdek, mashinali o‘qitish yondashuvlari, xususan, konvolyutsion neyron tarmoqlari (CNN) va ularning segmentatsiyalashdagi qo‘llanilishi tahlil qilinadi. U-Net va Mask R-CNN kabi zamonaviy modellar yordamida tasvirlarni segmentatsiyalashda yuqori aniqlik va samaradorlikka erishish mumkinligi ko‘rsatiladi. Ushbu tadqiqot natijalari tasvirni segmentatsiyalashning amaliy ilovalarini kengaytirishga, shuningdek, yangi usullar va yondashuvlarni ishlab chiqishga xizmat qiladi. Kelajakda bu sohada olib boriladigan tadqiqotlar yangi imkoniyatlar yaratishi kutilmoqda.
Ключевые слова
Tasvirni segmentatsiyalash, mashinali o‘qitish, klaster tahlil, K-means, ierarxik klasterlash, DBSCAN, konvolyutsion neyron tarmoqlari (CNN), U-Net, Mask R-CNN, tasvirni qayta ishlash, tibbiyotda tasvir tahlili.
Библиографические ссылки
- Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press.
- Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. arXiv preprint arXiv:1301.3781.
- Pedregosa, F., et al. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825-2830.
- Kim, Y. (2014). Convolutional neural networks for sentence classification. arXiv preprint arXiv:1408.5882.
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2018). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv preprint arXiv:1810.04805.
- B.Umarov, M.Hakimov., “International journal of scientific researchers”, “Su’niy intelekt tizimlarida qayta tiklashga asoslangan o‘qitish” 2024y.