Структура хромосоми задачі оптимізації розкладу клініки. Згортання векторного критерію обмежень та перехід від багатокритеріальної оцінки до однокритеріальної як результат використання алгоритму нечіткої логіки підвищеної точності. Переваги підходу.

Розробка ефективного методу кодування інформації та вибору виду базисних функцій у штучній нейронній мережі церебральної моделі артикуляційного контролера. Дослідження методу гешування інформації для покращення апроксимуючих мережевих властивостей.

Понятие искусственных нейронных сетей, способы обработки информации человеческим мозгом. Разработка концепции гомеостатической искусственной нейронной сети на основе представлений о гомеостатических механизмах обработки информации в естественных системах.

Нейронные сети как распределенные и параллельные системы, способные к адаптивному обучению путем анализа положительных и отрицательных воздействий. Общая характеристика нейронной сети прогнозирования курса рубля, знакомство с основными особенностями.

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.

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.

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.

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.

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.

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.

Искусственные нейронные сети, основы описания многомерных тестовых данных. Построение области допустимых изменений параметров однородных групп, модели регрессии. Определение компонент дискретного конечного множества элементов. Нейронная сеть Хопфильда.

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.

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.

Многослойные нейронные сети и алгоритмы их обучения. Персептрон, системы типа Адалайн, алгоритм обратного распространения ошибки. Нечеткие множества и нечеткий вывод. Генетические алгоритмы и традиционные методы оптимизации. Модули нейронного управления.

Характеристика многослойной структуры нейронных сетей. Алгоритм обучения однослойного перцептрона. Построение полного алгоритма нейронных сетей с помощью процедуры обратного распространения. Программирование и применение методов Randomize и Propagate.

Алгоритм обучения нейронной сети с помощью процедуры обратного распространения. Диаграмма сигналов в сети. Программирование нейронной сети с применением объектно-ориентированного подхода. Иерархия классов библиотеки для сетей обратного распространения.

Вклад исследований Уоррена Мак-Каллока и Уолтера Питтса в развитие теории искусственных нейронных сетей. Специфические особенности устройства нейросинаптического процессора, построенного на базе комплементарной структуры металл-оксид-полупроводника.

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.

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.

Селективное зрительное внимание и его роль в жизнедеятельности животных и человека. Последовательное циклическое переключение внимания по всем целевым объектам. Архитектура и принципы функционирования нейросетевой модели. Синхронизующие локальные связи.

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.

Методы обнаружения сетевых атак на вычислительную систему. Разработка новых методов и средств защиты вычислительных систем от сетевых атак. Возможность использования искусственных нейронных сетей для анализа сетевого трафика и модель фильтрации.

Математическая модель для решения дилеммы идентичности с помощью привязки нейронных сетей к предыстории характера движения мобильного агента. Прогноз значения координат в случае изменения состояний полета квадрокоптера, появления оптических шумов.

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.