Анотація до роботи:

Фатма М. Саваєє. Дослідження систем з нечіткою логікою в задачах прогнозування й класифікації. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 01.05.02 – Математичне моделювання й обчислювальні методи.

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 збіжності алгоритму.

У роботі проведені дослідження й аналіз систем з нечіткою логікою й нечітких нейронних мереж в задачах прогнозування та класифікації.

Основні наукові результати роботи полягають у наступному:

1. Розроблено й досліджено новий алгоритм навчання нечітких нейронних мереж з гаусівськими функціями приналежності, що забезпечило підвищення точності прогнозування і якості класифікації в порівнянні з існуючими методами.

2. Розроблено алгоритми прогнозування макроекономічних процесів в умовах невизначеності й неповноти вихідної інформації із застосуванням нечітких нейромереж.

3. Проведено порівняльний аналіз ефективності різних алгоритмів нечіткого логічного висновку (Цукамото, Мамдані, Сугено) у задачах прогнозування в макроекономіці, що дає можливість вибрати найкращий алгоритм для даного класу задач.

4. Досліджено вплив числа нечітких правил висновку й кількості значень лінгвістичних змінних на якість прогнозування, що дає можливість обґрунтовано вибирати ці параметри залежно від вимірності задачі прогнозування.

5. Експериментально підтверджено наявність впливу величини кроку й рандомізації навчальної вибірки в алгоритмах навчання за градієнтними методами на швидкість збіжності та існування оптимальної величини кроку.

6. В результаті проведених досліджень підтверджено доцільність використання ННМ у задачах макроекономічного прогнозування, визначено найбільш ефективний алгоритм нечіткого висновку й навчання параметрів правил і розроблено рекомендації з вибору числа нечітких правил і значень лінгвістичних змінних залежно від вимірності задач прогнозування.

7. Створено і досліджено комплекс програм моделювання ННМ із різними алгоритмами нечіткого логічного висновку й алгоритмами навчання для задач прогнозування та класифікації.

Основні результати роботи, відображені в наступних публікаціях.

1. Зайченко Ю.П., Севаєє Фатма, Титаренко К.М., Титаренко Н.В. Дослідження нечітких нейронних мереж у задачах макроекономічного прогнозування // Системні дослідження та інформаційні технології. -2004.-№2. - с.70-86. – автором проведені дослідження ефективності нечітких контролерів з висновком Мамдані й Цукамото в задачах макроекономічного прогнозування.

2. Зайченко Ю.П., Севаєє Фатма. Дослідження нечіткої нейронної сети ANFIS у задачах макроекономічного прогнозування // Системні дослідження та інформаційні технології.-2005.-№1.-с.100-112. – автором проведені дослідження ефективності застосування нечіткої нейромережі ANFIS в задачах прогнозування.

3. Ю. П. Зайченко, Ю. В. Келестин, Севаее Фатма. Сравнительный анализ эффективности нечетких нейронных сетей в задачах прогнозирования в экономике и финансовой сфере // Системні дослідження та інформаційні технології. – 2006.№1.-с.56-70. – автором запропоновано новий алгоритм навчання нейромереж з висновками Мамдані та Цукомото та проведено дослідження ефективності нейромереж з різними алгоритмами висновку в задачах прогнозування в економіці та фінансовій сфері.

4. Зайченко Ю.П., Севаєє Фатма, Мацак А.В. Нечітка нейронна мережа для класифікації економічних даних // Вісник національного технічного університету України „КПІ”, сер. Інформатика керування й обчислювальна техніка .-2004.- Вип. 42.-с. 121-133. – автром запропоновано новий алгоритм навчання нечіткої нейромережі в задачах класифікації економічних об’єктів.

5. Зайченко Ю.П., Севаєє Фатма. Дослідження нечітких систем логічного висновку в задачах прогнозування в макроекономіці // Тези доповідей міжнародної науково-практичної конференції “Інтелектуальні системи прийняття рішень і інформаційні технології” 19-21 травня 2004, Чернівці.-с. 109-110. – автором проведені експериментальні дослідження нечітких нейронних мереж в задачах макроекономічного прогнозування.

6. Зайченко Ю.П., Севаєє Фатма, Мацак А.В. Дослідження нечіткої нейронної сети для класифікації економічної інформації // Матеріали з 12-й міжнародної конференції з автоматичного керування , 30 травня - 3 червня 2005року, Харків.-2005. – автором досліджено ефективність використання нечітких нейромереж в задачах класифікації в економіці.

7. Зайченко Ю.П., Севаєє Фатма. Дослідження нечіткої нейронної сети ANFIS у задачах макроекономічного прогнозування. // У тр. 11-ой міжнародної конференції “ Knowledge-Dialogue-Solution ”. KDS.-2005. June 20-30, 2005. Varna, Bulgaria. pp. 479-485 – автором досліджено ефективність нечіткої мережі з висновком Сугено в задачах прогнозування, і виявлено вплив кількості значень лінгвістичних змінних на точність прогнозування.

8. Зайченко Ю.П., Севаєє Фатма. Порівняльний аналіз із нечіткою логікою й ННС у задачах макроекономічного прогнозування // Матеріали VII міжнародної науково-технічної конференції “системний аналіз і інформаційні технології”, 28 червня-2 липня 2005р. Київ.-2005.-с.124. – автором проведено аналіз ефективності застосування нечітких нейромереж з різними видами функцій приналежності та алгоритмами нечіткого висновку в задачах прогнозування.