Нейро-нечітка модель багатокритеріального оцінювання

Abstract

UK: Актуальність. Проведено дослідження актуальної задачі розроблення моделей і методів багатокритеріального оцінювання із застосуванням нейро-нечітких технологій. Метою даної роботи є розроблення моделі отримання агрегованої оцінки цінності об’єкта дослідження, яка з одного боку використовує різні характеристики об’єкту, що оцінюються за кількісними показниками, і на основі різних моделей представлення знань про об’єкт, а з іншого використовує досвід, знання та компетенції експертів у відповідній предметній області. Об’єктом дослідження є процес моделювання досвіду, знань та компетенції експертів для отримання кількісної оцінки об’єкту дослідження на основі нейро-нечітких мереж. Предметом дослідження є нейро-нечіткі моделі отримання кількісної оцінки об’єкта дослідження для прийняття рішень в умовах експертних даних. Метод. Вперше розроблено п’ятишарову нейро-нечітку модель для виведення кількісної та лінгвістичної оцінки щодо рівня цінності об’єкта дослідження використовуючи досвід, знання та компетенції експертів у відповідній предметній області. Вперше запропоновано використовувати у нейро-нечіткій мережі кількісні оцінки про об’єкт дослідження (агреговані оцінки отримані за допомогою багатокритеріальних моделей) та лінгвістичні міркування експертів. Вперше апробовано та верифіковано розроблену модель для прикладу оцінювання ризику фінансування стартап проекту на етапі розширення бізнесу, а також запропоновано в якості навчання нейро-нечіткої мережі «інтервальне представлення» синаптичних ваг. Порівняно результати дослідження на різних підходах визначення синаптичних ваг та реальними даними з визначенням похибки. Результати. Отриманим результатом дослідження є нейро-нечітка модель оцінювання об’єкта за багатьма критеріями. Розроблена модель дає можливість поєднати кількісні характеристики об’єкта з експертними думками у вигляді якісних оцінок. Раціональність оцінки доводить переваги розроблених моделей. Висновки. Сумісне використання апарату теорії нечітких множин і нейро-мереж являється зручним засобом моделювання у задачах багатокритеріального вибору. Як правило, важлива інформація для систем підтримки управлінських рішень поступає із двох джерел: 1) отримання оцінок об’єкта за певними кількісними показниками, що породжує неточність; 2) від людей-експертів, які описують свої знання про предметну область, що породжує суб’єктивність і невизначеність. Тому, збереження експертних оцінок і неточних даних потребує уміння з ними працювати. У роботі розв’язано науково-прикладне завдання розроблення моделі для отримання агрегованої оцінки цінності об’єкта, яка базується на нейро-нечіткій мережі і може бути застосована при вирішенні завдань прийняття управлінських рішень у соціо-економічних системах. EN: Context. The research of the actual problem of development of models and methods of multicriteria evaluation using neuro-fuzzy technologies is carried out. The purpose of this work is to develop a model for obtaining an aggregate evaluation of the significance of the object of study, which on the one hand uses different characteristics of the object, evaluated by quantitative indicators and on the basis of different models of representation of knowledge about the object, and on the other uses experience, knowledge and the expertise of experts in the relevant subject area. Objective. The object of the study is the process of modeling the experience, knowledge and competence of experts to quantify the object of study on the basis of neuro-fuzzy networks. The subject of the study is a neuro-fuzzy model of quantifying an object of study for decision making in expert data. Method. For the first time, a five-layer neuro-fuzzy model has been developed to derive quantitative and linguistic assessments of the object of the study using the expertise, expertise and expertise of the subject area. For the first time, it is proposed to use quantitative estimates of the object of study (aggregated estimates using multicriteria models) and linguistic expert reasoning on a neuro-fuzzy network. For the first time, a model has been tested and verified for an example of assessing the risk of financing a startup project in the business expansion phase, and is also offered as a training for the neuro-fuzzy synaptic weight interval network. Comparison of the results of the study on different approaches to determining synaptic weights and real data with error detection. Results. The result of the study is a neural-fuzzy model for evaluating an object by many criteria. The developed model allows to combine quantitative characteristics of an object with expert opinions in the form of qualitative estimates. The rationality of the evaluation proves the advantages of the developed models. Conclusions. Sharing the apparatus of fuzzy sets and neural networks theory is a convenient simulation tool for multicriteria selection problems. As a rule, important information for management decision support systems comes from two sources: 1) obtaining object estimates by certain quantitative indicators, which creates inaccuracy; 2) from expert people who describe their subject matter knowledge, which creates subjectivity and uncertainty. Therefore, maintaining expert judgment and inaccurate data requires the ability to work with them. The paper deals with the scientific and applied problem of developing a model for obtaining an aggregate estimation of an object based on a neural-fuzzy network and can be applied in solving management decision-making problems in socio-economic systems.