В статье рассмотрены базовые компоненты гибридных интеллектуальных систем
мониторинга и приняти решений, такие как нечеткие нейронные сети, сеть Такаги–Сугено–Канга,
сеть Ванга–Менделя, нечеткие сети с самоорганизацией, алгоритм нечеткой самоорганизации Cmeans и гибридный алгоритм обучения, с помощью которых решаются задачи классификации,
кластеризации и прогнозирования. Обосновано что, отличительными особенностями решаемых
задач указанных типов являются большая размерность, многокритериальность, наличие
неопределенностей в исходной информации.
 

Мақолада мониторинг ва қарор қабул қилиш гибрид интелллектуал тизимнинг бошланғич
компонентлари – норавшан нейрон тўрлар, Такаги–Сугено–Канга тўри, Ванга–Мендел тўри, ўзи
ташкилланувчи норавшан тўрлар, C-means норавшан ўзи ташкилланувчи алгоритм ва
классификация, кластеризация ва башоратлаш масаласини ечувчи ўқитишнинг гибрид алгоритми
кўриб чиқилган. Кўрсатилган турдаги ечиладиган масалаларнинг фарқли хусусиятлари: катта
ўлчамлилиги, кўп мезонлилиги, дастлабки ахборотда ноаниқликларнинг мавжудлиги ҳисобланади.
 

The article describes the basic components of hybrid intelligent systems for monitoring and
decision-making, such as the fuzzy neural network, a network of Takagi–Sugeno–Kang Wang–Mendel
network, fuzzy network with self-organizing algorithm of fuzzy self-C-means and hybrid learning
algorithm by which solved classification problems, clustering, and forecasting. Distinctive features of
these types of tasks are the following: large dimensionality multicriteriality, the uncertainties in the
original information.