Фатма М. С. Дослідження систем з нечіткою логікою в задачах прогнозування й класифікації

Дисертація присвячена дослідженню ефективності систем з нечіткою логікою та нечітких нейромереж в задачах прогнозування та класифікації в умовах невизначеності. Розроблено та досліджено новий алгоритм навчання параметрів з гаусівськими функціями приналежності (ФП). Запропоновано алгоритм прогнозування макроекономічних процесів із застосуванням нечітких нейромереж. Проведено аналіз ефективності різних алгоритмів нечіткого логічного висновку (Мамдані, Цукамото і Сугено) з різними функціями приналежності в задачах прогнозування в макроекономіці та фінансовій сфері, в результаті якого визначено найкращий алгоритм для даного класу задач. Проведено дослідження впливу розміру бази правил та кількості значень (термів) лінгвістичних змінних на точність прогнозування, що надає можливість обґрунтовано вибрати ці параметри залежно від вимірності задач. Поліпшено алгоритм навчання системи з гаусівськими ФП для задач класифікації та експериментально підтверджено вплив величини кроку навчання на швидкість збіжностіалгоритму.