Розглянуто основні методи й алгоритми числової оптимізації, оригінальні розробки та дослідження методів оптимізації. Значну увагу приділено питанням застосування методів оптимізації в задачах навчання штучних нейронних мереж.

Рассмотрены основные методы и алгоритмы численной оптимизации, оригинальные авторские разработки и исследования методов оптимизации. Значительное внимание уделено вопросам применения методов оптимизации в задачах обучения искусственных нейронных сетей.

Наведено результати дослідження неітеративних, еволюційних і мультиагентних методів синтезу моделей залежностей на базі штучних нейронних і нейро-нечітких мереж. Значну увагу приділено аналізу та класифікації еволюційних і мультиагентних методів Swarm Intelligence (колективного інтелекту). Запропоновано широкий арсенал нових методів для побудови моделей в задачах діагностики, оцінювання, прогнозування. Наведено приклади розв'язання практичних задач на підставі даних методів.

Приведены результаты исследования неитеративных, эволюционных и мультиагентных методов синтеза моделей зависимостей на основе искусственных нейронных и нейро-нечетких сетей. Значительное внимание уделено анализу и классификации эволюционных и мультиагентных методов Swarm Intelligence (коллективного интеллекта). Предложен широкий арсенал новых методов для построения моделей в задачах диагностики, оценки, прогнозирования. Приведены примеры решения практических заданий на основе данных методов.

Висвітлено математичні основи побудови та застосування моделей знань у системах штучного інтелекту та підтримки прийняття рішень. Розглянуто семантичні, фреймові та нейро-нечіткі мережі, продукційні та логічні моделі. Наведено характеристику ітелектуальних систем, заснованих на знаннях. Описано моделі подання та методи обробки чітких і нечітких знань. Показано особливості функціонування програмних засобів для подання й обробки знань, синтезу нечітких і нейро-нечітких моделей. Запропоновано оригінальні методи та моделі, що дозволяють автоматизувати побудову блоків підтримки прийняття рішень інтелектуальних систем.

Освещены математические основы построения и применения моделей знаний в системах искусственного интеллекта и поддержки принятия решений. Рассмотрены семантические, фреймовые и нейро-нечеткие сети, продукционные и логические модели. Приведена характеристика интеллектуальных систем, основаных на знаниях. Описаны модели представления и методы обработки четких и нечетких знаний. Показаны особенности функционирования программных средств для представления и обработки знаний, синтеза нечетких и нейро-нечетких моделей. Разработаны оригинальные методы и модели, позволяющие автоматизировать процесс построения блоков поддержки принятия решений интеллектуальных систем.

Розглянуто актуальну проблему створення методів, алгоритмів і програмних засобів для побудови діагностичних і прогнозуючих моделей складних технічних об'єктів і процесів на базі штучних нейронних мереж. Запропоновано комплекс методів, що дозволяють будувати логічно прозорі нейромоделі у високошвидкісному режимі. Одержані результати доведено до практичної реалізації та впроваджено на провідних підприємствах.

Исследована проблема структурного синтеза нейросетевых моделей. Разработан метод полимодального эволюционного поиска с кластеризацией хромосом, позволяющий получить различные структуры нейросетей, повышая вероятность нахождения модели, адекватной решаемой задачи. Проведены эксперименты по синтезу моделей зависимости состояния здоровья населения от загрязнения окружающей среды.

Проаналізовано методи побудови моделей багатовимірних нелінійних об'єктів керування на основі нейромережевого підходу. Розроблено нові методи та програмне забезпечення для створення у високошвидкісному режимі логічно прозорих нейромоделей об'єктів керування, що дозволяє автоматизувати процеси керування та прийняття рішень у системах керування, а також забезпечує можливість видобування знань з даних і спрощує аналіз процесу прийняття рішень. Охарактеризовано комплекс критеріїв та методику порівняння методів синтезу нейромоделей об'єктів керування. Наведено результати дослідження характеристик і запропоновано рекомендації щодо використання розроблених методів і програм у разі вирішення практичних задач керування. Отримані результати доведено до практичної реалізації та впроваджено на підприємствах і в організаціях.

Викладено основні поняття, моделі та методи програмної інженерії для використання в процесах розробки програмного забезпечення (ПЗ), зокрема, аналізу вимог, моделювання та проектування програмних систем (ПС). Розглянуто моделі життєвого циклу ПС, етапи інженерії, ПЗ: аналіз вимог, проектування та моделювання програм. Описано інструментальні засоби для проектування ПЗ.

Наведено основні поняття, моделі та методи еволюційного пошуку, які ефективно використовуються у разі вирішення завдань дискретної та безперервної оптимізації. Розглянуто еволюційні методи, генетичне й еволюційне програмування, багатокритеріальну еволюційну оптимізацію, еволюційні методи синтезу нейромережевих моделей. Запропоновано оригінальні розробки, що дозволяють виконувати вибір інформативних ознак і побудову штучних нейронних мереж. Наведено опис програмних засобів, що реалізують розглянуті методи та моделі.

Приведены основные понятия, модели и методы эволюционного поиска, которые эффективно применяются при решении заданий дискретной и непрерывной оптимизации. Рассмотрены эволюционные методы, генетическое и эволюционное программирование, многокритериальная эволюционная оптимизация, эволюционные методы синтеза нейросетевых моделей. Предложены оригинальные разработки, позволяющие выполнять выбор информационных признаков и построение штучных нейронных сетей. Приведено описание программных средств, реализующих рассмотренные методы и модели.

