УДК 303.444

А.В. КУПЧИН,
Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Київ, Україна,  kupchyn.artem@ukr.net

В.С. КОМАРОВ,
Центральний науково-дослідний інститут Збройних Сил України, Київ, Україна,
 komarvlad@ukr.net

І.В. БОРОХВОСТОВ,
Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Київ, Україна,  borohvostov@icloud.com

М.О. БІЛОКУР,
Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Київ, Україна,  nikolas200578@gmail.com

О.М. КУПРІНЕНКО,
Національна академія Сухопутних військ імені гетьмана Петра Сагайдачного, Київ, Україна,  Kyprinenko@ukr.net

Я.С. МІЩЕНКО,
Національна академія Сухопутних військ імені гетьмана Петра Сагайдачного, Київ, Україна,  yamishchenko3@gmail.com

В.Ю. БОГДАНОВИЧ,
Центральний науково-дослідний інститут Збройних Сил України, Київ, Україна,
 bogdnr11@gmail.com

О.А. КОНОНОВ,
Державний науково-дослідний інститут авіації, Київ, Україна,
 alkononov@gmail.com

ВИЗНАЧЕННЯ ТОЧНОСТІ НЕЧІТКОЇ
МОДЕЛІ ТЕХНОЛОГІЧНОГО ФОРСАЙТА

ПОВНИЙ ТЕКСТ

СПИСОК ЛІТЕРАТУРИ

1. Дубовой В.М., Квєтний Р.Н., Михальов О.І., Усов А.В. Моделювання та оптимізація систем. Вінниця: ПП «ТД «Едельвейс», 2017. 804 с.


2. Kupchyn A., Sotnyk V. The model of disruptive technologies determination for defense sphere. Issues of Armament Technology. 2021. N 156 (1). P. 65–83. https://doi.org/10.5604/ 01.3001.0015.2529.


3. Слюсар В.І., Сотник В.В., Купчин А.В., Шостак В.Г. Проривні технології в оборонній сфері України. Озброєння та військова техніка. 2020. Т. 28, № 4. С. 13–23. https://doi.org/10.34169/2414-0651.2020.4(28).13-23.


4. Сотник В.В., Расстригін О.О., Купчин А.В. Методика відбору критичних технологій. Сучасні інформаційні технології у сфері безпеки та оборони. 2020. № 1 (37). С. 67–76. http://doi.org/10.33099/2311-7249/2020-37-1-67-76.


5. Томашевський В.М. Моделювання систем. Київ: Видавнича група BHV, 2005. 352 c.


6. Gil M.M., Miller F.A., Brando T.R.S., Silva C.L.M. Mathematical models for prediction of temperature effects on kinetic parameters of microorganisms’ inactivation: tools for model comparison and adequacy in data fitting. Food Bioprocess Technol. 2017. N 10. P. 2208–2225. https://doi.org/10.1007/s11947-017-1989-x.


7. Voje K.L. Assessing adequacy of models of phyletic evolution in the fossil record. Methods Ecol. Evol. 2018. Vol. 9, Iss. 12. P. 2402–2413. https://doi.org/10.1111/2041-210X.13083.


8. Rammay M.H., Elsheikh A.H., Chen Y. Quantification of prediction uncertainty using imperfect subsurface models with model error estimation. Journal of Hydrology. 2019. Vol. 576. P. 764–-783. https://doi.org/10.1016/j.jhydrol.2019.02.056.


9. Щербініна С.А., Климко О.Г., Марочко Т.Р. Застосування економіко-математичного моделювання для аналізу діяльності промислового підприємства. Ефективна економіка. 2019. № 6. https://doi.org/10.32702/2307-2105-2019.6.59.


10. Ostapchuk V., Sova O., Shyshatskyi A. Development of a mathematical model of the functioning of multi-antenna radio communications with spectrally effective signals under the influence of destabilizing factors. ScienceRise. 2020. N 4. P. 40–45. https://doi.org/10.21303/ 2313-8416.2020.001393.


11. Білокур М.О. Функціональне відображення значень ваг в штучній нейронній мережі визначених властивостей при оцінюванні альтернативних зразків озброєння. Озброєння та військова техніка. 2020. № 2(26). С. 20–31. URL: https://cndiovt.com.ua/files/ovt/OVT_2(26).pdf.


12. Ykseland N., H. A new model for technology foresight: Foresight periscope model (FPM). Proc. International Conference on Engineering, Technology and Innovation (ICE/ITMC) (27–29 June 2017, Madeira, Portugal). Madeira, 2017. P. 807–817. https://doi.org/ 10.1109/ICE.2017.8279967.


13. Rohrbeck R., Kum M.E. Corporate foresight and its impact on firm performance: A longitudinal analysis. Technological Forecasting and Social Change. 2018. Vol. 129. P. 105–116. https://doi.org/10.1016/j.techfore.2017.12.013.


14. В.В. Кирик. Математичний апарат штучного інтелекту в електроенергетичних системах. Київ: Політехніка, 2019. 224 с.


15. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. Москва: Горячая линия – Телеком, 2007. 288 с.


16. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2005. 736 с.


17. Ротштейн А.П. Интеллектуальные технологии идентификации. Вінниця: Універсум-Він- ниця, 1999. 302 с.


18. Slyusar V., Sotnyk V., Bondarchuk M., Kupchyn A., Bilokur M. Method for determining membership function based on equidistant points. Proc. International Conference of Specialized and Multidisciplinary Scientific Researches (11 December 2020, Amsterdam, The Netherlands). Amsterdam, 2020. Vol. 2. P. 27–30. http://doi.org/10.36074/11.12.2020.v2.07.


19. Купчин А.В., Комаров В.С., Борохвостов І.В., Купріненко О.М., Сотник В.В., Білокур М.О., Олексіюк В.В. Модель технологічного форсайту на основі нечіткої логіки. Кібернетика та системний аналіз. 2021. Т. 57, № 6. С. 149–161.


20. Субботін С.О. Нейронні мережі: теорія та практика. Житомир: Вид. О.О. Євенок, 2020. 184 с.


21. Фишберн П. Теория полезности для принятия решений. Москва: Наука, 1978. 352 с.


22. Матвійчук В.І., Акопян А.С. Підходи до формування інтегрального показника фінансової стійкості університету на основі узагальненої функції бажаності Харрінгтона. Економіка і організація управління. 2020. № 3(39). С. 65–80. https://doi.org/10.31558/2307-2318.2020.3.6.


23. Слюсар В.І., Сотник В.В., Купчин А.В. Перевірка достовірності моделі технологічного прогнозування на основі самонавченої нейронної мережі. Тези доповідей IV Міжнародної науково-практичної конференції «Інформаційна безпека та комп’ютерні технології» (15–16 квітня 2021, Кропивницький, Україна). Кропивницький, 2021. С. 31.