Мақолада турли турдаги муносабатлар функцияси билан Сугено тилидаги нейроноравшан моделлар таҳлил қилинган. Хатоларни қайта тарқалиши ва кичик квадрат усулларини
бирлаштирувчи энг тез тушиш ва гибрид оптималлаштириш усулари таққосланган. Технологик
параметр ёрдамида нейро-норавшан модель билан Grid partition ва Sub Clustering алгоритми
бўйича ҳисоблаш натижалари солиштириб таҳлил қилинган.
 

В статье проанализированы нейро-нечеткие модели типа Сугено с разными видами
функций принадлежности. Охарактеризованы оптимизационные методы обратного
распространения ошибки, основанные на идеях наискорейшего спуска, и гибридного алгоритма,
объединяющего методы обратного распространения ошибки и наименьших квадратов.
Осуществлен сравнительный анализ результатов, полученных с использованием нейро-нечетких
моделей, с экспериментальными данными по алгоритмам Grid partition и Sub Clustering на основе
технологических параметров.

The article deals with an analysis of the neuro-fuzzy Sugeno models with different types of
membership functions. There was given a comparison between the optimization method of back
propagation, based on the idea of steepest descent and the hybrid algorithm that combines methods of
back-propagation errors and least squares. There was also given a comparative analysis of the
experimental results on such algorithms as Grid partition and Sub Clustering with different technological
parameters.