У десиртаційній роботі вирішено актуальну наукову задачу розробки методів добування знань для медичної експертної системи (ЕС). Вперше розроблена ЕС, що дозволяє підвищити достовірність визнвчення ступеня ризику синдрому раптової смерті немовляти (СРСН) за рахунок використання розроблених методів інтелектуального аналізу та визначати ступінь ризику на ранніх термінах вагітності.
Виконано реалізацію гібридної системи на основі нейронних мереж та генетичних алгоритмів, що дозволило досягти високої ефективності відбору інформативних факторів ризику СРСН шляхом регулювання співвідношення кількості факторів і помилки класифікації.
Вдосконалено деревоподібний спосіб кодування особини для булевої функції, що дозволило отримувати класифікаційні дерева для визначення ступеня ризику СРСН. Експериментально отримано класифікаційне дерево, що дозволяє з точністю 98,57% визначати ступінь ризику СРСН.
Вдосконалено спосіб кодування особини у вигляді дерева, представленого булевою функцією у диз'юнктивній нормальній формі, що дозволило отримувати класифікаційні правила для визначення ступеня ризику СРСН. Експериментально отримано класифікаційні правила для визначення високого ступеня ризику СРСН.
Використано троїчну логіку в булевих обчисленнях класифікаційного дерева, що дозволило виконувати класифікацію при невизначних значеннях деяких факторів ризику.
Ключові слова: експертна система, нейронні мережі, генетичні алгоритми, генетичне програмуваня.