Досліджено питання розширення можливостей прийняття рішень за умов невизначеностей, включаючи пропуски у даних, на базі застосування методів моделювання багатовимірних залежностей. Розроблено новий підхід до моделювання даних залежностей на базі експериментальних даних за умов невизначеностей, включаючи пропуски даних. Запропоновано показник якості нечітких моделей з використанням інтервальних функцій належності. Побудовано автоматизовану систему діагностування гіпотиреозу, яка дозволяє завдяки використанню інтервальних функцій належності визначати діагнози для конкретних хворих за неповної вхідної інформації на підставі експериментальних даних, що містять пропуски. Розроблено нові моделі, що описують операції мутації та схрещування в генетичному алгоритмі, які дозволяють розв'язувати задачу настроювання нечітких моделей з великою кількістю вхідних параметрів.

  Завантажити