Mirzayev Shoxrux Normurod oʻgʻli

AHOLI TURMUSH DARAJASINING KOʻP OMILLI INDIKATORLARINI

SHAKLLANTIRISHNING NEYRO-RAVSHAN KLASSIFIKATSIYA

MODELI

Qarshi davlat texnika universiteti

mustaqil tadqiqotchi,

ORCID: 0009-0008-5182-1227

Annotatsiya

Ushbu maqolada aholining turmush darajasini baholashda koʻp omilli indikatorlar

tizimini shakllantirish va uni neyro-ravshan (neuro-fuzzy) klassifikatsiya modeli

asosida takomillashtirish masalalari yoritilgan. Tadqiqotda demografik, iqtisodiy,

ijtimoiy va infratuzilma koʻrsatkichlarini birlashtiruvchi integrativ indikatorlar tizimi

ishlab chiqildi. Shuningdek, koʻrsatkichlar oʻrtasidagi noaniqlik, muvofiqlik va

murakkab nolinear bogʻliqliklarni hisobga olish uchun sunʼiy neyron tarmoqlar hamda

ravshan mantiq elementlari uygʻunlashtirilgan.

Kalit soʻzlar: turmush darajasi, koʻp omilli indikatorlar, fuzzy toifalash, fuzzy

klasterlash, Fuzzy C-Means, neyro-ravshan klassifikatsiya, neyro-fuzzy model.

Аннотация

В данной статье рассматриваются вопросы формирования многофакторной

системы показателей для оценки уровня жизни населения и его повышения на

основе нейро-нечеткой модели классификации. В ходе исследования

разработана интегративная система показателей, объединяющая

демографические, экономические, социальные и инфраструктурные показатели.

Кроме того, для учета неопределенности, системности и сложных нелинейных

связей между показателями были объединены искусственные нейронные сети и

элементы нечеткой логики.

Ключевые слова: уровень жизни, многофакторные показатели, нечеткая

классификация, нечеткая кластеризация, нечеткие C-средние, нейро-нечеткая

классификация, нейро-нечеткая модель.

Abstract

This paper examines the development of a multifactorial system of indicators for

assessing and improving a personʼs standard of living based on a neural network

classification model. The study developed an integrated indicator system combining

demographic, economic, social, and infrastructure indicators. Furthermore, artificial

neural networks and fuzzy logic elements were combined to account for uncertainty,

systematicity, and complex nonlinear relationships between indicators.

Keywords: standard of living, multifactor indicators, fuzzy classification, fuzzy

clustering, fuzzy C-means, neuro-fuzzy classification, neuro-fuzzy model.

Недавние посты