283


Мақолада мониторинг гибрид интеллектуал тизимнинг статистик усуллари – бир синфга
тегишли бошқа бир хил типли жараёнлар ҳақидаги тўпланган тажрибавий маълумотларни
инобатга олган ҳолда кузатилаётган узлуксиз, дискрет, ёки норавшан жараён модели
параметрларини баҳолаш учун эмпирик байес баҳо кўриб чиқилмоқда. Эмпирик байес баҳолашда
баҳоланаётган параметрларнинг эҳтимоллигининг априор зичлиги бир нечта жараёнларни
кузатиш натижалари бўйича аниқланади.
 

  • Ссылка в интернете
  • DOI
  • Дата создание в систему UzSCI13-02-2020
  • Количество прочтений275
  • Дата публикации20-12-2017
  • Язык статьиO'zbek
  • Страницы3-12
Русский

В статье рассмотрены статистические методы гибридных интеллектуальных систем
мониторинга, в том числе эмпирическая байесовская оценка для оценивания параметров модели
наблюдаемого непрерывного, дискретного или нечеткого процесса с учетом накопленных
экспериментальных данных о других однотипных процессах, принадлежащих к одному классу.
Априорная плотность вероятности оцениваемых параметров при эмпирическом байесовском
оценивании находится по результатам наблюдения нескольких процессов.
 

Ўзбек


Мақолада мониторинг гибрид интеллектуал тизимнинг статистик усуллари – бир синфга
тегишли бошқа бир хил типли жараёнлар ҳақидаги тўпланган тажрибавий маълумотларни
инобатга олган ҳолда кузатилаётган узлуксиз, дискрет, ёки норавшан жараён модели
параметрларини баҳолаш учун эмпирик байес баҳо кўриб чиқилмоқда. Эмпирик байес баҳолашда
баҳоланаётган параметрларнинг эҳтимоллигининг априор зичлиги бир нечта жараёнларни
кузатиш натижалари бўйича аниқланади.
 

English

The paper considered the statistical methods of hybrid intelligent monitoring systems - empirical
Bayesian estimation for estimating model parameters observed continuous, discrete or fuzzy process,
taking into account the accumulated experimental data on other similar processes, which belong to the
same class. The a priori probability density estimated parameters in an empirical Bayesian estimation is
based on the results of observation of several processes.
 

№ Имя автора Должность Наименование организации
1 Muhamediyeva D.T. “Ахборот-таҳлилий тизимлар” лабораторияси Бош илмий ходими Муҳаммад ал-Хоразмий номидаги Тошкент ахборот технологиялари университети ҳузуридаги ахборот-коммуникация технологиялари илмий-инновацион маркази
№ Название ссылки
1 Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Технология анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. 2-е изд. Уч. пособие. Спб.: БХВ – Петербург, 2007. – 384 с.
2 Кондрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах/ Под ред. Поспелова Д.А. Серия «Проблемы искусственного интеллекта». Вып. 6. М.: Наука. Физматгиз, 1989. −328 с.
3 Yager R. A foundation for a theory of possibility // J. Of Cybernetics. Vol. 10. 1980. № 1−3. P. 177−209.
4 Мухамедиева Д.Т. Статистическое моделирование в сельском хозяйстве с применением теории нечетких множеств. Ташкент: Институт кибернетики НТЦ «Современные информационные технологии», 2004. –200 с.
5 Мухамедиева Д.Т. Байесовский подход к задачам статистического оценивания при нечеткой информации// Вестник ТашГТУ. 2003. № 3. С. 25−29.
6 Мухамедиева Д.Т. Построение регрессионных моделей с оценкой допустимой погрешности параметров при нечеткой информации// Вестник ТашГТУ. 2002. № 4. С. 38−42.
7 Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. − 304 с.
8 Aliev R.A., Aliev R. Theory of Intelligent Systems and Applications. Baku: Chashyogly, 2001. − 720 p.
9 Мухамедиева Д.Т. Норавшан ахборотларни қайта ишлаш асосида суст шаклланган жараёнларни башоратлаш ва муқобиллаштириш моделлари. Тошкент: «Фан ва технология», 2012. − 376 бет.
10 Мухамедиева Д.Т. Разработка нечетких моделей задач прогнозирования и оптимизации. Ташкент: «Фан ва технология», 2012. − 346 с.
11 Бекмуратов Т.Ф., Мухамедиева Д.Т. Методы и алгоритмы синтеза нечетко-нейронных моделей принятия решений. Germany: «Palmarium Academic Publishing», 2013. −164 с.
12 Мухамедиева Д.Т. Разработка нечетких моделей задач принятия решений. Germany: «Palmarium Academic Publishing», 2014. − 190 с.
13 Мухамедиева Д.Т. Применение методов мягких вычислений в слабоформализуемых системах. Germany: «Palmarium Academic Publishing», 2014. − 181с.
14 Мухамедиева Д.Т., Мирзарахмедова А.Х. Аналитическое исследование и оценка социально-экономического развития региона// Mechanismus der nachhaltigen entwicklung des wirtschafts systems formation. Vol.2. Deutschland, 2014. С. 91−107.
15 Мухамедиева Д.Т. Алгоритмы построения гибридных интеллектуальных систем, основанные на эволюционном механизме. Ташкент: «Навруз», 2014. − 304 с.
16 Мухамедиева Д.Т. Эволюционные алгоритмы решения многокритериальных задач оптимизации. Germany: «Palmarium Academic Publishing», 2015. − 262 с.
17 Бекмуратов Т.Ф., Мухамедиева Д.Т. Нечетко-множественные модели принятия слабоструктурированных решений. Germany: «Palmarium Academic Publishing», 2015. −172 с.
18 Мухамедиева Д.Т. Yumshoq hisoblashlar yordamida muqobillashtirish masalalarini yеchish. Ташкент: «Навруз», 2015. − 281 с.
В ожидании