Ця монографія є першою монографії виданої в Україні, в якій дано систематизований виклад всіх сучасних напрямків в області обчислювального інтелекту. У вступі дається короткий виклад історії розвитку робіт в області ВИ, дається авторське визначення терміна обчислювального інтелекту (ВІ), виділяються його основні компоненти: технології, моделі, методи і прикладні завдання ви- прогнозування і передбачення, класифікація та розпізнавання образів, кластеризація (автоматична класифікація ) інтелектуальний аналіз даних і знань, дається їх коротка характеристика, вказуються взаємозв’язку, відзначаються зв’язку ВИ з м’якими обчислення ( «софт-комп’ютингу»).
У першому розділі викладається історично перша технологія ВИ – нейронні мережі. Розглядається класична нейронна мережа з зворотним поширення (НС BP), Викладено основні алгоритми навчання – градієнтний, сполучених градієнтів і генетичний, даний порівняльний аналіз їх достоїнств і недоліків. Далі Розглянуто інший важливий клас нейронних мереж – з радіально-базисними функціями (РБФ-нейромережі), викладаються їх властивості розглянуті алгоритми навчання, дається порівняльний аналіз властивостей і можливостей НС РБФ і НС BP і різних сферах застосування, зокрема задачах прогнозування та класифікації.
Другий розділ присвячено розгляду нейронних мереж із зворотними зв’язками і з самоорганізації Хопфилда і Хемминга. Проаналізовано їх властивості методи настройки ваг. Наводяться результати порівняльних експериментів по застосуванню рекурентних нейронних мереж в задачах класифікації букв в умови високого рівня шумів. Важливою властивістю інтелектуальних систем є їх здатність до самоорганізації. У монографії розглянуті нейронні мережі з самоорганізації, описані їх структура, властивості. Викладено і проаналізовані алгоритми самоорганізації – базовий алгоритм Кохонена, а також модифіковані алгоритми з пам’яттю і функцією сусідства. Дані алгоритми широко використовуються в задачах автоматичної класифікації і кластерного аналізу, а також аналізу і візуалізації багатовимірних даних.
У третьому розділі Розглянуто новий важливий клас технологій ВИ – системи з нечіткою логікою та нечіткі нейронні мережі, Описані основні етапи нечітко виведення, а також основні алгоритми нечітко виведення: Мамдані, Цукамото, Сугено і Ларсена. Дан аналіз властивостей, достоїнств і недоліків систем з нечіткою логікою на основі якого зроблено висновок про інтеграції двох технологій ВИ: нейронних мереж і систем нечіткої логіки, в результаті якої створено нову технологію ВИ – нечіткі нейронні мережі (ННС), що поєднує переваги обох складових технологій. Викладено алгоритми навчання нечітко нейронних мереж (ННС). Далі розглядається новий клас нечітко нейромереж – каскадні неофаззи – нейронні мережі, їх архітектура, властивості і алгоритми навчання.
Викладаються різні застосування нечітко нейронних мереж в макроекономіці і фінансовому аналізі. Розглядається задача прогнозування курсів акцій в макроекономіці і фінансовій сфері з впровадженням ННС з висновками Мамдані, Цукамото і Сугено, наводяться результати порівняльних експериментів, що дозволяють визначити Найбільш ефективний метод прогнозування на фондових ринках.
Далі розглянута актуальна задача прогнозування ризику банкрутства підприємств в умовах неповної і недостовірне інформації. Описано класичний метод Альтмана, а також нові методи, які використовують технології і методи обчислювального інтелекту – нечітко-множинний метод прогнозування ризику банкрутства, а також нечіткі нейронні мережі. У монографії наводяться нові результати застосування вищевказаних нечітко методів для прогнозування банкрутства підприємств на прикладі України в умовах невизначеності, проведено їх аналіз та визначено Найбільш відповідний метод.
Розглядається актуальна для банківської сфери завдання аналізу кредитоспроможності юридичних і фізичних осіб. Викладено новий метод аналізу кредитоспроможності позичальників в умовах невизначеності – на основі застосування ННС. Наводяться результати порівняльних експериментів з прогнозування кредитоспроможності з впровадженням скорингового і нечітко методів ВИ на прикладі вирішення реальних практичних завдань для юридичних і фізичних осіб ..
Далі розглядається задача оцінки ризику банкрутства банків в умовах невизначеності і наводяться результати її рішення з впровадженням різних нечітко нейромереж для банківської системи України, також провідних Європейських банків, отримані авторами.
