Тесленко Н. О. Нейро-фаззі моделі та системи, що самонавчаються, у задачах інтелектуального аналізу даних

Дисертація присвячена розробці нейро-фаззі моделей і систем та методів їх навчання і самонавчання, для вирішення таких задач інтелектуального аналізу даних, як відтворення функціональних залежностей, зниження розмірності простору ознак числових даних та задач автоасоціативної пам'яті у режимі послідовної обробки. Вперше запропоновано: модель нейромережевої автоасоціативної пам'яті на основі нечітких базисних функцій, що дозволило збільшити кількість образів, що запам'ятовуються, та зв'язати процес відновлення в нейромережевій моделі з процедурами нечіткої кластеризації; модель узагальненої регресійної нейро-фаззі мережі, що дозволило забезпечити підвищення точності та швидкості прогнозування та ідентифікації нелінійних нестаціонарних об'єктів; модель адаптивного F-перетворення, що дозволила обробляти дані у послідовному режимі та змінювати кількість функцій належності в процесі навчання. Вдосконалені методи самонавчання автоасоціативних нейронних мереж для зниження розмірності простору ознак даних, що дозволило підвищити швидкість та точність обробки даних Ефективність цих методів та моделей експериментально підтверджена на ряді відомих тестових та реальних задач обробки даних.