Sayidqulov Asliddin Xusniddin o‘g‘lining
falsafa doktori (PhD) dissertatsiyasi himoyasi haqida e’lon

I. Umumiy ma’lumotlar. 
Dissertatsiya mavzusi, ixtisoslik shifri (ilmiy daraja beriladigan fan tarmog‘i nomi): “Sun’iy intellekt modellari asosida kechikishlarni aniqlash qarorlarini qabul qilishga ko‘maklashishning algoritmlari”, 05.01.11 – Raqamli texnologiyalar va sun’iy intellekt (texnika fanlari).
Dissertatsiya mavzusi ro‘yxatga olingan raqam: B2025.4.PhD/T6162.
Ilmiy rahbar: 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: Sharof Rashidov nomidagi Samarqand davlat universiteti huzuridagi ilmiy darajalar beruvchi PhD.03/2025.27.12.T.09.06 raqamli ilmiy kengash.
Rasmiy opponentlar: Botirov Fayzullajon Baxtiyorovich, Texnika fanlari doktori, dotsent. 
Xasanov Dilmurod Rasul o‘g‘li, texnika fanlari bo‘yicha falsafa doktori, dotsent.
Yetakchi tashkilot: Nukus davlat texnika universiteti
II. Tadqiqotning maqsadi: sun’iy intellekt modellari asosida kechikishlarni aniqlash qarorlarini qabul qilishga ko‘maklashishning algoritmlari va dasturiy vositasini ishlab chiqishdan iborat. 
III. Tadqiqotning ilmiy yangiligi:
sun’iy intellekt modellari asosida sotuvdagi kechikishlarni aniqlash qarorlarini qabul qilishga ko‘maklashish uchun ma’lumotlar to‘plamida asosiy xususiyatlarni ajratishni hisobga olib, normallashtirish, kodlashtirish va statistik usullar yordamida etishmayotgan qiymatlarni to‘ldirish va ma’lumotlarni tayyorlashning algoritmi ishlab chiqilgan;
sotuvdagi kechikishlarni aniqlash qarorlarini qabul qilishga ko‘maklashish uchun murakkab bog‘langan ma’lumotlarni boshqarishni hisobga olib vaqtli qatorli funksiyalar usulining ARIMA modelini hamda ARIMA modeliga mavsumiylik komponentini qo‘shish orqali takomillashtirishning SARIMA modeliga asoslangan algoritmlari ishlab chiqilgan; 
kechikishlarni aniqlash uchun mashinaviy o‘qitishning boosting yondashuvidagi modelining yo‘qotish funksiyasini optimallashtirish va kodlashtirishda Baes usulini qo‘llashni hisobga olib CatBoost ansambli hamda qaror qabul qilish bashoratida ko‘pchilik ovoz berish funksiyasini qo‘llagan holda RandomPatches ansambllariga asoslangan algoritmlari ishlab chiqilgan;
tayanch vektorlar va ko‘p qatlamli neyron tarmoqli usullar asosida kechikishlarni aniqlash hamda tayanch vektorlar va ko‘p qatlamli neyron tarmoqlarni kvant hisoblashning amplitudaviy kodlash mexanizmi asosida takomillashtirishning algoritmlari ishlab chiqilgan.
IV. Tadqiqot natijalarining joriy qilinishi.
Dissertatsiya tadqiqotlari doirasida sun’iy intellekt modellari asosida kechikishlarni aniqlash qarorlarini qabul qilishga ko‘maklashishning algoritmlarini ishlab chiqish bo‘yicha olingan ilmiy natijalar asosida:
sun’iy intellekt modellari asosida sotuvdagi kechikishlarni aniqlash qarorlarini qabul qilishga ko‘maklashish uchun ma’lumotlar to‘plamida asosiy xususiyatlarni ajratishni hisobga olib, normallashtirish, kodlashtirish va statistik usullar yordamida etishmayotgan qiymatlarni to‘ldirish va ma’lumotlarni tayyorlashning algoritmi hamda tayanch vektorlar va ko‘p qatlamli neyron tarmoqli usullar asosida kechikishlarni aniqlash hamda tayanch vektorlar va ko‘p qatlamli neyron tarmoqlarni kvant hisoblashning amplitudaviy kodlash mexanizmi asosida takomillashtirish algoritmlarining dasturiy vositasi O‘zbeksiton Respublikasi savdo sanoat palatasi Samarqand viloyati Jomboy tuman bo‘limida joriy qilingan (O‘zbekiston Respublikasi savdo-sanoat palatasining 2025-yil 7-noyabrdagi 05-33-12701-sonli ma’lumotnomasi). Natijada, ishlab chiqilgan dasturiy vosita yordamida sotuvdagi kechikishlarni aniqlash samaradorligi RMSE bo‘yicha 1.43 dan 0.536 gacha, MAE bo‘yicha 0.031 dan 0.01 gacha aniqlilikka erishish imkonini bergan;
sotuvdagi kechikishlarni aniqlash qarorlarini qabul qilishga ko‘maklashish uchun murakkab bog‘langan ma’lumotlarni boshqarishni hisobga olib vaqtli qatorli funksiyalar usulining ARIMA modelini hamda ARIMA modeliga mavsumiylik kompanentini qo‘shish orqali takomillashtirishning SARIMA modeliga asoslangan algoritmlarining dasturiy vositasi “Azizon mahsulot servis” MChJ tashkilotida amaliyotga tatbiq etilgan (O‘zbekiston Respublikasi savdo-sanoat palatasining 2025-yil 7-noyabrdagi 05-33-12701-sonli ma’lumotnomasi). Natijada, ishlab chiqilgan dasturiy vosita sotuvdagi kechikishlarni aniqlash qarorlarini qabul qilish samaradorligini RMSE bo‘yicha 1.97 dan 1.44 gacha, MAE bo‘yicha 0.93 dan 0.71 gacha aniqlilikka erishish imkonini bergan;
kechikishlarni aniqlash uchun mashinaviy o‘qitishning boosting yondashuvidagi modelini yo‘qotish funksiyasini optimallashtirish va kodlashtirishda Baes usulini qo‘llashni hisobga olib CatBoost ansambli hamda qaror qabul qilish bashoratida ko‘pchilik ovoz berish funksiyasini qo‘llagan holda RandomPatches ansambllariga asoslangan algoritmlarining dasturiy vositasi “Mazali No‘xat” korxonasiga joriy qilingan (O‘zbekiston Respublikasi savdo-sanoat palatasining 2025-yil 7-noyabrdagi 05-33-12701-sonli ma’lumotnomasi). Natijada, ishlab chiqilgan dasturiy vosita sotuvdagi kechikishlarni aniqlash qarorlarini qabul qilishga ko‘maklashish samaradorligini RMSE bo‘yicha 1.43 dan 0.536 gacha, MAE bo‘yicha 0.031 dan 0.01 gacha aniqlilikka erishish imkonini bergan.