https://journal.num.edu.mn/EAS/issue/feed
Mongolian Journal of Engineering and Applied Sciences
2023-12-23T17:46:30+08:00
Tamiraa Ganbold
tamiraa@num.edu.mn
Open Journal Systems
<p style="text-align: justify; text-indent: 25px;">Mongolian Journal of Engineering and Applied Sciences is devoted to original research articles in all areas of Engineering, Technology, and Applied Sciences including Applied Mathematics, Computer Science, Information and Communication Technology, Material Science, Nanotechnology, Electronics, Nuclear Engineering, Chemical Engineering and Technology, Biological Engineering, Renewal Engineering, Meteorology, Environmental Science and Engineering and Forestry. This is a peer-reviewed journal and the articles can be published in English or in Mongolian.</p>
https://journal.num.edu.mn/EAS/article/view/4978
Программ хангамжийн статик загвараас зохиомжийн согогийг илрүүлэх нь
2023-05-17T10:55:31+08:00
Batnyam Battulga
batnyam@seas.num.edu.mn
Lkhamrolom Tsoodol
lhamrolom@seas.num.edu.mn
Naranchimeg Bold
naranchimeg@seas.num.edu.mn
<p>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.</p>
2023-10-26T00:00:00+08:00
Copyright (c) 2023 Mongolian Journal of Engineering and Applied Sciences
https://journal.num.edu.mn/EAS/article/view/4985
Графын чухал оройг илрүүлэх хувьслын алгоритм
2023-05-20T10:08:43+08:00
Gantulga Gombojav
gantulga_g@num.edu.mn
Battsengel Purevdorj
pbattsengel1@gmail.com
Dalaijargal Purevsuren
dalaijargal@seas.num.edu.mn
<p>Энэхүү судалгааны ажлаар сүлжээ (граф)-ний чухал оройн бодлого (ЧОБ) -ыг хувьслын алгоритм (evolutionary algorithm (EA))-аар бодох аргыг судална. ЧОБ нь сүлжээнээс хамгийн цөөн тооны оройг устган, үлдэгдэл сүлжээний хамгийн том холбоост бүрдлийн (ХТХБ) хэмжээг өгөгдсөн L параметрээс бага байлгах бодлого юм. Сүүлийн жилүүдэд хийгдэж буй өгөгдөлд суурилсан судалгаагаар байгаль, нийгэм дэх сүлжээ (систем) нь бүлэг бүтэц (community structure)-тэй гэдгийг тогтоогоод байна. Энэ ажилд сүлжээний бүлэг бүтцийн мэдээллийг ЧОБ-д ашиглах шинэ аргыг танилцууллаа. Тодруулбал, бүлэг бүтцийн мэдээллийг генийн дүрслэлээр (representation) ашиглах хувьслын алгоритмыг зохиомжлов. ЧОБ-д өргөн ашиглагддаг зургаан бодит сүлжээн дээр алгоритмын ажиллагааг туршиж, Greedy1, Greedy2, Genetic algorithm гэсэн гурван аргатай харьцуулан, дэвшүүлж буй алгоритмын гүйцэтгэлийг үнэллээ. Дэвшүүлж буй алгоритм том сүлжээн дээр 10-30 дахин богино хугацаанд, 2 өгөгдөл дээр давуу шийд гаргаж байгааг туршилтын үр дүн харуулав.</p>
2023-10-26T00:00:00+08:00
Copyright (c) 2023 Mongolian Journal of Engineering and Applied Sciences
https://journal.num.edu.mn/EAS/article/view/4993
Гүйцэтгэлийн үзүүлэлтэд суурилан параметрүүдийг өөрчилдөг Нөхцөлт Хэндовр
