«КРСУнун ЖАРЧЫСЫ» журналынын МААЛЫМАТ ПОРТАЛЫ

Статья продолжает работу, в которой описано формирование сбалансированной панели агроэкономических данных Кыргызской Республики методом линейной интерполяции и множественного вменения цепными уравнениями (MICE) на базе алгоритма Random Forest. В настоящем исследовании рассматриваются альтернативный и дополняющий подходы к иной, более узкой задаче – подготовке данных непосредственно для обучения глубокой прогностической нейронной сети: маскированный вариационный автоэнкодер (VAE), генеративная модель, обучаемая напрямую на неполных наблюдениях. Статья носит методологический характер: подробно описаны архитектура энкодера и декодера с явным маскированием пропусков, агрономически взвешенная функция потерь ELBO, пятикомпонентная схема аугментации обучающей выборки, метод оценки неопределённости Monte Carlo Dropout и процедура self-masking валидации, позволяющая объективно оценить качество импутации в отсутствие истинных значений для реально пропущенных наблюдений, в сравнении с тремя эталонными методами – средним k ближайших соседей (KNN) и MICE (IterativeImputer). Количественные результаты применения описанной методологии на конкретном запуске пайплайна приведены в отдельной статье того же цикла исследований.

импутация пропущенных данных; вариационный автоэнкодер; MICE; IterativeImputer; selfmasking; Monte Carlo Dropout; аугментация данных; агроэкономическая панель; Кыргызская Рес

Бул макала эмгектин уландысы болуп саналат. Анда Кыргыз Республикасынын агроэкономикалык берилиштеринин Random Forest алгоритминин негизинде, сызыктуу интерполяция жана чынжырлуу теңдемелер аркылуу көптүк импутация (MICE) ыкмасы менен түзүлгөн тең салмактуу панели сүрөттөлгөн. Учурдагы изилдөөдө терең прогноздоочу нейрондук тармакты окутуу үчүн берилиштерди даярдоонун альтернативдик жана толуктоочу мамилеси каралат: бул – толук эмес байкоолордун негизинде түздөн-түз окутулган генеративдик модель болгон маскировкаланган вариациялык автоэнкодер (VAE). Макала усулдук мүнөзгө ээ. Анда төмөнкү элементтер кеңири сүрөттөлгөн: берилиштердеги боштуктарды (же жок берилиштерди) ачык маскировкалоо менен түзүлгөн энкодер жана декодердин архитектурасы; агрономиялык жактан салмакталган ELBO жоготуу функциясы; окутуу тандамын аугментациялоонун беш компоненттүү чийими; Monte Carlo Dropout ыкмасы менен белгисиздикти баалоо жана чын мааниси белгисиз болгон накта жоголгон байкоолор үчүн импутациянын сапатын объективдүү баалоого мүмкүндүк берген self-masking валидация жол-жобосу. Аталган ыкмалар үч эталондук усул - орточо маани, k эң жакын кошуналар (KNN) жана MICE менен салыштырылып изилденген. Сүрөттөлгөн усулдукту конкреттүү пайплайнды иштетүүдө колдонуунун сандык натыйжалары ошол эле изилдөө циклинин башка бир макаласында келтирилген.

жетишпеген маалыматтарды импутациялоо; вариациялык автоэнкодер; MICE; IterativeImputer; self-masking; Monte Carlo Dropout; берилиштерди аугментациялоо; агроэкономикалык панель; Кыргыз Республикасы

This article continues the work, which described the construction of a balanced panel of agroeconomic data for the Kyrgyz Republic using linear interpolation and multiple imputation by chained equations (MICE) based on the Random Forest algorithm. The present study considers an alternative and complementary approach to a different, more narrowly defined task: preparing data directly for training a deep predictive neural network, namely, a masked variational autoencoder (VAE), a generative model trained directly on incomplete observations. The article is methodological in nature and describes in detail the encoder-decoder architecture with explicit masking of missing values, an agronomically weighted ELBO loss function, a five-component training-set augmentation scheme, the Monte Carlo Dropout method for uncertainty estimation, and a self-masking validation procedure that enables an objective assessment of imputation quality in the absence of true values for genuinely missing observations. The proposed approach is benchmarked against three baseline methods: mean imputation, k-nearest neighbors (KNN), and MICE (IterativeImputer). Quantitative results obtained from applying the described methodology in a specific pipeline run are presented in a separate article within the same research series.

missing data imputation; variational autoencoder; MICE; IterativeImputer; self-masking; Monte Carlo Dropout; data augmentation; agroeconomic panel; Kyrgyz Republic