Abstract: In the modern world, decision-making often takes place in an environment of uncertainty and under the significant influence of emotional factors, which requires the use of special methods for analyzing information. This study is devoted to an overview of fuzzy models and methods that allow such factors to be taken into account when making decisions. In particular, the approaches based on fuzzy logic, fuzzy cognitive maps and fuzzy clustering methods that provide flexibility and adaptability in conditions of uncertainty are considered. The study analyzes examples of the application of these methods in various fields, including risk management, medical diagnostics and financial forecasting, which demonstrates their versatility and practical value. The results of the review show that fuzzy models and methods can significantly improve the quality of decisions made by taking more adequate account of emotional factors and uncertainty. In addition, the study highlights the importance of developing hybrid models that integrate the capabilities of fuzzy logic and neural networks to achieve higher accuracy and reliability. Special attention is paid to the prospects of in-depth study of the influence of emotional states on the decision-making process, which opens up new horizons for improving models and methods of analysis. Thus, the presented review highlights the importance of fuzzy methods in the context of complex and emotionally charged decision-making tasks, offering directions for future research and practical applications. In conclusion, the need for further improvement of these methods is noted to ensure their widespread implementation in various fields of activity, where decisions are made in conditions of uncertainty and emotional impact.

Перейдя по данной ссылке: https://oak.uz/userfiles/files/Perechen-2019.pdf вы можете увидеть что, журнал "Chemical Technology, Control and Management (Кимёвий технология. Назорат ва бошқарув)" находится в перечне ВАКа Узбекистанской Республики.

Abstract: Сегодня онтология становится частью различных подходов к работе с человеком, его эмоциями, навыками и потребностями в плоскости инновационных технологий. Безусловно, такое преобразование философской мысли позволяет оптимизировать систему получения знаний об эмоциях и их вариациях. Особенность подхода заключается в том, что самаонтология является теоретической и не нуждается в практическом подтверждении, в то время как системы вычислений, наоборот требуют четких инструкцийи алгоритмов расчета. Как результат сочетание инноваций и философских течений дает таксономическую организацию в процессе выявления заданных параметров. В данной работе предлагается к рассмотрению комбинация УО XAI& ЭмОКА, основанная на сочетании метода упрощенных объяснений и метода описания эмоций на основе контекстных данных о выражениях тела, которые опираются наинновационных технологиях XAIи онтологических инструментах анализа. Предложенный комбинированный метод рассматривается в рамках математического и программного методов исследования, которые показывают перспективность применения объяснимого искусственного интеллекта в области распознания человеческих эмоций. В заключении указывается, что данное предложение требует практического подтверждения, что предполагает его дальнейшее изучение.

Перейдя по данной ссылке: https://oak.uz/pages/4802 вы можете увидеть что, журнал находится в перечне ВАКа Узбекистанской Республики.

Abstract: Современный мир меняется в соответствии с изменениями информационных технологий. Последние постепенно становятся частью самых различных сфер жизни человека, что указывает на значимость регулярного обновления данных о разработки тех или иных методов глубокого обучения и работы с большими данными. Глубокое обучение (Deep Learning) в рамках различных алгоритмов обработки данных, а также подобранных компьютерных систем позволяет вычленить ряд методов, предоставляющих высокий процент точности анализа эмоций. Считается необходимым провести анализы современных методов глубокого обучения (Deep Learning), которые используются для распознавания эмоций. Акцент делается на работы зарубежных исследователей, которые на современном этапе активно изучают возможности распознавания эмоций человека при помощи больших данных, машинного и глубокого обучения. В итоге отмечается, что методы Deep Learning, на уровне психологического тестирования позволяют не только распознавать эмоции человека, но также прогнозировать возможности принятия решений в различных ситуациях, прогнозировать рисковые ситуации и выявлять сильные и слабые стороны участников исследования. Что говорит о том, что и в отечественных разработках данное направление необходимо развивать и внедрять в социально-экономическую, а также политико-правовую сферы.

Перейдя по данной ссылке: https://vak.minobrnauki.gov.ru/uploader/loader?type=19&name=91107547002&f=36715 вы можете увидеть что, журнал находится в перечне ВАКа Российской Федерации.