Наведено основні поняття, моделі та методи програмної інженерії для використання під час конструювання та тестування програмних систем (ПС), а також керування програмними проектами. Описано різні підходи до програмування, типи взаємодії програмного забезпечення (ПЗ), методи зміни компонентів та ПС, тестування (статичні та динамічні) ПЗ, інфраструктуру процесу тестування, характерні помилки на процесах життєвого циклу ПЗ. Висвітлено інструментальні засоби для створення ПЗ.

Проаналізовано методи побудови нейронечітких мереж (ННМ). Запропоновано метод синтезу ННМ, який на базі побудованого дерева розв'язків визначає структуру мережі та обчислює параметри нейроелементів. Проведено експерименти щодо розв'язання практичних задач.

Досліджено метод оптимізації на базі моделювання поведінки рою часток. Розроблено модифікацію дослідженого методу з керуванням зміною швидкості часток. Проведено експерименти зі знаходження глобального оптимуму багатовимірної функції на підставі запропонованої модифікації.

Викладено основні поняття, моделі та методи інтелектуального аналізу даних, які можуть використовуватися під час вирішення практичних завдань розпізнавання образів, прийняття рішень, класифікації та прогнозування. Розглянуто методи пошуку найбільш інформативної комбінації ознак у навчальній виборці. Проаналізовано основні методи вибору інформативної комбінації, розглянуто критерії оцінювання індивідуальної та групової значущості ознак. Наведено моделі інтелектуального аналізу даних. Описано нейромережеві моделі, асоціативні правила, дерева рішень, нейронечіткі моделі. Надано загальну характеристику описаних моделей, виконано їх класифікацію, розглянуто програмні засоби для подання й обробки інтелектуальних моделей. Наведено опис методів синтезу інтелектуальних моделей. Проаналізовано градієнтні методи. Досліджено еволюційні методи, зокрема, надано узагальнену схему роботи генетичних методів, описано оператори ініціалізації, відбору, схрещування та мутації, наведено принципи формування нового покоління та критерії зупинення еволюційного пошуку. Надано загальну характеристику інтелектуальних методів мультиагентної оптимізації та програмних засобів вирішення оптимізаційних завдань для побудови інтелектуальних моделей.

Досліджено застосування дерев розв'язків для розв'язання завдання кластерного аналізу. Розроблено метод кластерного аналізу, що дозволяє виконувати розбиття простору екземплярів на кластери, під час використання якого відсутня необхідність задання інформації про кількість кластерів та їх форму, що суттєво розширює можливість його застосування на практиці. Проведено експерименти з розв'язання завдань кластер-аналізу з використанням запропонованого методу.

Розглянуто завдання індукції лінгвістичних правил. Розроблено метод ідентифікації дерев розв'язків для індукції лінгвістичних правил. Створено програмне забезпечення на основі запропонованого методу. Проведено експерименти з розв'язання практичних задач, що дозволило дослідити ефективність запропонованого методу.

Розглянуто методи вирішення задачі синтезу нейронечітких моделей. Запропоновано метод побудови нейронечітких мереж, який заснований на застосуванні витягнутого із заданої транзакційної бази даних набору асоціативних правил, використовуваних для визначення структури нейромоделі, а також для обчислення значень параметрів функцій належності та вагових коефіцієнтів. Запропонований метод дозволяє будувати прості нейронечіткі моделі, зручні для подальшого застосування на практиці.

Розглянуто можливість побудови класифікатора рослинних об'єктів за допомогою дво- та тришарової нейронної мережі.

Вирішено задачу автоматизації факторного аналізу (ФА) в транзакційних базах даних (ТБД). Мета роботи - створення еволюційного методу ФА для пошуку прихованих залежностей у ТБД. Запропоновано метод ФА, в якому формування груп близьких ознак виконується на базі еволюційного підходу, а оцінювання еквівалентності термів ознак здійснюється шляхом видобування асоціативних правил.

Розроблено нові методи та програмні засоби для побудови інтелектуальних систем діагностування, які синтезують діагностичні моделей у нейронечіткому базисі з автоматичним налаштовуванням параметрів і на основі гібридного стохастичного пошуку. Запропоновано моделі якості вибірок і діагностичних нейромоделей та методи формування вибірок, використання яких дозволяє вирішити проблему автоматизації побудови інтелектуальних систем діагностування. Проведено експериментальне дослідження властивостей і характеристик, запропоновано рекомендації щодо використання розроблених методів під час вирішення практичних завдань діагностування й автоматичної класифікації. Одержані результати доведено до практичної реалізації та впроваджено на підприємствах і в організаціях.

Розглянуто задачу скорочення навчальної вибірки. Розроблено метод редукції даних на основі асоціативних правил. Створено програмне забезпечення на основі запропонованого методу. Проведено експерименти з вирішення практичних задач, що дозволило дослідити ефективність запропонованого методу.

Розглянуто задачу видобування числових асоціативних правил. Запропоновано метод видобування числових асоціативних правил, основними етапами якого є: фаззифікація транзакційної бази даних, визначення індивідуальної значущості ознак, обчислення граничних значень підтримки й побудова бази числових асоціативних правил. Запропонований метод передбачає фаззифікацію заданої бази транзакцій і автоматичне розбиття діапазонів значень ознак на інтервали, враховує індивідуальну значущість ознак, використовує критерії для оцінювання непрямих асоціацій, що знижує ступінь участі користувача в процесі пошуку асоціативних правил, зменшує ймовірність виявлення правил, які некоректно описують досліджувані об'єкти й процеси. Використання апріорної інформації про значущість ознак у розробленому методі дозволяє скоротити простір пошуку та час видобування правил, зменшити кількість витягнутих правил, і, відповідно, підвищити рівні узагальнення й інтерпретабельності синтезованої бази асоціативних правил.