Ўзбекистон республикаси ахборот технологиялари ва коммуникацияларини ривожлантириш вазирлиги муҳаммад ал-хоразмий номидаги

n
k
p
jp
jp
i
i
n
i
x
x
x
f
r
w
весом
c
a
x
j












 
.
(1) 
Здесь 
jp
i
a
,
- лингвистический терм, которым оценивается переменная 
i
x  в строчке с 
номером jp; 
jp
w  - весовой коэффициент правила с порядковым номером jp; 
)
,...,
,
(
2
1
n
x
x
x
f
r 
- выход нечеткого правила. 
Суть обучения состоит в подборе таких параметров функций принадлежности, которые 
минимизируют различие между результатами нейронечеткой аппроксимации и реальным 
поведением объекта. Для обучения используется система рекуррентных соотношений: 
2
1
1
2
2
2 2
1
1
( )
( )
2 (
)
1
ˆ
(
1)
( )
(
)
(
)
(
)
((
)
(
) )
( )
i
i
i
m
m
r
r
j
j
j
j
i
i
i
n
j
j
j
j
i
i
k
i
k
k
k
t
t
i
k
j
j
j
j
m
i
i
k
i
k
r
i
i
r
r
r
r
c x
b
b t
b t
r
r
x
x
c
x
b
r












 














(2) 


2
2
2
2
1
2
1
1
1
)
(
)
(
)
(
)
(
2
)
(
)
(
1
)
(
)
(
)
(
)
ˆ
(
)
(
)
1
(
j
k
j
i
j
k
j
k
j
i
j
k
j
i
j
n
i
j
i
k
i
r
m
i
i
r
i
m
i
i
r
m
i
j
t
t
j
k
j
k
b
x
c
b
x
c
x
x
r
r
r
r
r
r
r
t
c
t
c
j
i
i




























. 
Алгоритм обучения нейронечеткой сети состоит из двух фаз. На первой фазе вычисляется 
модельное значение выхода объекта (
r
), соответствующее заданной архитектуре сети. На 
второй фазе вычисляется значение невязки (
t
E
) и пересчитываются параметры функций 
принадлежности. 
Разработаны модели оценкириска,основанные на нечетких правилах вывода.
Если 
1
1
x =Н и
1
2
x =Н и
1
3
x =В и
1
4
x =С 
То 






















)
(
)
(
1
,
0
)
(
)
(
21
,
0
)
(
)
(
02
,
0
)
(
)
(
05
,
0
33
,
0
1
4
1
1
1
4
1
4
1
3
1
1
1
3
1
3
1
2
1
1
1
2
1
2
1
1
1
1
1
1
1
1
1
j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
x
x
x
x
x
x
x
x
x
x
x
x
r








2
2
2
2
1
1
1
1
1
1
1
1
1
1
2
2
3
3
4
4
1
1
1
1
1
1
1
1
1
2
3
4
1
1
1
1
(
)
(
)
( )
(
)
0, 003
0, 004
0, 007
0, 0011
.
(
)
(
)
(
)
(
)
n
n
n
n
j
j
j
j
j
j
j
j
j
n
n
n
n
j
j
j
j
j
j
j
j
x
x
x x
x x
x x
x
x
x
x












































































Если
16
1
x =С и
16
2
x =В и 
16
3
x =Н и
16
4
x =С 
То 






















)
(
)
(
09
,
0
)
(
)
(
003
,
0
)
(
)
(
005
,
0
)
(
)
(
007
,
0
184
,
0
16
4
1
1
16
4
16
4
16
3
1
1
16
3
16
3
16
2
1
1
16
2
16
2
16
1
1
1
16
1
16
1
16
j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
x
x
x
x
x
x
x
x
x
x
x
x
r









---

260 
2
16
4
1
1
16
4
16
4
2
16
3
1
1
16
3
16
3
2
16
2
1
1
16
2
16
2
2
1
1
1
16
1
16
1
)
(
)
(
0015
,
0
)
(
)
(
0005
,
0
)
(
)
(
0009
,
0
)
(
)
(
002
,
0
16




































































j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
n
j
n
j
j
j
x
x
x
x
x
x
x
x
x
x
x
x
j








. 
Если
27
1
x =В и
27
2
x =В и 
27
3
x =С и
27
4
x =С 
То






















)
(
)
(
09
,
0
)
(
)
(
07
,
0
)
(
)
(
001
,
0
)
(
)
(
003
,
0
17
,
0
27
4
1
1
27
4
27
4
27
3
1
1
27
3
27
3
27
2
1
1
27
2
27
2
27
1
1
1
27
1
27
1
27
j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
x
x
x
x
x
x
x
x
x
x
x
x
r








2
27
4
1
1
27
4
27
4
2
27
3
1
1
27
3
27
3
2
27
2
1
1
27
2
27
2
2
1
1
1
27
1
27
1
)
(
)
(
0024
,
0
)
(
)
(
0002
,
0
)
(
)
(
0005
,
0
)
(
)
(
01
,
0
27




































































j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
j
n
j
n
j
j
j
x
x
x
x
x
x
x
x
x
x
x
x








 
В предложенных моделях каждая входная переменная имеют свои собственные функции 
принадлежности нечетким термам (Н, НС, С, ВС, В), которые используются в уравнениях.
Функции принадлежности имеет следующий вид: 
2
1
1
)
(
~









j
k
j
k
j
i
j
i
k
c
b
x
x

. 
Таким образом, обработка моделей оценки риска с учётом факторов неопределенности 
имеет ряд особенностей. Во-первых, основным отличием моделей, разрабатываемых и 
оцениваемых с учетом неопределенности, является то, что условия их реализации и 
результаты считаются недетерминированными. В связи с этим приходится принимать во 
внимание все возможные значения параметров моделей. Во-вторых, влияние факторов 
риска и неопределенности неизбежно приводит к тому, что содержание и состав моделей 
существенно меняются.