| dc.contributor.author | Ліщук, А. Р. | uk |
| dc.contributor.author | Lishchuk, A. | en |
| dc.date.accessioned | 2025-07-24T11:09:52Z | |
| dc.date.available | 2025-07-24T11:09:52Z | |
| dc.date.issued | 2024 | |
| dc.identifier.citation | Ліщук А. Р. Аналіз та порівняння підходів до нейро-нечіткого прогнозування // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/20173. | uk |
| dc.identifier.isbn | 978-617-8163-14-3 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/47203 | |
| dc.description.abstract | Проведено аналіз та порівняння підходів до нейро-нечіткого прогнозування. Визначено основні характеристики та особливості моделей ANFIS, TSK та ANFIS-CMAC. Розглянуто архітектуру, принцип роботи та методи навчання кожної моделі. Проведено порівняльний аналіз їх ефективності та застосування в різних галузях. | uk |
| dc.description.abstract | The approaches to neuro-fuzzy forecasting are analyzed and compared. The main characteristics and features of the ANFIS, TSK and ANFIS-CMAC models are determined. The architecture, operating principle and training methods of each model are considered. A comparative analysis of their efficiency and application in various industries is carried out. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/20173 | |
| dc.subject | аналіз | uk |
| dc.subject | нейро-нечітке прогнозування | uk |
| dc.subject | analysis | en |
| dc.subject | neuro-fuzzy forecasting | en |
| dc.subject | ANFIS | en |
| dc.subject | TSK | en |
| dc.subject | ANFIS-CMAC | en |
| dc.title | Аналіз та порівняння підходів до нейро-нечіткого прогнозування | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 519.876 | |
| dc.relation.references | Salleh, M.N.M., Talpur, N., Hussain, K. (2017). Adaptive Neuro-Fuzzy Inference System: Overview, Strengths,
Limitations, and Solutions. In: Tan, Y., Takagi, H., Shi, Y. (eds) Data Mining and Big Data. DMBD 2017. | en |
| dc.relation.references | X. Gu, F. -L. Chung and S. Wang, "Bayesian Takagi–Sugeno–Kang Fuzzy Classifier," in IEEE Transactions on Fuzzy Systems, vol. 25, no. 6, pp. 1655-1671, Dec. 2017. | en |
| dc.relation.references | Mohammad Fazle Azeem, Fuzzy Intrface System – Theory and Applications, Croatia, Rijeka: InTech, 2012, pages 421-443. | en |
