Color technology and color measurement will be allow encode the color of a painting, which is a tangible cultural heritage, and create a color database based on the color measurement  values. When move the painting from the premises to international and domestic exhibitions, we can compare to the previous color measurement value and last color measurement value by color data  processing of painting using the color database, data analysis and machine learning to verify the  original image intended. The aim of this work was to implement a method of recognizing paintings using a data analysis and machine learning methods based on color data. Data analysis methods such as spectral curve testing, distribution testing, hypothesis testing, T, F, Z testing, and ANOVA testing were tested and the results need to be confirmed by further measurements.  Уран Зургийг Өнгөний Өгөгдөлд Дүн Шинжилгээ Хийн Таних нь    Хураангуй: Өнгөний технологи буюу өнгөний хэмжилт хийж соёлын биет өв болох уран  зургийн өнгийг кодлох боломжтой бөгөөд тухайн өнгөний хэмжилтийн утгуудаар өнгөний мэдээллийн сан үүсгэнэ. Уран зурагт өнгөний хэмжилт хийн өнгөний тархалтын  загвар боловсруулснаар тухайн өнгөний мэдээллийн сангаа ашиглан уран зургийг олон  улс болон дотоодын үзэсгэлэнд явуулах хэлбэрээр байрнаас хөдөлгөх зэрэгт дахин хэмжилт хийж өмнөх хэмжилтийн утгатай харьцуулан өнгөний өгөгдлийн боловсруулалт  хийх, өгөгдлийн дүн шинжилгээ хийх аргаар тухайн эх зураг мөн эсэхийг шалгах зорилготой. Бид Уран зургийн галерейн түүх соёлын хосгүй үнэт 5 бүтээл дээр өнгөний  хэмжилтүүд хийн өнгөний мэдээллийн сан бий болгосон бөгөөд энэхүү ажлаар жишээ  болгон хэд хэдэн зураг дээр хийсэн хэмжилтээр туршилт шинжилгээ хийсэн. Энэхүү  ажлаар өнгөний өгөгдөлд суурилан өгөгдлийн шинжилгээний хэд хэдэн анализын аргаар уран зургийг таних арга зүй нэвтрүүлэхээр зориж туршилтууд хийж үр дүн гаргав.  Спектрийн муруйн аргаар шалгах, Тархалтаар нь харьцуулж шалгах, Таамаглал шалгах  Т, F, Z шинжүүрээр шалгах, ANOVA шинжүүрээр шалгах зэрэг өгөгдлийн анализын аргуудыг туршсан бөгөөд цаашид давтан хэмжилтээр үр дүнгүүдээ бататгах шаардлагатай  юм.  Түлхүүр үгс: Өнгөний хэмжилт, өгөгдлийн шинжилгээ, статистик шалгуур

No abstract

Predicting and forecasting air quality is the one of the most essential activity in the Smart City. Recently, there are many study to use the machine learning approaches for evaluating and predicting air quality using big data. The aim of this study is to obtain machine learning model for air quality forecasting using previous air quality station data and the weather data. The air quality depends on multi-dimensional factors including location, time, weather parameters, such as temperature, humidity, wind direction and force, air pressure, etc. There are many machine learning approaches, but artificial neural Network model tries to simulate the structures and networks within human brain. It is convenient for working to find relation between multi parameters. If the neural network could determine the relation of the air quality using the weather and air quality data of last year, it is possible to predict approximately air quality of Ulaanbaatar city. We used features including parameters of temperature, humidity, wind direction, air pressure, PM2.5 and PM10, NO2, CO, SO2 and measuring time to build recurrent neural network model that is the class of artificial neural network. In this work we did machine learning test of neural network algorithm for the air quality prediction using LSTM /long short term memory/ model and discussed machine learning test results. * Speaker PoS(ISGC2021)012Air quality predictions of Ulaanbaatar using machine learning approach Otgonsuvd Badrakh 2