907

Сформулирована проблема повышения достоверности передачи и обработки данных нестационарных объектов
на основе методов интеллектуального анализа. Разработаны методы совершенствования и развития
традиционных технологий повышения достоверности обработки данных на основе обобщения свойств и
особенностей моделей нечетких множеств, нечеткой логики, нейронных сетей, нейро - нечетких сетей.
Получены инструменты контроля достоверности данных, представленных в виде случайных временных рядов
на основе статистических, динамических, интеллектуальных подходов, пригодных к условиям передачи
неполной, разнородной, частично заданной информации при большой параметрической неопределенности.
Разработаны принципы и методы контроля достоверности данных в нечеткой среде на основе обобщения и
использования свойств нейронных сетей, нечеткой логики и статистических методов моделирования.
Синтезированы алгоритмы поиска корреляций, тенденций, взаимосвязей и закономерностей в данных,
формирования обучающих, контрольных и тестовых наборов; разделения пространства признаков объекта.
Результаты исследований реализованы в виде программного комплекса повышения достоверности передачи и
обработки данных, обеспечивающего адаптируемость и высокую производительность.

  • O'qishlar soni 859
  • Nashr sanasi 09-09-2016
  • Asosiy tilRus
  • Sahifalar28-38
Русский

Сформулирована проблема повышения достоверности передачи и обработки данных нестационарных объектов
на основе методов интеллектуального анализа. Разработаны методы совершенствования и развития
традиционных технологий повышения достоверности обработки данных на основе обобщения свойств и
особенностей моделей нечетких множеств, нечеткой логики, нейронных сетей, нейро - нечетких сетей.
Получены инструменты контроля достоверности данных, представленных в виде случайных временных рядов
на основе статистических, динамических, интеллектуальных подходов, пригодных к условиям передачи
неполной, разнородной, частично заданной информации при большой параметрической неопределенности.
Разработаны принципы и методы контроля достоверности данных в нечеткой среде на основе обобщения и
использования свойств нейронных сетей, нечеткой логики и статистических методов моделирования.
Синтезированы алгоритмы поиска корреляций, тенденций, взаимосвязей и закономерностей в данных,
формирования обучающих, контрольных и тестовых наборов; разделения пространства признаков объекта.
Результаты исследований реализованы в виде программного комплекса повышения достоверности передачи и
обработки данных, обеспечивающего адаптируемость и высокую производительность.

Ўзбек

Tafakkurli tahlil qilish usullari asosida nostatsionar obyekt ma’lumotlarini uzatish va qayta ishlash ishonchliligini
oshirish muammosi talqin etilgan. Notiniq to’plam, notiniq mantiq, neyron tarmog’i, neyro-notiniq tarmoq modellari
xossa va xususiyatlari umumlashuvi bo’yicha ma’lumotlarga ishlov berish ishonchliligini oshirish an’anaviy
texnologiyalarini takomillashtirish va rivojlantirish usullari ishlab chiqilgan. To’liqmas, turli xil, yuqori parametric
noaniqlikda qisman berilgan ma’lumotlarni uzatish sharoitlariga xos bo’lgan, hamda statistik, dinamik, intellektual
yondashuvlarga asoslanish bo’yicha tasodifiy vaqtli qatorlar ko’rinishida beriladigan ma’lumotlar ishonchliligini
nazorat qiluvchi vositalar olingan. Neyron tarmog’i, notiniq mantiq va statistik modellashtirish usullari xossalarini
umumlashtirish va qo’llash asosida notiniq muhitda ma’lumotlar ishonchliligini nazorat qilish prinsip va usullari ishlab
chiqilgan. Korrelyatsiya, tendensiya, o’zaro bog’liqlik va qonuniyatlarni ma’lumotlarda izlash, o’rgatish, nazorat qilish
va testlashtirish jamlanmalarini shakllantirish, obyekt belgilar fazosini bo’laklash algoritmlari sintezi amalga oshirilgan.
Tadqiqot natijalari moslashtirishni va yuqori unumdorlikni ta’minlovchi ma’lumotlarni uzatish va qayta ishlash
ishonchliligini oshiruvchi dasturiy majmua sifatida joriy etilgan.

English

The problem is formulated for increasing the reliability of non-stationary objects data during transfer and processing on
the basis of the intellectual analysis methods. Methods of improvement and development of traditional technologies for
increasing the reliability of data processing are developed on the basis of generalization the properties and features of
fuzzy set, fuzzy logic, neural network, neuro-fuzzy network models. Tools for control the reliability of data, submitted
as casual time series are received on the basis of statistical, dynamic, intellectual approaches, suitable to conditions of
transfer of incomplete, diverse, partially given information at the large parametrical uncertainty. Principles and methods
to control the reliability of data in fuzzy environment are developed on the basis of generalization and use of neural
networks, fuzzy logic properties and statistical methods of modeling. Algorithms to search the correlations, tendencies,
interrelations and laws in data, formation training, control and test sets, division the space of object attributes are
synthesized. The results of researches are realized as software complex to increase the reliability of data transfer and
processing, ensuring adaptivity and high efficiency.

№ Havola nomi
1 Макарычев П.П., Афонин А.Ю. Оперативный и интеллектуальный анализ данных: учеб. пособие. – Пенза: Изд-во ПГУ, 2010. – 156 с.
2 Барсегян А.А., Куприянов М.С., Степаненко В.В. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. – 2-е изд., перераб. и доп. – СПб.: БХВ-Петербург, 2007. – 384 с.
3 Камилов М.М., Мирзаев Н. М., Маматов Н.С. Методы формирования пространства информативных признаков с помощью k-родного критерия // Химическая технология. Контроль и управление. – Ташкент, 2007. – № 6. – С. 41-44.
4 Камилов М.М., Хамраев А.Ш., Мингликулов З.Б. О вопросе распределения значений функции близости между объектами в классе алгоритмов вычисления оценок // Химическая технология. Контроль и управление. – Ташкент, 2015. – № 5. – С. 55-58.
5 Жуманов И.И., Холмонов С.М. Оптимизация обучения нейросетевой системы обработки данных на основе статистических свойств информации// Узб. журнал «Проблемы информатики и энергетики». – Ташкент, 2011. – № 3. – С.50-56.
6 Жуманов И.И., Бекмуродов З.Т. Контроль достоверности прогноза случайных временных рядов на основе нейро-нечеткой сети // Химическая технология. Контроль и управление. – Ташкент, 2015. – № 1 (61). – С. 43-48.
7 Жуманов И.И., Бекмуродов З.Т. Идентификация случайных временных рядов на основе нейро-нечеткой сети для повышения достоверности прогноза // Проблемы оптимизации сложных систем: Труды ХI Международной Азиатской школы-семинара. 27 июля – 7 августа 2015. - Кыргызская Республика, Иссык- Кульская область, с. Булан-Соготу. – Алматы, 2015. – С. 258-264.
8 Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. – Винница: УНИВЕРСУМ, 1999. – 320 с.
9 Zaripova G.I. Increase of information transfer authenticity for non-stationary processes on the basis of neurofuzzy data processing system // “Applied Technologies and Innovations”, Prague Development Center. – Prague, 2013. – Volume 9, March 2013. – Рp. 1-10.
10 Митюшкин Ю.И., Мокин Б.И., Ротштейн А.П. Soft-Computing: идентификация закономерностей нечеткими базами знаний. – Винница: УНIВЕРСУМ, 2002. – 145 с.
Kutilmoqda