Розглянуто генетичний алгоритм для розв'язання багатопараметричної задачі оптимізації. За допомогою тестових функцій досліджено вплив параметрів генетичних операторів на поведінку генетичного алгоритму під час розв'язання поставленої задачі.

Рассмотрен генетический алгоритм для решения многопараметрической задачи оптимизации. С помощью тестовых функций исследовано влияние параметров генетических операторов на поведение генетического алгоритма при решении поставленной задачи.

Розкрито суть поняття нейронних мереж (НМ), запропоновано класифікацію образів за допомогою імовірнісної НМ, двонаправленої асоціативної пам'яті та мереж Хопфілда та Хеммінга. Викладено питання апроксимації функцій двошаровим перцептроном і за допомогою радіально-базисних функцій. Висвітлено особливості розв'язання задачі комівояжера на підставі НМ Хопфілда, описано нейро-нечітку мережу TSK.

Раскрыта сущность понятия нейронных сетей (НС), предложена классификация образов с помощью вероятностной НС, двухнаправленной ассоциативной памяти и сетей Хопфилда и Хемминга. Изложены вопросы аппроксимации функций двухслойным перцептроном и с помощью радиально-базисных функций. Освещены особенности решения задачи комивояжера на основе НС Хопфилда, описана нейро-нечеткая сеть TSK.

Запропоновано показник якості функціонування та метод побудови нечітких логічних систем із використанням нечітких множин вищих типів на підставі експериментальних даних. Досліджено вплив кількості пропусків у вхідних даних на можливість одержання вихідного значення.

Розроблено підхід до побудови узагальнюючої нечіткої моделі прогнозування часових послідовностей на базі інтервальних функцій належності. Узагальнююча нечітка модель включає множину часткових різновходових нечітких моделей з інтервальними функціями належності, кожна з яких проходить етап настроювання за допомогою генетичного алгоритму. Введено операцію перетину/об'єднання інтервальних прогнозів часткових нечітких моделей, яка дозволяє одержати більш вузький інтервальний прогноз на виході моделі. Запропонований підхід апробовано на задачі прогнозування площі лазерних плям лазерної траси.

Досліджено питання розширення можливостей прийняття рішень за умов невизначеностей, включаючи пропуски у даних, на базі застосування методів моделювання багатовимірних залежностей. Розроблено новий підхід до моделювання даних залежностей на базі експериментальних даних за умов невизначеностей, включаючи пропуски даних. Запропоновано показник якості нечітких моделей з використанням інтервальних функцій належності. Побудовано автоматизовану систему діагностування гіпотиреозу, яка дозволяє завдяки використанню інтервальних функцій належності визначати діагнози для конкретних хворих за неповної вхідної інформації на підставі експериментальних даних, що містять пропуски. Розроблено нові моделі, що описують операції мутації та схрещування в генетичному алгоритмі, які дозволяють розв'язувати задачу настроювання нечітких моделей з великою кількістю вхідних параметрів.

Побудовано систему діагностики гіпотиреозу на базі нечіткої експертної системи. Проведено настройку вагів правил і параметрів функцій належності за допомогою генетичного алгоритму. Одержано задовільні результати під час перевірки на адекватність представлення предметної області.

Розглянуто особливості генетичної оптимізації багатоекстремальних функцій. Запропоновано алгоритм з поширеними можливостями генетичних операторів. Наведено результати задачі оптимізації тестових функцій за допомогою цього алгоритму.

Запропоновано підхід до побудови систем обробки сигналів з використанням вейвлет-перетворення на підставі експериментальних даних за допомогою нечітких логічних систем з інтервальними функціями належності.