Структура системи управління з високим потенціалом надійності і якості електропостачання з використанням нейроконтролера. Нейронні мережі з пам’яттю, які дозволяють запам'ятовувати значення вхідного сигналу або функцій активацій нейронів прихованих шарів.

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.

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.

Визначення доцільності використання нейронно-мережевого моделювання для розв'язання задачі розрахунку та уточнення глибини розташування джерел та часу вступу прямої р-хвилі місцевих землетрусів на території Закарпатського сейсмоактивного регіону.

Производство этилена на нефтехимическом предприятии: синтез и верификация модели сетевого кластера нейронной системы, показатели и критерии её оценки. Показатели эффективности искусственных нейронных сетей, получаемых в процессе их моделирования.

Сущность и архитектура персептрона, характеристика основных моделей. Процесс инициализации и главные процедуры настройки параметров. Создание модели линейной сети. Обучающее правило наименьших квадратов. Задача классификации векторов, фильтрации сигнала.

Индукция - процедура, воплощающая движение мысли от единичных фактов и утверждений к обобщающим умозаключениям. Специфические особенности лимбического круга Джеймса Пейпеца. Области мозга, которые вовлечены в процесс реализации транзитивных выводов.

Изучение затруднения с переключением внимания, которые испытывают многие люди с РАС. Обоснование новой гипотезы о том, что ряд "низкоуровневых" нарушений при аутизме вызван функциональным дефицитом в никотиновой ветви холинергической модулирующей системы.

Психофизиологические основы принятия решений. Доминирующая мотивация как фрагмент афферентного синтеза. Схема архитектуры функциональной системы поведенческого акта с доминантой. "Диффузная модель" и принятие решения в теории функциональных систем.

Характеристика, структура и задачи нейронных сетей. Направления и разработки нейрокомпьютинга. Искусственные нейронные сети, их черты и задачи. Алгоритм обучения перцептрона и его недостатки. Перечень возможных промышленных применений нейронных сетей.

Нейронные сети: особенности, варианты использования и преимущества. Диагностика и прогнозирование экономических объектов. Применение нейронных сетей в рыночной экономике. Варианты применения искусственных нейронных сетей в задачах бизнес-прогнозирования.

Модель нелокального нейрона, являющаяся обобщением классической модели Дж. Маккалоки и У. Питтса. Когнитивная аналитическая система "Эйдос". Искусственные нейронные сети, проблемы и перспективы. Моделирование иерархических структур обработки информации.

Нейронные сети - одно из приоритетных направлений исследований в области искусственного интеллекта. Модель нейрона и его элементы. Классификация и свойства нейронных сетей, концептуальные подходы к их обучению. Представление знаний в нейронной сети.

Рассмотрение нейрокомпьютера как вычислительной системы с архитектурой MSIMD. Базовые архитектуры нейронных сетей. Правило коррекции по ошибке, обучение Больцмана и правило Хебба. Особенности программирования средств аппаратной поддержки нейровычислений.

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.

Сеть встречного распространения. Первый слой Кохонена. Выход слоя Гроссберга. Обучение сети встречного распространения. Осуществление интерполяции кодов. Послойность сети и матричное умножение. Градиент квадратичной формы, начальная точка и длина шага.

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.

Понятие нейронных сетей, которые вошли в практику везде, где нужно решать задачи прогнозирования, классификации или автоматизации. Применение и возможности нейронных сетей. Аппроксимация функций по набору точек. Сжатие информации. Ассоциативная память.

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.

Примеры определения масштаба функций в нейронных сетях. Математическое описание цифровых моделей в нейронных сетях. Выбор интервала дискретизации, описание процесса квантования по времени. Оптимальная коррекция динамических погрешностей измерений.

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.

Основное понятие нейронной сети, история ее развития. Искусственный интеллект и нейронные сети, функции активации. Главные части нервной клетки, характерситика и особенности искусственного нейрона. Рассмотрение основных типов архитектур нейросетей.

Успешное применение нейронных сетей в самых различных областях - бизнесе, медицине, технике, геологии, физике. Метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости. Обобщенно-регрессионная нейронная сеть и сеть Кохонена.

Пример работы алгоритма обратного распространения ошибки. Функция активации сигмоидного типа. Геометрическая интерпретация алгоритма обратного распространения. Анализ условий и предпосылок для успешного обобщения. Механизм контрольной кросс-проверки.

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.

Исследование трансформационного влияния нейронных сетей на принятие инвестиционных решений. Рассмотрение типов нейронных сетей, используемых в прогнозной аналитике. Определение преимуществ нейронных сетей в обработке неструктурированных данных.

Ознакомление с основными этапами обработки радиолокационной информации. Характеристика методов сопровождения с использованием нейронных сетей. Определение сущности фильтра Калмана. Рассмотрение особенностей обобщенного графического вида сети Вольтерри.

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.