Тим, Хто пам'ятає, мріє і вірить…

	Передмова……………………………………….	8
	Вступ……………………………….……………..	13
Розділ 1	Класичні методи……………………………….	16
1.1.	Метод найменших квадратів. Парна лінійна регресія…………………………………	17
1.2.	Множинна лінійна регресія…………………..	20
1.3.	Тестування і усунення мультиколінеарності …………………………..	23
1.4.	Тестування і усунення гетероскедастичності………………………….	30
1.5.	Автокореляція. Причини і наслідки………..	34
1.6.	Множинна нелінійна регресія ………………	37
	Практичні завдання……………………………	39
	Контрольні питання і завдання для самоперевірки…………………………………...	40
	Теми рефератів та розрахунково-графічних робіт………………………………...	41
	Теми для самостійного опрацювання……….	42
Розділ 2	Нейромережні методи………………………..	44
2.1.	Основні поняття………………………………..	43
2.2.	Алгоритм зворотного поширення помилки і прогнозування…………………………………	45
2.3.	Алгоритм навчання RBF-мережі та її використання для прогнозування…………..	53
2.4.	Мережі зустрічного поширення − інструментарій попереднього прогнозування…………………………………..	57
	Практичні завдання……………………………	62
	Контрольні питання і завдання для самоперевірки………………………………….	65
	Теми рефератів та розрахунково-графічних робіт………………………………...	66
	Теми для самостійного опрацювання………	67
Розділ 3	Еволюційне моделювання і методи самоорганізації………………………………...	70
3.1.	Метод групового врахування аргументів. Загальні положення……………………………	72
3.2.	Багаторядний метод групового врахування аргументів………………………………………..	73
3.3.	Критерій регулярності………………………...	75
3.4.	Критерій незміщеності………………………..	77
3.5.	Критерій балансу змінних……………………	80
3.6.	Алгоритми поділу початкової вибірки даних…………………………….………………..	82
3.7.	Ретроспектива еволюційного моделювання…………………………………….	83
3.8.	Генетичний алгоритм. Історична довідка та базові елементи…………………………………	84
3.9.	Основні поняття та приклад задачі………....	86
3.10.	Елементний і функціональний базис генетичного алгоритму……………………..…	88
3.11.	Еволюційні стратегії…………………………...	94
3.12.	Порівняльний аналіз еволюційних алгоритмів…………………………………….…	97
3.13.	Світові наукові школи еволюційного моделювання………………………….………...	98
	Практичні завдання………………...………….	99
	Контрольні питання і завдання для самоперевірки…………………….……………..	101
	Теми рефератів та розрахунково- графічних робіт………………………………...	103
	Теми для самостійного опрацювання…….....	104
Розділ 4	Методи обробки нечіткої інформації…….	109
4.1.	Основні поняття та визначення……………..	111
4.2.	Нечіткі відношення та нечітке логічне виведення………………………………………...	117
4.3.	Аналіз нечітких експертних заключень…….	123
4.4.	Прийняття рішень в нечітких умовах………	126
	Практичні завдання……………………………	129
	Контрольні питання і завдання для самоперевірки……………………….………….	130
	Теми рефератів та розрахунково- графічних робіт………………………………..	131
	Теми для самостійного опрацювання……….	132
Розділ 5	Препроцесінг інформації……………………	134
5.1.	Ентропія і кількість інформації……………..	135
5.2.	Нормалізація і стандартизація вихідних значень……………………………………………	137
5.3	Аналітико-евристичні алгоритми визначення інформативних ознак………….	139
5.4.	Алгоритм “вибілювання” входів…………….	142
5.5.	Нейромережне визначення значущих факторів………………………………………….	143
5.6.	Методика “box-counting”…………………...…	145
	Практичні завдання……………………………	148
	Контрольні питання і завдання для самоперевірки…………………………………...	150
	Теми рефератів та розрахунково-графічних робіт………………………………...	151
	Теми для самостійного опрацювання……….	151
Розділ 6	Методи кластеризації………………………...	154
6.1.	Постановка задачі та її попередній аналіз….	155
6.2.	Характеристика методів кластерного аналізу………………………………………….....	157
6.3.	Алгоритми, що базуються на гіпотезі компактності…………………………………….	162
6.4.	Алгоритми, що базуються на гіпотезі лямбда-компактності…………………………..	164
6.5.	Пірамідальні мережі, що ростуть……………	166
6.6.	Еволюційна кластеризація……………………	175
	Практичні завдання……………………………	180
	Контрольні питання і завдання для самоперевірки….……………………………….	183
	Теми рефератів та розрахунково-графічних робіт………………………………...	184
	Теми для самостійного опрацювання……….	185
Розділ 7	Відновлення інформації……………………..	188
7.1.	Математична постановка задачі відновлення пропусків у .таблицях даних…	189
7.2.	Евристичні методи обробки некомплектних даних………………………….	191
7.3.	Відновлення пропусків значень залежної змінної……………………………………………	192
7.4.	Локальні методи відновлення пропусків…..	196
7.5.	Ітераційний метод головних компонент для даних з пропусками……………………….	200
7.6.	ЕМ-алгоритм…………………………………….	205
7.7.	Еволюційний метод відновлення пропусків	206
	Практичні завдання……………………………	212
	Контрольні питання і завдання для самоперевірки………………………………….	214
	Теми рефератів та розрахунково-графічних робіт………………………………...	215
	Теми для самостійного опрацювання……….	216
Розділ 8	Гібридні методи. Практичні додатки……..	219
8.1.	Нечіткі нейромережні парадигми………….	220
8.2.	Навчання нечітких нейромереж…………….	227
8.3.	Еволюційно-параметрична оптимізація RBF-мережі………………………………………	233
8.4.	Синтетична оптимізація структури агропромислового виробництва…………….	243
8.5.	Композиційний метод еволюційного моделювання у проектних задачах………….	251
8.6.	Композиційний метод зменшення невизначеності………………………………..…	258
	Практичні завдання……………………………
	Контрольні питання і завдання для самоперевірки………………………………….	263
	Теми рефератів та розрахунково-графічних робіт………………………………...	264
	Теми для самостійного опрацювання……….	265
Розділ 9	Інші методи Soft Computing………………...	268
9.1.	Мурашині алгоритми………………………….	268
9.2.	Програмування генетичних виразів………..	280
9.3.	Нечіткі системи як універсальні апроксиматори………………………………….	326
	Практичні завдання……………………………	339
	Контрольні питання і завдання для самоперевірки………………………………….	340
	Теми рефератів та розрахунково-графічних робіт………………………………...	340
	Теми для самостійного опрацювання……….	340
	Предметний покажчик………………………..	344
	Додаток А. Теми курсового проектування…	346
	Додаток Б. Базові програмні модулі………..	353
	Додаток В. Формування пірамідальної мережі, що росте………………………………..	358
	Додаток Д. Статистичні таблиці…………….	363