Аннотация:
Нечеткие байесовские модели предоставляют широкие возможности для моделирования приближенных рассуждений в задачах интеллектуальной поддержки принятия решений в условиях как стохастической, так и нестохастической неопределенности. Вместе с тем, одной из серьезных проблем при использовании этих моделей является обеспечение корректности и интерпретируемости результатов нечетко-вероятностного байесовского вывода вследствие накопления неопределенности этих результатов из-за многократного учета степени размытости одних и тех же нечетких переменных в ходе массовых (многократно повторяемых) нечетких вычислений. В статье обосновывается способ решения этой проблемы за счет реализации преобразований между нечеткими переменными на основе так называемого их модального взаимодействия. Предлагаемый способ может эффективно использоваться для моделирования приближенных рассуждений на основе нечетких байесовских моделей в задачах интеллектуальной поддержки принятия решений, обеспечивая корректность и интерпретируемость результатов нечетко-вероятностного байесовского вывода.