Дополнительные ссылки : http://siit.ugatu.su/index.php/journal/article/view/243

Abstract: Цель задачи – разработка системы, соответствующей концепциям нечёткой логики, объективного анализа эмоций пользователя для принятия решений. Решить данную задачу предлагается через объяснимый искусственный интеллект (XAI) с использованием Fuzzy OWL2 Ontology. Онтология эмоциональных состояний основана на предопределенных нечетких концепциях: «стресс», «тревожность», «умеренность», «радость», смоделированные в Fuzzy OWL2. Онтология принятия решений представляет собой нечеткие правила рассуждений, связывающие эмоциональные состояния с результатами решений. Аннотации контекстных данных являются сопоставлением контекстных аспектов эксперимента (время, тип задачи, индивидуальные черты) с помощью онтологии. Нечеткая онтология OWL2 позволяет объединить определяемые типы данных в семантическую модель рассуждений, которая состоит из сбора субъективных данных в реальном времени, сопоставления необработанных данных с нечеткими лингвистическими категориями, такими как «низкий», «умеренный» или «высокий» и использования нечетких рассуждений для выведения эмоциональных состояний и моделей принятия решений на основе онтологии. Результатом является сгенерированное понимание эмоциональных состояний и качества принятия решений в нечетких условиях. Система должна справляться с категоризацией эмоциональных состояний и связывать их с принятием решений в нечетких условиях, при этом нечеткая логика и XAI улучшают прозрачность и интерпретируемость. Неопределенность данных, необходимость физических данных, которые не предусмотрены в данном эксперименте, изменчивость человеческих реакций и сложность системы ограничивают фактические результаты. Ожидаемый результат – точность классификации эмоционального состояния ≥85%. Фактический результат – точность варьируется (70–90%) в зависимости от качества данных и разнообразия признаков. Требуется улучшенная разработка функций, надежный онтологический дизайн и более доступные инструменты визуализации XAI, которые могут уменьшить разницу между ожидаемыми и фактическими результатами.

Перейдя по данной ссылке: https://aak.gov.az/single/417 вы можете увидеть что, журнал находится в перечне ВАКа Азербайджанской Республики.

Дополнительные ссылки : https://scientific-journals.naa.edu.az/index.html

Abstract: В статье представлен новый подход к решению задачи распознавания эмоционального состояния человека, основанный на применении модифицированного аппарата нечеткой логики. Предложенный алгоритм, интегрируя временную составляющую в функции принадлежности и механизмы адаптации, обеспечивает повышенную точность распознавания эмоций в динамически изменяющихся условиях. Разработанная система, включающая модули предварительной обработки данных, фаззификации и нечеткого вывода, демонстрирует улучшенную устойчивость к шумам во входных данных. Способность учитывать не только текущие, но и исторические данные является важным преимуществом предлагаемого метода. Это позволяет более точно интерпретировать эмоциональные состояния в контексте их развития. Экспериментальные исследования, проведенные на выборке из 120 испытуемых с использованием комплекса физиологических параметров, показали увеличение точности распознавания на 7,7% по сравнению с классическими подходами, достигая показателя 92,4%. Кроме того, была проведена оценка современных методов машинного обучения, таких как нейронные сети и методы опорных векторов, чтобы показать, насколько конкурентоспособен предложенный алгоритм. Предложенный алгоритм, обладая линейной вычислительной сложностью и адаптивными механизмами самонастройки, обеспечивает эффективное решение задачи распознавания эмоционального состояния в реальном времени. Исследования, направленные на интеграцию алгоритма с мультимодальными системами анализа эмоций, такими как обработка видео- и аудиоданных, могут расширить область его применения.

Перейдя по данной ссылке: https://www.aatmx-az.org/ana-shif вы можете увидеть что, журнал находится в перечне ВАКа Азербайджанской Республики.

Дополнительные ссылки : https://zenodo.org/records/15447811/files/PAHTEI-54.05-02.2025-02.pdf

Abstract: В данной статье рассматривается применение программы Эсплан — интеллектуальной системы, предназначенной для поддержки принятия решений, направленных на оптимизацию процесса выбора в условиях неопределённости. Программа использует формализованные правила и сложные алгоритмы для анализа различных факторов, включая как эмоциональные, так и рациональные аспекты, что позволяет принимать обоснованные решения в сложных и нестандартных ситуациях. Основной принцип работы Эсплан заключается в интеграции методов теории решений, таких как нечёткая логика, линейное программирование и деревья решений, которые обеспечивают гибкость и точность анализа. Эти подходы позволяют системе работать с различными типами данных, как количественными, так и качественными, что способствует всестороннему изучению всех возможных альтернатив. Эсплан была протестирована в таких областях, как управление человеческими ресурсами, стратегическое планирование, медицинская диагностика и распределение логистических ресурсов. Это продемонстрировало её способность адаптироваться к различным условиям и задачам. В статье подробно рассматриваются архитектурные особенности системы, используемые алгоритмы и математические модели, а также результаты её применения, подтверждающие эффективность и высокую надёжность Эсплан в процессе принятия решений на основе заранее заданных правил и ограничений.