Дисертація присвячена вирішенню теоретичної та практичної проблеми розробки та дослідження методів синтезу діагностичної моделі, що поєднують принципи інтелектуальних обчислень та паралельних обчислень, що дозволяє пришвидшити процес побудови діагностичних моделей, підвищити її інтерпретабельність та узагальнюючі здібності. Об'єктом дослідження є процес діагностування на основі даних. Предметом дослідження є методи синтезу моделей в інтелектуальних системах діагностування. Проаналізовано та досліджено процес синтезу діагностичної моделі на основі нейро-нечітких мереж. У дисертації запропоновано стохастичний метод синтезу моделей, заснований на деревах рішень. Він використовує інформацію про інформативність ознак, складність синтезованого дерева, а також про точність розпізнавання. Розроблено стохастичний метод вилучення числових правил асоціації та метод синтезу правил виробництва, заснований на негативному відборі у випадку нерівномірного розподілу екземплярів класів вибірки. Розроблено паралельний метод вилучення виробничих правил на основі обчислювального інтелекту. Розроблено критерії оцінки інформативності та паралельний стохастичний метод зменшення даних. Запропоновано модель процесу параметричного синтезу нейро-нечітких мереж у багатоярусно-паралельній формі. Розроблено метод параметричної ідентифікації нейро-нечітких мереж на основі паралельного випадкового пошуку. Запропоновано метод додаткової підготовки діагностичних нейро-нечітких моделей. Проведено експериментальне дослідження розроблених методів на основі синтезу моделей для вирішення реальних проблем діагностики. Практичне використання результатів дисертації підтверджується актами впровадження, які доводять правильність теоретичних положень дисертації та високу ефективність розроблених методів.

Постачальник даних: УкрІНТЕІ (Український Інститут науково-технічної експертизи та Інформації)

  Завантажити автореферат