Вперше для аналізу фінансового стану та прогнозування ризику банкрутства запропоновано використання нечітких нейронних мереж (ННМ) з різними алгоритмами нечіткого виведення, які відрізняються можливістю урахування неповної, недостовірної інформації та інформації якісного характеру. Вперше запропоновано застосування ННМ ANFIS і TSK, а також нечіткого метод групового урахування аргументів (МГУА), для прогнозування ризику банкрутства банків. Удосконалено алгоритми роботи ННМ Мамдані та Цукамото для прогнозування ризику банкрутства підприємств. Розроблено базу правил нечіткого виведення для НHM Мамдані та Цукамото в задачі прогнозування ризику банкрутства підприємств, яка використовує запропонований набір фінансово-економічних показників підприємств, та запропоновано спосіб її суттєвого скорочення. Набуло подальшго розвитку каскадні нео-фаззі нейромережі в задачах прогнозування ризику банкрутства корпорацій, що мають підвищену швидкість збіжності в порівнянні з ННМ Мамдані та Цукамото. Проведено дослідження ННМ із різними алгоритмами нечіткого виведення в задачах прогнозування ризику банкрутства підприємств та банків і виконано порівняльний аналіз їх ефективності з відомими методами.

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"