МЕТОДОЛОГІЯ ОПТИМІЗАЦІЇ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМНА ОСНОВІ ДАНИХ З ПРАВИЛ ВПЕВНЕНОСТІ

Анотація

У даній статті розглядається проблема підвищення ефективності інтелектуальної системи прийняття рішень на основі бази нечітких правил шляхом її оптимізації за параметрами та структурою. Запропоновано гібридний підхід, що поєднує алгоритм диференціації для налаштування параметрів навчання та алгоритм стратегічної евристики для модифікації структури бази правил. Розроблено циклічний процес оптимізації, який дозволяє покращити точність і адаптивність моделі шляхом поступового коригування вагових коефіцієнтів, рівнів впевненості та кількості фазифікованих правил. Визначено критерій зупинки процесу оптимізації, що забезпечує баланс між продуктивністю та обчислювальною ефективністю. Проведено дослідження, які підтверджують переваги розробленого підходу порівняно з традиційними методами налаштування бази нечітких правил. Отримані результати можуть бути застосовані у сфері прогнозування та аналізу даних, управління складними технологічними процесами, енергетиці, кібербезпеці, тощо.