Abstract: In the paper models and decision rules, applied in the symptom technical diagnostic, are presented. Models have been split into two groups: mathematical and informative. Criterions of designing of such models are described. On the basis of described models, decision rules have been presented. Results of the simulating analysis of chosen rules have been presented on the example of diagnosing of car's electrical equipment. Results of the analysis confirm high efficiency of methods artificial neural networks.
B I B L I O G R A F I A[1] Cypkin J. Z., Podstawy teorii układów uczących. Moskwa, Wyd. "Nauka", 1970 (w języku rosyjskim).
[2] Jastriebow A., Gad S., Słoń G., Zawadzki A., Łaskawski M., Kałwa D., Komputerowy system diagnozowania samochodowego układu elektrycznego oparty na modelach sztucznej inteligencji. Mat. konferencyjne VII Szkoły-Konferencji Metrologia Wspomagana Komputerowo MWK&apos
05, TOM III, Waplewo 2005, str. 257-264.
[3] Jastriebow A., Kułakowski A. Sztuczne sieci neuronowe w układach decyzyjnych z niepełną informacją. Mat. VI Krajowej Konferencji Inżynieria Wiedzy i Systemy Ekspertowe, Wrocław, 2006 (w druku).
[4] Jastriebow A., Gad S., Słoń G., Zastosowanie numerycznych algorytmów klasyfikacji w symptomowej diagnostyce technicznej. Materiały XI Konferencji Naukowej Zastosowania Komputerów w Elektrotechnice ZKwE&apos
2006, Poznań 2006, str. 67-69.
[5] Kasabov N. Foundations of neural networks, fuzzy systems and knowledge engineering. London, The Mit Press Cambridge, Massachusetts, London, 1998.
[6] Korbicz J., Kościelny J. M., Kowalczuk Z., Cholewa H. (red.). Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania. Warszawa, WNT, 2002.
[7] Krysiak M. Reguły logiczne i sieci neuronowe przy komputerowej realizacji diagnostycznych relacji. Praca dyplomowa inżynierska, prom.: prof. A. Jastriebow, Politechnika Świętokrzyska, Kielce, 2006.
[8] Wang K. Intelligent condition monitoring and diagnosis systems. Amsterdam, IOS Press, 2003. 
Pełny tekst 
YADDA/CEON