К.А. Гончаров1, В.А. Судаков2
1, 2 Финансовый университет при Правительстве РФ (Москва, Россия)

1 goncharovkostya.1997@gmail.com

Постановка проблемы. В современных условиях технологии автоматизированного анализа данных представляют особый интерес не только для научного сообщества, но и для таких сфер жизнедеятельности, как бизнес, здравоохранение, государственное и муниципальное управление и многие другие. Необходимость внедрения и использования технологий данного класса, как правило, обусловлена наличием больших объемов исследуемых данных, которые невозможно проанализировать вручную. Вместе с тем определенные параметры в исследуемых наборах данных могут быть заданы в нечетком виде, что существенно усложняет задачу анализа данных, но при применении автоматизированных технологий, способных работать с нечеткой информацией, искомое решение может быть получено максимально эффективно и точно.

Цель. Представить методику решения задач многокритериального анализа альтернатив в нечеткой информационной среде с применением автоматизированных технологий анализа данных.

Результаты. Оценена эффективность метода решения задач многокритериального анализа альтернатив в нечеткой информационной среде. Составлена методика применения систем данного класса.

Практическая значимость. Применение автоматизированных средств анализа данных в задачах многокритериального анализа альтернатив в нечеткой информационной среде является перспективным направлением исследований, способствующим повышению эффективности принятия решений и улучшению качества анализа данных.

Гончаров К.А., Судаков В.А. Применение автоматизированных средств анализа данных в задачах многокритериального анализа альтернатив в нечеткой информационной среде // Нейрокомпьютеры: разработка, применение. 2025. Т. 27. № 4. С. 17–23. DOI: https://doi.org/10.18127/j19998554-202504-02

1. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь. 1993.
2. Figueira J.R., Mousseau V., Roy B. ELECTRE methods / In Multiple criteria decision analysis: State of the art surveys. Eds. by S. Greco, M. Ehrgott, J.R. Figueira. Springer New York, NY. 2005.
3. Roy B. Classement et choix en présence de points de vue multiples // Revue franįaise d'informatique et de recherche opération-nelle. V. 2.
4. Yoon K., Hwang C.L. TOPSIS (technique for order preference by similarity to ideal solution) – a multiple attribute decision making / In Multiple attribute decision making – methods and applications. New York: Springer-Verlag. 1981.
5. Zadeh L.A., Klir G.J., Yuan B. Fuzzy sets, fuzzy logic, and fuzzy systems / Advances in Fuzzy Systems – Applications and Theory. V. 6. World Scientific. 1996.
6. Парфенов Д.И., Болодурина И.П., Забродина Л.С., Жигалов А.Ю. Исследование алгоритмов адаптивных нейро-нечетких сетей ANFIS для решения задачи идентификации сетевых атак // Современные информационные технологии и ИТ-образование. 2020. Т. 16. № 3. С. 533–542. DOI: 10.25559/SITITO.16.202003.533-542.
7. https://github.com/KonstantinGonch/ANFIS_R.