Нотиниқ  тўплам,  нейрон  тармоғи  (НТ),  генетик  алгоритмлар,  ҳамда  ахборотни  излаш, 
ишончлигини назорат қилиш, жараённи адаптив идентификация қилувчи моделларни ўргатишни 
мақбуллаштирувчи механизмлар асосида тасодифий вақтли қаторни таҳлил ва башорат қилишни 
такомиллаштирувчи  технологияни  яратишнинг  услубий  асослари  ишлаб  чиқилган.  Ахборотни 
ишончсиз  узатиш,  ностационарлик,  ташқи  муҳит  таъсири,  кўп  ўлчам,  параметри  ноаниқ  бўлган 
шароитда  кўп  мезонли  мақбуллаштириш  масаласининг  янги  ечими  таклиф  этилган.  Соддалиги, 
мослашувчанлиги,  юқори  даражада  турғунлиги  билан  фарқланадиган  рекуррент  НТга  таянган 
ахборотни  таҳлил,  идентификация  ва  қайта  ишлашнинг  мақбул  умумий  алгоритмлари  дастурий 
мажмуа сифатида FMPJ модули, 15 иккипроцессорли, иккиядроли компютерлардан фойдаланувчи 
параллел ҳисобланиш муҳитида жорийлаштирилган.

Разработаны  методические  основы  совершенствования  технологий  анализа  и 
прогнозирования случайных временных рядов на  базе нечетких множеств, нейронных сетей (НС), 
генетических  алгоритмов  и  механизмов  оптимизации  поиска,  контроля  достоверности 
информации,  обучения  моделей  адаптивной  идентификации  процессов.  Предложены  новые 
решения  многокритериальной  задачи  оптимизации  с  учетом  условий  недостоверной  передачи 
данных, нестационарности,  воздействия внешней среды, большой размерности, параметрической 
неопределенности.  Построены  обобщенные  алгоритмы  оптимизации  анализа,  идентификации, 
обработки данных на основе рекуррентной НС, отличающиеся простотой, гибкостью и высокой 
устойчивостью, и реализованы в виде программного комплекса в среде параллельных вычислений 
с использованием модуля FMPJ, 15 двухпроцессорных и двухъядерных компьютеров.

Methodical  bases  are  developed  for  perfection  of  technologies  to  analysis  and  forecasting  of 
random  time  series  based  on  fuzzy  sets,  neural  networks  (NN),  genetic  algorithms  and  search 
optimization  mechanisms,  information  reliability  control,  learning  of  models  of  adaptive  process 
identification. New solutions of the multicriteria optimization problem are proposed w ith allowance for 
conditions  of  inaccurate  data  transmission,  nonstationarity,  environmental  impact,  large  dimension, 
parametric uncertainty. Generalized algorithms for optimizing analysis, identification and data processing 
based on recurrent NN are distinguished, which are simple, flexible and highly stable and implemented as 
the software package in parallel computing environment using the FMPJ module, 15 dual -processor and 
dual-core computers.