Аннотация: Предметом исследования данной статьи является оценка эффективности аппроксимации объектов с дискретным выходом на основе нечетких баз знаний. Объектом исследования является нейронечеткая модель, позволяющая на основе обучения нечеткой нейронной сети формировать систему нечетко-продукционных правил (нечеткую базу знаний) для оценки состояния объектов. Автор подробно рассматривает предложенный им вид нечетко-продукционных правил, алгоритм логического вывода на правилах, описывает разработанную модель нечеткой нейронной сети. Особое внимание уделяется необходимости оценки аппроксимирующей способности модели с целью определения возможности и эффективности ее практического использования. Данная оценка производилась методом анализа следующих характеристик модели:
- сходимости разработанного алгоритма обучения нечеткой нейронной сети;
- удовлетворения ее работы принципам нечеткой аппроксимации;
- непротиворечивости алгоритма логического вывода на правилах модели известному алгоритму аппроксимации объектов с дискретным выходом на основе нечеткой базы знаний. Произведена оценка аппроксимирующей способности нейронечеткой модели, по результатам которой сделан вывод, что данная модель является эффективным аппроксиматором объектов с дискретным выходом. Кроме того, с целью апробации модели проведена оценка классифицирующей способности формируемых нечетких правил. Точность классификации на базе нечетких правил оказалась не ниже точности других известных методов классификации. Практической ценностью применения таких правил является возможность построения систем поддержки принятия решений по оценке состояния объектов в различных предметных областях.

Abstract: The subject of this research is to evaluate the effectiveness of the approximation of objects with discrete output based on fuzzy knowledge bases. The object of the research is the neuro-fuzzy model, which allows, based on the training of a fuzzy neural network, to form a system of fuzzy-production rules (a fuzzy knowledge base) for assessing the state of objects. The author examines in detail the type of fuzzy-production rules proposed by him, the algorithm of logical inference on the rules, describes the developed model of a fuzzy neural network. Particular attention is paid to the need to assess the approximating ability of the model in order to determine the feasibility and effectiveness of its practical use. This assessment was made by analyzing the following model characteristics:- convergence of the developed learning algorithm for fuzzy neural network;- satisfaction of its work with the principles of fuzzy approximation;- consistency of the logic inference algorithm on the rules of the model to the well-known algorithm for approximating objects with discrete output based on a fuzzy knowledge base. The estimation of the approximating ability of the neuro-fuzzy model was made, based on the results of which it was concluded that this model is an effective approximator of objects with a discrete output. In addition, in order to test the model, an assessment was made of the classifying ability of the fuzzy rules being formed. The accuracy of classification based on fuzzy rules turned out to be no lower than the accuracy of other known classification methods. The practical value of the application of such rules is the ability to build decision support systems for assessing the state of objects in various subject areas.

Аннотация: Предметом исследования является оценка эффективности распределения заданий по исполнителям в автоматизированных системах электронного документооборота на основе нечетких методов рационального выбора альтернатив. Объектом исследования является задача рационального выбора исполнителей с учетом их квалификации, работоспособности, загруженности, а также сложности поступающих на распределение заданий. В работе рассматриваются три стратегии распределения заданий: на основе метода максиминной свертки, аддитивной свертки и нечетко-продукционной модели. Особое внимание уделяется программному комплексу, разработанному на базе предложенных методов. Приводится пример его функционирования, а также результаты проведенных исследований по оценке эффективности распределения заданий по исполнителям. В качестве методов исследования используются нечеткие методы рационального выбора альтернатив: максиминной свертки, аддитивной свертки и нечетко-продукционный метод. Данные методы используются для распределения заданий по исполнителям в автоматизированных системах электронного документооборота. Основными выводами проведенного исследования являются:
- метод на основе нечеткого логического вывода показал лучшие результаты, наиболее точно согласующиеся с интуитивным представлением эксперта по рациональному выбору исполнителей заданий;
- метод максиминной свертки является пессимистичным подходом, не учитывающим хорошие стороны альтернатив;
- метод аддитивной свертки реализует оптимистичный подход, в котором низкие оценки по критериям имеют одинаковый вес по сравнению с высокими оценками, что повлияло на его низкую точность.
Особым вкладом авторов в исследование темы является разработка эффективной нечетко-продукционной модели распределения заданий, а также реализация программного комплекса, позволившего выполнить необходимые исследования по оценке ее эффективности. Это определяет научную новизну и практическую ценность проведенного исследования.

Abstract: The subject of the study is to evaluate the effectiveness of assigning tasks in the automated systems of electronic document management on the basis of fuzzy methods of rational choice of alternatives. The object of the research is the problem of a rational choice of employee for the task based on qualifications, performance, workload as well as difficulty of the assignment. The paper focuses on three job assignment strategies:  based on the method of maximin convolution, additive convolutions and fuzzy-production model. Particular attention is paid to the software developed on the basis of the proposed methods. The authors present an example of its operation, as well as the results of studies evaluating the effectiveness of allocation tasks for the performers. As the methods of research authors used methods of fuzzy rational choice of alternatives: maximin convolution, additive convolutions and fuzzy-production model. These methods are used to assign tasks the automated systems of electronic document management. The main conclusions of the study are:
-          method based on fuzzy logic inference has shown the best results, most closely consistent with the intuitive representation of an expert on rational choice assignments performers;
-          maximin convolution method is a pessimistic approach, that does not take into account the good side of the alternatives;
-          method of additive convolution is an optimistic approach in which low scores on the criteria have the same weight as compared to the high marks that affected its low accuracy.
A special contribution to the authors of the study is in developing an effective fuzzy-productions tasks assignment model as well as the implementation of the software system for performing the necessary calculations to evaluate its effectiveness. This determines the scientific novelty and practical value of the study.

Аннотация: В данной работе для повышения эффективности использования экспертных диагностических систем в социальных и технических предметных областях актуализируется необходимость разработки новой модели представления знаний. Предлагается нечетко-продукционная модель, позволяющая производить описание закономерностей предметной области на множестве разнотипных данных, представленных как в четких, так и нечетких шкалах. Разрабатывается методика группировки параметров, описывающих объект диагностики, для построения каскада параметров в соответствие с этапами диагностического процесса. На базе предложенных модели и методики строится каскад продукционных правил, позволяющих диагностировать состояние сложного объекта. Описывается алгоритм логического вывода на каскаде правил. На примере решения задачи медицинской диагностики показывается эффективность предложенного в работе подхода. Ставятся задачи перспективных исследований.