402

нтификациялаш  модели  ҳамда  нотиниқ  мантиқ  асосида  ўзгарувчиларни  мословчи  механизм 
бўйича  ностационар  объект  мақбул  башорати  услубий  асослари  яратилган.  ТВҚ  элементи 
диапозонини аниқлаш, лингвистик ўзгарувчилар тегишлилик функцияси параметрларини танлаш 
ва  таҳрирлаш,  маълумотлар  хоссалари  ва  объектлар  хусусиятлари,  маълумотлар  ва  билимлар 
базаларидан  фойдаланувчи  механизмлар  асосида  нотиниқ  моделлаштиришнинг  сезгирлигини 
таъминловчи  масалалар  ечилган.  Ўзгарувчилар  нотиниқ  адаптерига  эга  полиномиал  моделлар, 
чизиқмас филтрлаш асосида динамик идентификациялашнинг ҳисоб схемалари қурилган. ТВҚни 
нотиниқ  идентификациялаш  умумий  алгоритмлари  самарадорлиги  модал  мисоллар  таснифлари 
қийматлари билан солиштириш бўйича исботланган.

  • Ссылка в интернете
  • DOI
  • Дата создание в систему UzSCI 12-02-2020
  • Количество прочтений 380
  • Дата публикации 25-10-2018
  • Язык статьиO'zbek
  • Страницы42-49
Ўзбек

нтификациялаш  модели  ҳамда  нотиниқ  мантиқ  асосида  ўзгарувчиларни  мословчи  механизм 
бўйича  ностационар  объект  мақбул  башорати  услубий  асослари  яратилган.  ТВҚ  элементи 
диапозонини аниқлаш, лингвистик ўзгарувчилар тегишлилик функцияси параметрларини танлаш 
ва  таҳрирлаш,  маълумотлар  хоссалари  ва  объектлар  хусусиятлари,  маълумотлар  ва  билимлар 
базаларидан  фойдаланувчи  механизмлар  асосида  нотиниқ  моделлаштиришнинг  сезгирлигини 
таъминловчи  масалалар  ечилган.  Ўзгарувчилар  нотиниқ  адаптерига  эга  полиномиал  моделлар, 
чизиқмас филтрлаш асосида динамик идентификациялашнинг ҳисоб схемалари қурилган. ТВҚни 
нотиниқ  идентификациялаш  умумий  алгоритмлари  самарадорлиги  модал  мисоллар  таснифлари 
қийматлари билан солиштириш бўйича исботланган.

Русский

Разработаны методические основы нечеткой идентификации случайных временных рядов 
(СВР)  с  регулированием  переменных  на  основе  нечеткой  логики  для  оптимизации  прогноза 
нестационарных  объектов  при  внешних  информационных  воздействиях.  Решены  задачи 
обеспечения  чувствительности  нечеткого  моделирования  на  основе  механизмов  определения 
диапазона  элементов  СВР,  выбора  и  коррекции  параметров  функций  принадлежностей 
лингвистических  переменных,  использования  свойства  данных  и  специфических  особенностей 
объектов,  базы  данных  и  базы  знаний.  Построены  вычислительные  схемы  динамической 
идентификации  на  основе  полиноминальных  моделей,  нелинейных  фильтров  с  нечеткими 
адаптерами  переменных.  Доказана  эффективность  обобщенных  алгоритмов  нечеткой 
идентификации СВР путем сравнения со значениями характеристик модальных примеров.

English

Methodical  bases  of  fuzzy  identification  of  random  time  series  (RTS)  with  regulation  of 
variables  based  on  fuzzy  logic  are  developed  to  optimize  the  forecast  of  non-stationary  objects  under 
external information influences. The problems are  solved for providing the sensitivity of fuzzy modeling 
based on mechanisms of determining the range of  RTS elements, selection and correction of parameters 
of  linguistic  variables  membership  functions,  use  the  data  property  and  specific  features  of  objects, 
database  and  knowledge  base.  Computational  schemes  of  dynamic  identification  based  on  polynomial 
models, nonlinear  filters  with fuzzy variable adapters are constructed. The effectiveness of generalized 
algorithms of fuzzy identification of RTS is proved by comparison with values of characteristics of modal 
examples.

№ Имя автора Должность Наименование организации
1 Djumanov O.I. _ _
2 Bekmurodov Z.T. _ _
№ Название ссылки
1 Минаев Ю.Н., Филимонова О.Ю., Лиес Б. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. М.: Горячая линия – Телеком, 2003. С. 12−18
2 Huang B.Q., Rashid T., Kechadi M - T. Multi-Context Recurrent Neural Network for Time Series Applications // Intеrnational Journal of Computational Intelligence. Vol.3. 2006. №1. P.1304  1386.
3 Шпиро Г.Г. Прогнозирование хаотических временных рядов с генетическим алгоритмом // Physical Review E. Vol. 55. 1997. №3. P. 2557─2568.
4 Жуманов И.И. Оптимизация обработки данных нестационарных объектов на основе нечетких моделей идентификации с настройкой параметров // Журнал «Вестник ТУИТ». Ташкент, 2017. №1(41). 2017. С. 34−47
5 Фильтрация и стохастическое управление в динамических системах / Под ред. Леондеса К. Т. Пер. с англ. М.: Мир, 1980. − 407 с
6 Синицын И.Н. Фильтры Калмана и Пугачева. М.: Изд-во «Логос», 2006. − 640 с.
7 Пельцвергер С.Б. Алгоритмическое обеспечение процессов оценивания в динамических системах в условиях неопределенности. М.: Наука, 2004. −116 с.
8 Жуманов И.И. Оптимизация обработки изображений микрообъектов на основе рекуррентного обучения нейронной сети и импликативного отбора информативных признаков // Узбекский журнал «Проблемы информатики и энергетики». Ташкент: Фан, 2016. №4. С.12−20
9 Башкиров А.Г. Энтропия Реньи как статистическая энтропия для сложных систем // Теоретическая и математическая физика. М.: Наука, 2006. Т. 149. № 2. С. 299−317
В ожидании