производственные критерии; новые технологические процессы; до-
статочная численность и квалификация производственного персонала;
соответствие проекта имеющимся производственным мощностям; це-
на и наличие материалов; производственные издержки, потребности в
дополнительных мощностях.
5.
Внешние и экономические критерии: возможные вредные воз-
действия продуктов и технологии, влияние общественного мнения,
текущее и перспективное законодательство, воздействие на уровень
занятости.
В этот перечень входят все возможные критерии оценки. Для кон-
кретных проектов, как правило, используются только наиболее значи-
мые критерии: соответствие проекта отношению корпорации к рис-
ку; вероятность коммерческого успеха; стоимость и время разработки
проекта; возможность выполнения будущих НИОКР на базе данного
проекта и новой технологии; стоимость НИОКР; вложения в произ-
водство, в маркетинг; время достижения точки безубыточности и мак-
симальное отрицательное значение расходов; потенциальный годовой
размер прибыли, цена и наличие материалов.
Каждый из приведенных выше критериев обладает определенной
степенью нечеткости, его можно описать такими лингвистическими
понятиями, как “высокий”, “низкий”, “минимальный” и пр. Многие
критерии с трудом поддаются числовому выражению. Поэтому в дан-
ном случае очень удобно использовать нечеткую логику для описания
зависимости эффективности проекта от выбранных качественных кри-
териев. Количество знаний о конкретном проекте и об инновациях в
целом накапливается с течением времени, уменьшая степень неопреде-
ленности при оценке проекта. Эти знания должны быть использованы
для обучения системы оценки и увеличения точности ее предсказаний.
Созданная система, основанная на объединении нечеткой логики
и нейронных сетей, предоставляет возможность удобного для челове-
ка представления знаний и самообучения на основе статистических
данных (рис. 1.)
Нейро-нечеткая гибридная система.
Уточняемое нечеткое мно-
жество
определим как нечеткое множество, функция принадлежности
которого может быть скорректирована в процессе обучения гибрид-
ной сети, построенной на основе механизма нечеткого вывода. Для
объединения достоинств продукционной модели и нейронных сетей
появилась гибридная система, основанная на нейро-нечеткой моде-
ли. Данная система сочетает в себе возможности обучения и задания
знаний на языке, близком к естественному. Под гибридной системой
будем понимать такую систему, в которой комбинируются подходы и
методы нейронных сетей, экспертных и нечетких систем (рис. 2).
28
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
