Tel: +998901234567
Search

№ 11 (2025)
Marketing

Articles

НЕЙРО-РАВШАНСКАЯ КЛАССИФИКАЦИОННАЯ МОДЕЛЬ ФОРМИРОВАНИЯ МНОГОФАКТОРНЫХ ПОКАЗАТЕЛЕЙ УРОВНЯ ЖИЗНИ НАСЕЛЕНИЯ

Опубликован 2025-11-29

Авторы
Mirzayev Shoxrux Normurod oʻgʻli
Организация
Каршинский государственный технический университет – независимый исследователь
PDF (узбекский) Google Scholar Google Scholar

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, объе диняющая 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

Библиографические ссылки

  1. Nazarov Sh.R. – “Koʻp omilli modellashtirish asoslari” 2019 y.
  2. World Bank. (2021). Measuring poverty. Retrieved from https://www.worldbank.org/en/topic/measuringpoverty
  3. Sen, A. (1999). Development as freedom. Oxford: Oxford University Press.
  4. D. Pamucar, D. Bozanic, A. Puska, and D. Marinkovic, “Application of neuro - fuzzy system for predicting the success of a company in public procurement,” Decision Making: Applications in Management and Engineering, vol. 5, no. 1, pp. 135 –153, Apr. 2022.
  5. United Nations Development Programme. Human Development Report 2023/24: Breaking the Gridlock – Reimagining Cooperation in a Polarized World. New York: UNDP, 2024.
  6. Juned, V., Yusra, Y. Using Fuzzy C -Means Algorithm to Cluster Human Development Index // Communications in Mathematical Biology and Neuroscience.
  7. Annas, S., d.r. fuzzy c -means and gath -geva methods in clustering districts based on human development index (hdi) in south sulawesi. journal of physics: conference series, 2019.
  8. Chakravarty, S. R. The Multidimensional Measurement of Poverty: A Fuzzy Set Approach // in: Lemmi, A., Betti, G. (eds.). Fuzzy Set Approach to Multidimensional Poverty Measurement . New York: Springer, 2006. P. 57 –77.
  9. Alkire, S., Foster, J. Counting and Multidimensional Poverty Measurement // Journal of Public Economics. 2011. Vol. 95, no. 7 –8. P. 476 –487.
  10. Rakhimov, A. N. (2023). Factors influencing the prospective development of dehkan farms. Economics and Society, (3 -2 (106)), 255 -262
  11. Juraev, F. (2021). Perspective problems of agricultural production development and their econometric modeling. Economics and Education, (4), 377 -385.
  12. Maxmatkulov, G. O. X. (2023). A systematic approach to the development of the trade services sector. Educational Research in Universal Sciences, 2(10), 175 -182.
  13. Mirzayev, Sh. N. (2024). Applications of ADALINE in econometric modeling and financial decision -making. Financial Analysis Review, 5(3), 102 -118.

Скачивания

Данные скачивания пока недоступны.