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.

Применение модуля программы, спроектированного на основе сверточной нейронной сети. Исследование способности нейронной сети к обучению на небольшом наборе данных в задаче классификации оружия на изображениях. Анализ результатов тестирования программы.

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 задач і методів ущільнення зображень. Розробка методів, програмних модулів для виконання досліджень, оптоелектронних елементів і вузлів для систем ущільнення зображень з використанням нейронних мереж типу двовимірної карти Кохонена, їх дослідження.

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.

Разработка принципов и создание системы распознавания номеров железнодорожных вагонов. Ее отличия от систем распознавания автомобильных номерных знаков. Анализ существующих и предложен ряд новых алгоритмов, предназначенных для повышения его точности.

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.

Получение набора данных, в котором выбросы и экстремальные значения подвергнуты фильтрации с помощью фильтров. Выполнения спектральной обработки ряда для удаления шумов. Создание обучающей выборки с помощью скользящего окна. Оценка качества модели.

Разработка адаптивной нейросетевой модели для прогнозирования точности технологических процессов по параметрам качества изготавливаемых изделий. Реализация модели прогнозирования точности механической обработки деталей типа "вал" по параметру отклонения.

Построение оптимальной системы принятия решений задач многомерной регрессии. Обоснование целесообразности решения задачи автоматизации процедур, обеспечивающих распознавание классов в реальном времени, в нейросетевом формате в среде нейроэмуляторов.

Паттерны фондовых индексов. Предсказание цен на фондовом рынке. Два базовых алгоритма распознавания паттернов: совпадение по правилу и совпадение по шаблону. Подход распознавания паттернов индексов фондовых бирж на основе искусственных нейронных сетей.

Разработка технологии картографирования и анализа многомерных данных с помощью вложенных в пространство данных двумерных многообразий. Обзор технологии построения нейросетевых моделей в составе геоинформационной системы. Программная реализация системы.

Анализ роли алгоритмов динамической балансировки, позволяющих изменять загруженность узлов вычислительной системы. Изучение мультиагентного подхода к построению алгоритма динамической балансировки с использованием агентов, обученных на нейронных сетях.

Анализ существующих методов моделирования и исследование их возможностей при построении моделей сложных систем. Возможности разработки универсального программного инструментария для автоматизации и моделирования сложных технологических процессов.