Оптимизация процесса принятия решений в медицинских экспертных системах на базе нечеткой логики с использованием исторических данных

Наиболее популярными подходами к построению систем поддержки принятия решений являются системы нечеткого вывода и системы машинного обучения с учителем. При этом системы нечеткого вывода строятся только на формализации процесса принятия решения экспертом и не учитывают исторические данные, а системы машинного обучения выводят статистические зависимости только по набору исторических данных, и эти зависимости не поддаются формальному экспертному анализу. В работе рассматриваются возможные способы объединения этих подходов — построение и оптимизации медицинских систем нечеткого вывода на основании исторических данных.