Досліджено сучасні моніторингові інтелектуальні системи (МІС), які здатні прогнозувати наслідки прийнятих керуючих рішень систем підтримки прийняття рішень (СППР) завдяки моделюванню характеристик об'єктів моніторингу. Продемонстровано недоліки існуючих реалізацій МІС під час роботи за умов кризового моніторингу. Так як кризовий моніторинг накладає ряд обмежень на швидкість роботи СППР та велику вірогідність виходу навчених моделей МІС із строю, то використання існуючих реалізацій МІС є проблематичним. Досліджено причини існування даних недоліків та алгоритми, з якими це пов'язано. Досліджено переваги та недоліки існуючих методів формування міжрівневих зв'язків у МІС. Увагу звернено на метод класифікації масивів вхідних даних (МВД) за їх характеристиками до відповідного класу алгоритмів синтезу моделей (АСМ). Запропоновано вдосконалити відомий метод класифікації масивів вхідних даних за допомогою використання унікальних адаптивних класифікаторів для кожного із класів алгоритмів синтезу моделей із списку реалізованих у системі. Проведено тестування запропонованих вдосконалень. Для проведення тестування запропоновані вдосконалення було реалізовано у програмному комплексі, побудованому на кафедрі інтелектуальних систем прийняття рішень Черкаського національного університету ім. Богдана Хмельницького. Об'єктом моніторингу для тестування було обрано результати спостережень за захворюваністю населення Черкаської області впродовж 2000 - 2016 рр. Для оцінки роботи методу використовувались показники якості, одержані під час навчання моделей, та швидкість навчання. За результатами тестування вдалося досягти збільшення швидкості навчання системи в 3 - 4 рази за незначних втрат в якості одержаних кінцевих моделей, що не перевищують 4 % похибки моделювання.

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"