У п’ятому розділі розглядається застосування нейронних мереж в задачах класифікації та розпізнавання образів. Розглянуто ННС NEFClass, описані її архітектура, властивості і алгоритми навчання, проаналізовані недоліки. Далі описані застосування нечітко нейромереж в задачах розпізнавання електрооптичних зображень, отриманих за допомогою мультиспектральних систем із супутників і інших літальних апаратів.
Шоста глава присвячена методу індуктивного моделірованія- групового обліку аргументів (МГУА). Розглянуто загальна схема і основні принципи методу групового обліку аргументів. Викладено класичний поліноміальний багаторядний алгоритм МГУА, описані його властивості. Далі розглядається новий нечіткий метод МГУА, запропонований авторами і дозволяє працювати в умовах неповної і нечіткої інформації. Описано його властивості та викладено алгоритм НМГУА. Розглянуто проблему адаптації індуктивних моделей, отриманих з використанням НМГУА, в процесі їх експлуатації. Наводяться результати численних порівняльних експериментів класичного і нечіткого МГУА в задачах прогнозування на ринках цінних паперів України, Росії та США.
У сьомому розділі розглядаються проблеми кластерного аналізу (автоматичної класифікації). Тут наводиться постановка задачі кластерного аналізу, описана класифікація методів, що використовуються метрики і критерії кластерного аналізу. Викладено чіткі методи кластер-аналізу: К-середніх, найближчого сусіда, ієрархічні агломеративні і дівізімние методи і алгоритми, проаналізовано їх властивості.
Далі описані нечіткі методи кластер-аналізу: К-середніх, Густавссона -Кесселя. Описано також нові адаптивні робастні методи кластерного аналізу, що працюють в умовах великих перешкод. Розглядаються приклади застосування методів кластерного аналізу в задачах автоматичної класифікації країн ООН за показниками сталого розвитку, а також класифікації економічних об’єктів за фінансово-економічними показниками.
Восьма глава присвячена теорії і застосування еволюційного моделювання (ЕМ) і генетичних алгоритмів (ГА). Розглянуто загальна схема і основні механізми ГА, їх основні властивості і гідності. Викладено способи поліпшення механізмів кроссинг-овера, мутацій і селекції, використовуваних в генетичних алгоритмах. Викладено питання адаптації параметрів генетичних алгоритмів. Розглянуто застосування ГА в актуальною практичної проблеми структурної оптимізації комп’ютерних мереж за критеріями своєчасності доставки і живучості.
Далі розглядаються основна концепція і напрямки розвитку еволюційного моделювання (ЕМ). Викладено еволюційні стратегії в рішенні задач обчислювального і інтелекту. Особлива увага приділяється важливій проблемі прискорення збіжності генетичних і еволюційних алгоритмів.
У дев’ятому розділі розглянута актуальна проблема оптимізації інвестиційного портфеля в умовах невизначеності. Розглянуто класична задача портфельної оптимізації Марковича, проаналізовані її можливості і недоліки. Сформульовано нову постановку задачі портфельної оптимізації в умовах невизначеності, вільна від недоліків класичної моделі і розроблена теорія нечіткої портфельної оптимізації в умовах невизначеності. З метою підвищення достовірності рішень при складанні портфелів на ринках цінних паперів розроблений метод прогнозування доходностей акцій при складанні інвестиційних портфелів на основі нечіткого МГУА. Описана двоїста задача нечіткої портфельної оптимізації. Наводяться результати застосування даного підходу для визначення портфелів з акцій на ринках цінних паперів України, Росії та США.
На закінчення розглянуті перспективи розвитку систем і технологій обчислювального інтелекту.
Особливостями пропонованої монографії є наявність великої кількості прикладів практичного застосування методів обчислювального інтелекту для вирішення актуальних завдань в макроекономіці, фінансовій сфері, зокрема прогнозування, класифікації та розпізнавання образів, оптимізації інвестиційних портфелів на фондових ринках, аналізу ризику банкрутства корпорацій і банків, аналізу кредитоспроможності позичальників в умовах неповноти і невизначеності, які були отримані авторами в ході власних досліджень і публікуються в монографічної літературі вперше. Саме виклад і системний аналіз отриманих експериментальних і практичних результатів дозволяють оцінити ефективність описаних методів і технологій обчислювального інтелекту.
З огляду на велику актуальність тематики монографії і цінність викладених наукових і практичних результатів для зарубіжного читача видавництвом «Шпрінгер» заплановано видання англійського варіанту даної монографії та підписано відповідний договір між видавництвом і авторами.