2023-05-22T23:29:43+08:00
Шинэбаяр Оюун-Эрдэнэ
o.shinebayar27@gmail.com
Тэлмүүн Түмнээ
telmuun@seas.num.edu.mn
Нанзадрагчаа Дамбасүрэн
nanzadragchaa@seas.num.edu.mn
Золзаяа Хэрлэнчимэг
zolzaya@seas.num.edu.mn
Battulga Davaasambuu
battulgad@num.edu.mn
<p>Нөхцөлт Хэндовр (НХ) нь 5G сүлжээнд зориулан хөгжүүлсэн хэндовр механизм юм. Энэхүү механизм нь уламжлалт хэндоврийн бэлтгэх болон гүйцэтгэх шатуудыг салгах, бай үүрийн жагсаалт бий болгох замаар хэрэглэгчийн шилжин орох боломжтой үүрүүдийн тоог олон байлгаж Radio Link Failure (RLF), Handover Ping-Pong (HPP) болон бэлтгэх шатанд гарах алдааг багасгах давуу талтай юм. Харин хяналтын мессежний тоо ихсэх, олон бай үүрээс сонголт хийх асуудал зэрэг сул талуудтай. Энэхүү судалгааны ажлаараа бид Handover Performance Indicator (HPI)-д суурилсан нөхцөлт хэндоврын механизм танилцуулна. Энэхүү механизм нь хэндоврын гүйцэтгэл, алдааг бууруулах зорилгоор хэндоврийн гүйцэтгэх шатыг эхлүүлэхэд хэрэглэдэг параметрүүдийн утгыг автоматаар тохируулах юм. Бидний санал болгож буй механизмаа 3GPP-ийн стандарт хувилбартай харьцуулахад Хэндоврын алдааны харьцаа 2.5 хувиар багассан, Ping-Pong хэндоврийн харьцаа 2 хувиар буурсан, RLF-ын харьцаа 3 хувиар буурсан үр дүнг гарсан. Мөн сүлжээний хувьд HPI тогтворжсон сайн талтай байсан.</p>
2023-10-26T00:00:00+08:00
Copyright (c) 2023 Mongolian Journal of Engineering and Applied Sciences
https://journal.num.edu.mn/EAS/article/view/4996
Ангилагчийн гүйцэтгэлийг үнэлэх хэмжүүр Өсвөр үеийхний сэтгэл хөдлөлийн өгөгдөл
2023-05-23T16:36:13+08:00
Akhyt Tilyeubai
akhit@mnums.edu.mn
Javzmaa Tsend
javzmaa@mnums.edu.mn
Baasandorj Chalkhaasuren
baasandorj@mnums.edu.mn
Ajnai Luvsan-Ish
ajnai@mnums.edu.mn
Bayarmaa Vaanchindorj
vbayarmaa41@gmail.com
<p>ДЭМБ-ын судалгаагаар дэлхий дахинаа хүүхэд, өсвөр насныхны 20% сэтгэц, зан үйлийн эмгэгтэй ба ихэнх эмгэг өсвөр насанд эхлэн илэрдэг. Бид энэхүү судалгааны ажлаар Говь-Алтай аймгийн 3764 сурагчдаас онлайнаар өсвөр насныхны сэтгэл хөдлөл, зан үйлийн илрэлийг үнэлэх SDQ асуумж авч, сурагч, эцэг/эх асран хамгаалагч, багшийн үнэлгээний сангууд үүсгэн өсвөр насныхны сэтгэл хөдлөл, зан үйлийн илрэлийн үнэлгээний өгөгдөлд ангиллын аргуудыг туршин тэдний сэтгэцийн эрүүл мэндийн төлөвийг таамаглахыг зорилоо. Сурагчийн үнэлгээний санд шийдвэрийн модны С50 алгоритм, бэйсийн ангилал, дүрэмд үндэслэсэн ангиллын RIPPER алгоритмаар ангилагчууд байгуулахад бейсийн ангиллаар тооцоолсон ангилагчийн гүйцэтгэлийг үнэлэх хэмжүүр нарийвчлал бусдаас 1-2% их, sеnsitivity 89% specificity 88% буй нь сурагчдын сэтгэл хөдлөлийн зааг, хэвийн бус илрэлийг жигдхэн ангилсан байна.</p>
2023-10-27T00:00:00+08:00
Copyright (c) 2023 Mongolian Journal of Engineering and Applied Sciences