May 31 · Preprint · Preprints.org · Health Information Management
Life expectancy is a critical indicator of public health, influenced by multiple factors including behavioral and lifestyle choices such as physical activity, diet, smoking, and alcohol consumption. This study aims to identify key risk factors that influence life expectancy and contribute to mortality changes. Using data from 2000 to 2021,utilizing statistical regression models and deep learning techniques (LSTM), a comparative analysis was conducted for Kyrgyzstan, Japan, and Kazakhstan, focusing on smoking, alcohol consumption, and Body Mass Index (BMI). The findings demonstrate significant impacts of these factors on life expectancy and mortality rates and reveal substantial differences between developed and developing coun- tries. This study highlights the importance of strategic public health measures and shows the potential for developing predictive models that can support personalized healthcare and help shape policies aimed at improving life expectancy.
RIRuslan IsaevOpen access
May 31 · Article · Вестник КазАТК · Mechanical Engineering
Pyrometallurgical processes, such as copper concentrate smelting, are pivotal to the metallurgical industry. Effectively managing these processes necessitates a comprehensive understanding of thermal and material flow dynamics. This paper outlines the development of a mathematical model and control algorithm for the Vanyukov smelting process. The proposed solution aims to optimize operational regimes and improve production efficiency. The study explores the synthesis of models and algorithms for a hybrid system grounded in the analysis and processing of extensive data collected at the Balkhash Copper Smelter. Mathematical modeling techniques and research findings are presented, including transfer function construction and simulations utilizing various controllers.
GYGaliya YbytayevaOpen access
May 31 · Article · Вестник КазАТК · Plant Science
Цифрлық егіздер азық-түлік өнеркәсібі кәсіпорындарының үдерістерін оңтайландыру мен тиімділігін арттырудың маңызды құралына айналуда. Бұл виртуалды модельдер күрделі 3D деректерді өңдеу және талдау үшін жоғары есептеу қуатын талап етеді. Мақалада азық-түлік өнеркәсібі кәсіпорны үшін цифрлық егізді әзірлеуде 3D тереңдетілген оқытуды жеделдету мақсатында PyTorch3D кітапханасын қолдану зерттеледі. PyTorch3D 3D деректермен жұмыс істеуге арналған қуатты құралдарды, соның ішінде дифференцияланатын рендеринг пен нүктелік бұлттарды өңдеуді ұсынады, бұл модельдерді оқыту мен қолдануға кететін уақыт пен ресурстарды айтарлықтай қысқартады. Мақалада PyTorch3D-дің негізгі функционалдық мүмкіндіктері талқыланып, цифрлық егіздерді құру процесіне оның интеграциясының мысалдары келтірілген және кітапхананың дәстүрлі тәсілдермен салыстырғандағы тиімділігі бағаланған. Өндірістік үдерістерді нақты уақыт режимінде модельдеу мен симуляциялау үшін терең нейрондық желілерді қолдануға ерекше назар аударылған. Зерттеу нәтижелері PyTorch3D-дің модельдердің өнімділігі мен дәлдігін арттырып, 3D деректерді жылдамырақ өңдеуді және өндіріс шарттарының өзгеруіне жүйенің икемделуін қамтамасыз ететінін көрсетеді. Бұл нәтижелер PyTorch3D-дің цифрлық егіздерді әзірлеу саласындағы әлеуетін атап көрсетіп, азық-түлік өнеркәсібінде автоматтандыру мен оңтайландырудың жаңа мүмкіндіктерін ашады.
Tomiris NurgazyOpen access
