Ушбу мақолада суст шаклланган жараён ҳолатини интеллектуал таҳлиллаш норавшан
моделини қуриш алгоритмини ишлаб чиқиш жараёни кўриб ўтилган. Норавшан мантиқий модел
қуриш жараёнида аксарият ҳолларда норавшан қоидалар базаси мавжуд бўлган бир қатор
усуллардан фойдаланилади, жумладан, кластерлашнинг тоғли усулидан. Ушбу усулдан фарқли
равишда, ишда норавшан қоидалар базасини норавшан кластерлаш усули ёрдамида қуришнинг
янгича усули таклиф этилган. Шу билан бирга, ушбу мақолада норавшан мантиқий модел
параметрларини оптималлаштириш масаласини эволюцион арилар колонияси алгоритми ёрдамида
ечиш ёндашуви кўриб ўтилган.
Ушбу мақолада суст шаклланган жараён ҳолатини интеллектуал таҳлиллаш норавшан
моделини қуриш алгоритмини ишлаб чиқиш жараёни кўриб ўтилган. Норавшан мантиқий модел
қуриш жараёнида аксарият ҳолларда норавшан қоидалар базаси мавжуд бўлган бир қатор
усуллардан фойдаланилади, жумладан, кластерлашнинг тоғли усулидан. Ушбу усулдан фарқли
равишда, ишда норавшан қоидалар базасини норавшан кластерлаш усули ёрдамида қуришнинг
янгича усули таклиф этилган. Шу билан бирга, ушбу мақолада норавшан мантиқий модел
параметрларини оптималлаштириш масаласини эволюцион арилар колонияси алгоритми ёрдамида
ечиш ёндашуви кўриб ўтилган.
Рассмотрена задача разработки алгоритма построения нечеткой модели при
интеллектуальном анализе состояния слабоформализованных процессов. Показано, что при
построении нечетко-логической модели применяются в основном методы, использующие базы
нечетких правил, в частности, горный метод кластеризации. Предложен новый способ построения
базы нечетких правил с помощью метода кластеризации. Разработана схема решения задачи
оптимизации параметров нечетко-логической модели с помощью эволюционного алгоритма
пчелиного роя.
The problem of the development of the algorithm for constructing the fuzzy model with
intelligent analysis of the state weakly formalized processes. In constructing the fuzzy-logic model are
used in most cases, some methods using the fuzzy rule base, in particular a mountain clustering method.
In this approach, we propose a new method of constructing a fuzzy rule base by said method. scheme for
solving the optimization parameters of the problem are also given fuzzy logic-model using an
evolutionary algorithm bee colony.
| № | Имя автора | Должность | Наименование организации |
|---|---|---|---|
| 1 | Mingliqulov Z.B. | _ | _ |
| 2 | Gofurov B.B. | _ | _ |
| № | Название ссылки |
|---|---|
| 1 | Baskin I.I., Palyulin V.A., Zefirov N.S. Multilayer perceptrons in the study of dependence "structure-property" for organic compounds// Russian Chemical Journal. 2006. T.50. P. 86−96. |
| 2 | Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ− Винница, 1999. − 320 с. |
| 3 | Рутковская Д., Пилинский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы/ Пер.с польск. Рудинского И.Д. М.: Горячая линия-Телеком, 2004. −452 с. |
| 4 | Мингликулов З.Б. Алгоритмы принятия диагностических решений с использованием нейронечетких технологий// Узбекский журнал |
| 5 | Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику. http//www.matlab.exponenta.ru. |
| 6 | Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. Спб., 2003. |
| 7 | Минглиқулов З.Б. Турли тегишлилик функцияларида нейроноравшан тўрни ўқитиш ва синфлаштириш масалаларини ечиш // Материалы Республиканской научно-технической конференции «Современное состояние и перспективы развития информационных технологий». Ташкент, 2011. С. 347–352. |
| 8 | Nakrani S., Tovey C. On honey bees and dynamic allocation in an internet server colony // Adaptive Behavior. 2004. №12. Р. 223−240. |
| 9 | Hu Y.C. Fuzzy integral-based perceptron for two-class pattern classification problems// Information Sciences. Vol. 177. 2007. P. 1673–1686. |
| 10 | Мингликулов З.Б., Мамаев Э.Ш. Сравнение результатов эвристических алгоритмов при решении задачи комбинаторной оптимизации // Вестник ТУИТ. Ташкент, 2014. №3. С. 9– 14. |