Nazarov Fayzullo Maxmadiyarovichning
texnika fanlari doktori (DSc) dissertatsiyasi himoyasi haqida e’lon
I. Umumiy ma’lumotlar.
Dissertatsiya mavzusi, ixtisoslik shifri (ilmiy daraja beriladigan fan tarmog‘i): “Ma’lumotlarni boshqarish va ishonchligini oshirishning taqsimlangan usullari”, 05.01.02 – Tizimli tahlil, boshqaruv va axborotni qayta ishlash (texnika fanlari).
Dissertatsiya mavzusi ro‘yxatga olingan raqam: B2025.1.DSc/T892
Ilmiy maslahatchining F.I.Sh., ilmiy darajasi va unvoni: Axatov Akmal Rustamovich, texnika fanlari doktori, professor
Dissertatsiya bajarilgan muassasa nomi: Sharof Rashidov nomidagi Samarqand davlat universiteti.
IK faoliyat ko‘rsatayotgan muassasa nomi, IK raqami: “Toshkent irrigatsiya va qishloq xo‘jaligini mexanizatsiyalash muhandislari instituti” Milliy tadqiqot universiteti, DSc.03/26.05.2022.T.10.05.
Rasmiy opponentlar: Ismailov Mirhalil Agzamovich, texnika fanlari doktori, professor; Babomuradov Ozod Jo‘raevich, texnika fanlari doktori, professor; Babenko Mixail Grigorevich, fizika-matematika fanlari doktori.
Yetakchi tashkilot nomi: Toshkent davlat transport universiteti.
Dissertatsiya yo‘nalishi: nazariy va amaliy ahamiyatga molik.
II. Tadqiqotning maqsadi taqsimlash mexanizmlari asosida ma’lumotlarni boshqarish va ishonchliligini oshirishning usul va algoritmlarini ishlab chiqishdan iborat.
III. Tadqiqotning ilmiy yangiligi quyidagilardan iborat:
taqsimlangan tizimlarda blokcheyn asosida kriptografik shifrlashni takomillashtirish, taqsimlangan heshlashni tashkillashtirish, konsensusni qo‘llash va unga ta’sir qiladigan xavf-xatarlarni nazorat qilishni integratsiyalash asosida ma’lumotlar ishonchligini oshirish usuli ishlab chiqilgan;
ma’lumotlarni boshqarish va ishonchliligini oshirish uchun ma’lumotlarga ishlov berish hamda mashinaviy o‘qitish va LSTM neyron tarmog‘i asosida tizimdagi noaniq shubhali ma’lumotlarni aniqlash qarorlarini qabul qilishning algoritmi ishlab chiqilgan;
taqsimlangan tizimlarda noaniq shubhali ma’lumotlarni aniqlash ishonchligini oshirish uchun yo‘qotish funksiyalarini regulyarizatsiyalash asosida LSTM neyron tarmoqli modelni optimallashtirish usuli ishlab chiqilgan;
taqsimlangan tizimlarda noaniq shubhali ma’lumotlarni aniqlash ishonchligini oshirish uchun LSTM neyron tarmoqqa asalari koloniyasi algoritmini qo‘llash asosida LSTM neyron tarmoqli modelning giperparametrlarini optimallashtirish usuli ishlab chiqilgan;
ma’lumotlarni boshqarishda taqsimlash mexanizmlaridan foydalangan holda n ta yozuvga ega bo‘lgan jadvalga beriladigan so‘rovni m sekundda qayta ishlash uchun p ta jadvalga ichki taqsimlash qoidalarini aniqlash qarorlarini qabul qiluvchi mashinaviy o‘qtishning ansambl yondashuv va algoritmi ishlab chiqilgan;
ma’lumotlarni boshqarishda taqsimlash chegaralarini aniqlashning bashorat natijalarini silliqlash uchun mashinaviy o‘qitishning ansambl modellarini ko‘p qatlamli neyron tarmoq yordamida umumlashtirishning usuli ishlab chiqilgan;
ma’lumotlarni boshqarish uchun taqsimlash chegaralarini aniqlashning ko‘p qatlamli neyron tarmoqli modellariga asalari koloniyasi algoritmini qo‘llash asosida neyron tarmoqli modelning giperparametrlarini optimallashtirish usuli ishlab chiqilgan.
