Мета роботи - дослідження можливості підвищення ефективності комп'ютерних інтелектуальних систем на основі використання методів машинного навчання з адаптивними критиками. Проаналізовано існуючі моделі адаптивних критиків та особливості їх нейромережевої реалізації. Модифіковано метод прийняття рішень в трейдингових системах з застосуванням нечіткої логіки, штучної нейронної мережі та V-критика. Удосконалено структуру нейро-нечіткої моделі прогнозування стану фінансових ринків, що на відміну від існуючих забезпечує високу швидкодію та якість прогнозів в умовах нестаціонарності та невизначеності. Запропонована модель може бути використана для прогнозування тренду сигналів підкріплення в інтелектуальних трейдингових системах. У висновках наводяться результати виконаної роботи, і надається аналіз проведених досліджень. ПЕРЕЛІК КЛЮЧОВИХ СЛІВ: МАШИННЕ НАВЧАННЯ, СИГНАЛ ПІДКРІПЛЕННЯ, ТРЕЙДИНГОВА СИСТЕМА, НЕЙРОННА МЕРЕЖА, НЕЧІТКА ЛОГІКА, АДАПТИВНІ КРИТИКИ ABSTRACT The purpose of the work is to investigate the possibility of increasing the efficiency of computer control systems using machine learning methods with adaptive critics. Existing models of adaptive critics and their implementation in neural networks have been analyzed. The method of decision-making in trading systems which employs fuzzy logic, artificial neural network and V- critic is modified. The structure of neuro-fuzzy model of financial markets congition forecasting has been improved and, unlike existing models, provides high performance and quality of predictions under nonstationarity and uncertainty. The proposed model can be used to predict the trend of reinforcement signals in trading intelligence systems. Finally, the results of the performed work and the analysis of the investigations carried out are given in conclutions. KEY WORDS: MACHINE LEARNING, SIGNAL OF REINFORCEMENT, TRADING INTELLIGENCE SYSTEM, NEURAL NETWORK, FUZZY LOGIC,ADAPTIVE CRITICS.
