Розглянуто задачу, обернену до задачі ідентифікації нелінійних залежностей нечіткими базами знань - задачу виведення лінгвістичних правил "ЯКЩО-ТОДІ" з наявних експериментальних даних. Запропоновано метод генетичних алгоритмів, основу яких складають операції схрещування, мутації та селекції початкових варіантів рішень - так званих хромосом, з яких згодом вибирається найоптимальніше рішення.

Запропоновано метод ідентифікації нелінійних залежностей на основі композиції нечіткої бази знань і нейронної мережі. Визначено структуру нейронечіткої мережі, ізоморфної до системи лінгвістичних висловлювань "якщо - тоді", та одержано аналітичні моделі для навчання. Ефективність запропонованого способу ідентифікації проілюстровано шляхом комп'ютерного експерименту.

Приведены краткое описание известных методов моделирования сложных нелинейных объектов, в частности их идентификация, общая характеристика нейронных сетей и нечетких баз знаний. Рассмотрены методы самоорганизации математических моделей как один из возможных вариантов решения проблемы. Освещен метод извлечения знаний, систематизированных в виде нечетких баз знаний о нелинейных объектах, с использованием генетических алгоритмов оптимизации. Представлена краткая характеристика генетических алгоритмов оптимизации и описана методика их применения для решения задачи извлечения нечетких баз знаний. Проанализированы методы настройки синтезированных нечетких баз знаний посредством их заключения в структуру, функционирующую по принципу нейронной сети и обладающую механизмом обучения. Предложена конструкция, обепечивающая нечеткий логический вывод нечеткой базы знаний, и обладающая механизмом тонкой настройки функций принадлежности лингвистических термов входных переменных по алгоритму Back Propagation - нейро-нечеткая сеть. Приведены результаты компьютерного моделирования, подтверждающие эффективность предложенного метода извлечения нечетких баз знаний из экспериментальных данных.