Дослідження побудови, налаштування, розрахунок параметрів та застосування штучних нейронних мереж прямого поширення з неітераційним навчанням. Розробка інформаційних нейромережевих технологій підвищеної точності функціонування та швидкодії навчання.

Розгляд і аналіз теоретичних аспектів управління територією регіону з використанням гібридних нейронних мереж і систем нечіткої логіки. Визначення та характеристика ролі створення тривимірної моделі місцевості на основі даних топографічного знімання.

Нейронні мережі – технології на основі штучного інтелекту, які зустрічаються в різноманітних галузях і з кожним роком стають все доступнішими для звичайних користувачів. Початок починається ще з 1944 року, коли були запропоновані нові функції розвитку.

История искусственных нейронных сетей. Модель формального нейрона Питтса и персептрон Розенблатта. Синапс как элементарная структура и функциональный узел между двумя нейронами. Примеры наиболее часто используемых преобразовательных функций Хопфилда.

Изучение типологии нейронных сетей. Основные отличия от машин с архитектурой фон Неймана. Оценка процессов, протекающих в мозге человека. Разработка демонстрационной версии программы Neural Network Wizard, созданной на основе нейронной сети Кохонена.

Особенности программирования модели формального нейрона и персептрона Розенблатта, алгоритм и правило Хебба. Искусственный нейрон с активационной сигмоидальной логистической функцией. Персептронная система распознания изображений и сетевой поверхности.

Фрагмент нейросети (входной и выходной слои). Простейшая линейная функция от двух входов. Трактовка работы сети для имитации прохождения по ней возбуждения, управления. Теорема о сходимости перцептрона. Метод обратного программного распространения ошибки.

Рассмотрение искусственных нейронных сетей, различий между их базовыми архитектурами. Способность к обучению как основное свойство мозга. Оценка эволюции технологий телекоммуникации. Особенности развития организаций, занимающихся внедрением сетей.

История появления и развития нейронных сетей. Проведение их аналогии с мозгом человека. Сущность искусственной нейронной сети, ее программное или аппаратное воплощение. Особенности обучения нейронных сетей, их применение в современных развитых странах.

История развития нейронных сетей. Строение биологической нейронной сети. Искусственный нейрон. Общие положения и виды обучения нейронных сетей. Архитектура. Сети прямого распространения сигнала. Рекуррентные сети. Области практического применения.

Функционирование нейронных сетей. Функции активации. Топология элементарного однонаправленного персептрона. Трехслойный персептрон. Процедура построения персептрона. Алгоритм обратного распространения ошибки. Топология элементарной ВР-нейронной сети.

Понятие и сущность искусственных нейронных сетей. Обучающий алгоритм Видрова-Хоффа. Образование основного стандарта нейроинформатики. Применение кодирования, декодирования и фильтрации. Активация эквивалента однослойной линейной сети, их мощность.

Определение нейронных сетей методом Давидона-Флетчера-Пауэлла. Расчет с индивидуальными данными начальной точки для негладких функций. Кластеризация данных на основе графовых моделей и статистических методов с индивидуальным заданием точек наблюдения.

Перспективы развития аналитических и прогностических свойств ГИС. Интеграция нейросетевых и геоинформационных технологий, их программное обеспечение. Использование нейронных сетей в технике и биологии. Математические модели нейросетевых алгоритмов.

История создания искусственной нейронной сети. Перцептрон как одна из первых моделей нейросети. Архитектура когнитрона, его иерархическая многослойная организация. Классификация нейронных сетей по характеру обучения, основные сферы их применения.

Область применения и принципы проектирования нечетких систем управления, их внутренняя структура и компоненты. Нечеткие нейронные сети и системы управления на их основе, принцип работы и сферы применения. Адаптивные системы управления с нечеткой логикой.

Основные преимущества использования нейронных сетей при обучении автоматизированному переводу. Описание общей схемы и принципа работы нейронной сети, применение данной технологии в системе NMTS. Характеристика технологий автоматического перевода.

Форма представления выходной информации. Рассмотрение способов её контроля. Обучение искусственных нейронных сетей. Исследование их преимуществ и недостатков. Источники и способы получения данных. Изучение особенностей применения нейронных сетей.

Сетевые устройства - терминалы, которые соединяют в едином информационном пространстве гаджеты, используемые в повседневной деятельности. Расширенное машинное обучение, глубокие нейронные сети - основа создания автономных интеллектуальных систем.

Локальность при обработке информации, как важный принцип, по которому строятся биологические нейронные сети. Метод обучения Хэбба. Сеть с линейным поощрением. Дискретный градационный сигнал с двумя возможными значениями. Задача и алгоритмы классификации.

Этапы становления и развития нейронных сетей. Головной мозг, нейронные сети и компьютеры. Программные и аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей. Способы распознавания образов предметов.

Биологический прототип и искусственный нейрон. Распознавание цифр с помощью сетей Хопфилда. Алгоритм функционирования сети. Классификация входного образа. Развитие искусственных нейронных сетей. Исследование возможностей нейронных сетей и их развития.

Нейроны слоя Кохонена и генерация сигналов. Обучение слоя Кохонена. Присвоение начальных значений и метод выпуклой комбинации. Чувство справедливости. Коррекция весов пропорционально выходу. Аккредитация и интерполяция - режимы работы сети Кохонена.

Аналіз особливостей і традиційних підходів до ущільнення зображень. Розробка методу ущільнення зображень на основі векторного квантування з використанням нейронних мереж типу двовимірна карта Кохонена. Дослідження розробленого методу ущільнення зображень.

Разработка новой технологии обработки информации, основанной на синтезе знаний выработанных сложившимися в Computer science направлениями. Разработка математического аппарата построения новой структуры. Топология и логика функционирования этой структуры.

Особенности нейросети как вычислительной среды. Возможность работы в мультимикропроцессорных конфигурациях. Применение нейросигнальных процессоров для построения нейросред. Возможности применения аналоговых и гибридных решений для построения нейросред.

Использование нейросетевых технологий в биологических исследованиях. Модель появления и пропадания генов в ходе эволюции. Новая архитектура нейронной сети, позволяющая оценивать вероятности появления, исчезновения генов на ветвях филогенетического дерева.

Исследование возможности применения ИНС для создания поведенческой модели оператора, сопряженное с необходимостью накопления ретроспективных данных с частотой дискретизации, достаточной для принятия решения оператором. Работа печи под его управлением.

Нейросети могут использоваться и показали достаточную эффективность и быстродействие для решения задач выявления мелиоративного состояния агрополей и определения состояния и развития растений. Продемонстрировали преимущества по критерию быстродействия.

Структурные алгоритмы построения статических и динамических нейронных сетей. Многослойный персептрон с временными задержками и связанные с ним нейросетевые архитектуры. Динамическая кластеризация и сети Кохонена. Обзор итерационных методов обучения сетей.