IV. Tadqiqot natijalarining joriy qilinishi: Dissertatsiya tadqiqotlari doirasida taqsimlangan usullar asosida ma’lumotlarni boshqarish va ishonchligini oshirish usullarini ishlab chiqish bo‘yicha olingan ilmiy natijalar asosida:
taqsimlangan tizimlarda blokcheyn asosida kriptografik shifrlashni takomillashtirish, taqsimlangan heshlashni tashkillashtirish, konsensusni qo‘llash va unga ta’sir qiladigan xavf-xatarlarni nazorat qilishni integratsiyalash asosida ma’lumotlar ishonchligini oshirish usuli hamda ma’lumotlarni boshqarishda taqsimlash mexanizmlaridan foydalangan holda n ta yozuvga ega bo‘lgan jadvalga beriladigan so‘rovni m sekundda qayta ishlash uchun p ta jadvalga ichki taqsimlash qoidalarini aniqlash qarorlarini qabul qiluvchi mashinaviy o‘qtishning ansambl yondashuv va algoritmi asosida ishlab chiqilgan dasturiy vosita “Davlat axborot tizimlarini yaratish va qo‘llab-quvvatlash bo‘yicha yagona integrator UZINFOCOM”ga joriy qilingan (O‘zbekiston Respublikasi Raqamli texnologiyalar vazirligining 2025-yil 8-apreldagi 33-8/2304-sonli ma’lumotnomasi). Natijada, ma’lumotlar va so‘rovlarni tezkor qayta ishlashda yagona foydalanuvchi uchun ketadigan vaqt 5.9 barobarga, bir vaqtning o‘zida bir qancha foydalanuvchi uchun ketadigan vaqt 3.29 barobarga kamayishiga erishildi. Ma’lumotlar ishonchliligini oshirishda taqsimlangan usullarni qo‘llash asosida ishonchlilik ko‘rsatkichi 2 barobarga oshirish imkoniyati yaratildi. Ma’lumotlar bazasidagi jadvallarni taqsimlash chegaralarini mashinaviy o‘qitish asosida intellektual aniqlash uchun qurilgan model MAE bo‘yicha 0.96 va RMSE bo‘yicha 1.64 aniqlilikka erishish imkoniyatini bergan;
ma’lumotlarni boshqarish va ishonchliligini oshirish uchun dastlabki ma’lumotlar to‘plamini shakllantirish hamda mashinaviy o‘qitish va LSTM neyron tarmog‘i asosida tizimdagi noaniq shubhali ma’lumotlarni aniqlash qarorlarini qabul qilishning algoritmi hamda ma’lumotlarni boshqarish uchun taqsimlash chegaralarini aniqlashning oldinga yo‘naltirilgan neyron tarmoqli modellariga asalari koloniyasi algoritmini qo‘llash asosida neyron tarmoqli modelning giperparametrlarini optimallashtirish usulining dasturiy vositasi “AllNet internet servis provayderi”ga joriy qilingan (O‘zbekiston Respublikasi Raqamli texnologiyalar vazirligining 2025-yil 8-apreldagi 33-8/2304-sonli ma’lumotnomasi). Natijada, dasturiy mahsulotlar tarkibidagi ma’lumotlar bazasi jadvallarini 5 ta taqsimlashga erishilganda ma’lumotlar va so‘rovlarni tezkor qayta ishlashda yagona foydalanuvchi uchun ketadigan vaqt 5.2 barobarga, bir vaqtni o‘zida bir qancha foydalanuvchi uchun ketadigan vaqt 3.09 barobarga kamayishiga erishildi. Ma’lumotlar ishonchliligini oshirishda taqsimlangan usullarni qo‘llash asosida ishonchlilik ko‘rsatkichi 2 barobarga oshirish imkoniyati yaratildi. Ma’lumotlar bazasidagi jadvallarni taqsimlash chegaralarini mashinaviy o‘qitish va neyron tarmoq algoritmi asosida intellektual aniqlash uchun qurilgan model MAE bo‘yicha 0.88 va RMSE bo‘yicha 1.73 aniqlilikka erishildi.
taqsimlangan tizimlarda noaniq shubhali ma’lumotlarni aniqlash ishonchligini oshirish uchun yo‘qotish funksiyalarini regulyarizatsiyalash asosida LSTM neyron tarmoqli modelni optimallashtirish usuli, ma’lumotlarni boshqarishda taqsimlash chegaralarini aniqlashning bashorat natijalarini silliqlash uchun mashinaviy o‘qitishning ansambl modellarini ko‘p qatlamli neyron tarmoq yordamida umumlashtirishning usuli hamda taqsimlangan tizimlarda noaniq shubhali ma’lumotlarni aniqlash ishonchligini oshirish uchun LSTM neyron tarmoqqa asalari koloniyasi algoritmini qo‘llash asosida LSTM neyron tarmoqli modelning giperparametrlarini optimallashtirish usulining dasturiy vositasi “Toshkent axborot texnologiyalari universiteti Samarqand filiali”ga joriy qilingan (O‘zbekiston Respublikasi Raqamli texnologiyalar vazirligining 2025-yil 8-apreldagi 33-8/2304-sonli ma’lumotnomasi). Natijada, ishlab chiqilgan dasturiy mahsulotlar tarkibidagi ma’lumotlarni va so‘rovlarni tezkor qayta ishlashda ketadigan vaqt 5.9 barobarga kamayishiga erishildi. Ma’lumotlar ishonchliligini oshirishda taqsimlangan usullarni qo‘llash asosida ishonchlilik ko‘rsatkichi 2 barobarga oshirish imkoniyati yaratildi. Ma’lumotlar bazasidagi jadvallarni taqsimlash chegaralarini mashinaviy o‘qitish asosida intellektual aniqlash uchun qurilgan model MAE bo‘yicha 0.96 va RMSE bo‘yicha 1.64 aniqlilikka erishish imkoniyatini bergan.
