Особенности применения нейро-нечетких моделей для систем поддержки принятия решений в задачах оценки эффективности функционирования специализированных дата-центров

Паращук И. Б., Михайличенко Н. В.

Читать статью полностью

  Особенности применения нейро-нечетких моделей для систем поддержки принятия решений в задачах оценки эффективности функционирования специализированных дата-центров (166,99 KB)

Аннотация

В статье рассмотрены сущность и базовые характеристики предлагаемого математического инструмента интеллектуального анализа данных в рамках системы поддержки принятия решений – нейро-нечеткой модели. Предложен подход к построению системы поддержки принятия решений на основе «совместной» и «параллельной» нейро- нечеткой модели. Отражены вопросы формулировки «когнитивных» карт для нейронной сети в рамках нейро-нечеткой модели, реализуемой в системе поддержки принятия решений.

Ключевые слова:

нейро-нечеткая модель – neuro-fuzzy model; нейронная сеть – neural network; нечеткие множества – fuzzy sets; эффективность – efficiency; принятие решений – decision-making; дата- центр – data center; неопределенность – uncertainty.

Список литературы

1. Петухов, Г. Б. Основы теории эффективности целенаправленных процессов / Г.Б. Петухов. – М.: МО СССР, 1989. – 660 с.

2. Калинин, В. Н. Теоретические основы системных исследований / В.Н. Калинин. – СПб.: ВКА им. А.Ф. Можайского, 2013. – 278 с.

3. Mishraб A. Comparative Evaluation of Efficiency across Distributed Project Organizations: A Stochastic Frontier Analysis / A. Mishra, K. Sinha, S. Thirumalai // Advancing the Study of Innovation and Globalization in Organizations (ASIGO) Conference, May 28–30, 2009, Nurnberg, Germany. – P. 357–378.

4. Анфилатов, В. С. Теоретические основы автоматизации управления войсками и связью. Часть 1. Системные основы автоматизации управления войсками и связью / В.С. Анфилатов. – СПб.: ВАС, 2014. – 312 с.

5. Москвин, Б. В. Теория принятия решений / Б.В. Москвин. – СПб.: ВКА им. А.Ф. Можайского. 2014. – 364 с.

6. Паращук, И. Б. Анализ уровней и видов неопределенности, влияющей на принятие решений по управлению информационными системами / И.Б. Паращук, А.С. Башкирцев, Н.В. Михайличенко // Информация и Космос. – 2017. – No 1. – С. 112–120.

7. Baoding Liu. Uncertainty Theory. Fifth Edition / Department of Mathematical Sciences Tsinghua University, Beijing 100084, China. 2015. – 488 p.

8. Андриевская, Н. В. Особенности применения нейро-нечетких моделей для задач синтеза систем автоматического управления / Н.В. Андриевская, А.С. Резников, А.А. Черанев // Фундаментальные исследования. Технические науки. – 2014. – No 11. – С. 1445–1449.

9. Рогозин, О. В. Оценка инновационной привлекательности проекта с использованием нейро-нечеткого адаптивного программного комплекса / О.В. Рогозин // Открытое образование. – 2011. – No 5. – С. 54–59.

10. Хижняков, Ю. Н. Алгоритмы нечеткого, нейронного и нейро-нечеткого управления в системах реального времени / Ю.Н. Хижняков. – Пермь: ПНИПУ, 2013. – 160 с. 88

11. Булдакова, Т. И. Оценка информационных рисков в автоматизированных системах с помощью нейро-нечеткой модели [Электронный ресурс] / Т.И. Булдакова, Д.А. Миков // Наука и образование. – 2013. – No 11. – Режим доступа: http://technomag.edu.ru/doc/645489.html [дата обращения: 11.06.2017], свободный. – Загл. с экрана.

12. Михайленко, В. С. Нейро-нечеткие технологии в системах поддержки принятия решений [Электронный ресурс] / В.С. Михайленко, Р.Ю. Харченко. – Режим доступа: http://essuir.sumdu.edu.ua/orks.pdf [дата обра- щения: 12.06.2017], свободный. – Загл. с экрана.

13. Rutkowski L. Flexible neuro-fuzzy systems / L. Rutkowski. – Boston: Kluwer Academic Publishers, 2004. – 279 p.

14. Takagi, T. Fuzzy identification of systems and its applications to modeling and control / T. Takagi, M. Sugeno // IEEE Transactions on Systems, Man and Cybernetics. – 1985. – Vol. SMC-15, No 1. – P. 116–132.

15. Buldakova, T. Analysis of Data Processes and Choices of Data-processing and Security Technologies in Situation Centers / T. Buldakova, A. Dzalolov // Scientific and Technical Information Processing. – 2012. – Vol. 39. – P. 127–132.

16. Ajith, A. Adaptation of Fuzzy Inference System Using Neural Learning / A. Ajith // Studies in Fuzziness and Soft Computing. – August 2005. – P. 914