Предложен подход к анализу и синтезу адаптивных систем управления дистанционным обучением в рамках информационно-экстремального метода функционально-статистических испытаний. Задача проектирования дистанционного курса рассмотрена как процесс итерационной оптимизации по данному методу пространственно-временных параметров учебного процесса.

Рассмотрен инвариантный к геометрическим деформациям алгоритм распознавания магнитокардиографических изображений в рамках информационно-экстремальной интеллектуальной технологии, которая базируется на максимизации информационной способности системы распознавания в процессе ее обучения.

Предложен алгоритм построения гиперэллипсоидных решающих правил при обучении СППР в рамках информационно-экстремальной интеллектуальной технологии, основанной на максимизации информационной способности системы. Показан пример реализации алгоритма для управления технологическим процессом выращивания сцинтилляционных монокристаллов из расплава.

Предложены категориальная модель и алгоритм кластеризации входных данных. Формирование априорно нечеткой классифицированной обучающей матрицы осуществляется по иерархическому таксонометрическому алгоритму, а построение в процессе обучения системы четкого разбиения пространства признаков на классы распознавания - по информационно-экстремальному алгоритму.

Рассмотрена оптимизация набора градаций яркости пикселей изображений морфологии тканей пациентов, полученных при диагностировании онкопатологий. Исследовано влияние набора градаций яркости пикселей на функциональную эффективность обучения системы распознавания изображений онкологических заболеваний. Установлено, что изменение набора яркости пикселей рецепторного поля увеличивает значение критерия функциональной эффективности и, как результат, достоверность распознавания.

Рассмотрен информационный синтез системы поддержки принятия решений для диагностирования патологических процессов в рамках информационно-экстремальной интеллектуальной технологии, основанной на максимизации информационной способности системы в процессе ее обучения. Исследовано влияние способа формирования обучающей матрицы на функциональную эффективность машинного обучения. Реализацию алгоритма выполнено на примере диагностирования различных по этиологии и течению форм спонтанного пневмоторакса.

Розглянуто алгоритм інформаційно-екстремального машинного навчання, що базується на адаптивному кодуванні різнотипних первинних ознак розпізнавання та оптимізації геометричних параметрів розбиття простору вторинних (уніфікованих) ознак на класи еквівалентності в процесі ітераційного наближення глобального максимуму інформаційного критерію до його граничного значення.

Рассмотрен алгоритм оптимизации пространственно-временных параметров функционирования информационно-экстремальной системы поддержки принятия решений для управления нестационарным технологическим процессом. Границы квазистационарных интервалов времени наблюдения за слабоформализованным технологическим процессом предложено определять на основании нормированных статистик числа появлений значения признаков распознавания в своих рецептивных полях.

Предложены категорийная модель и алгоритм информационно-экстремального машинного обучения бортовой системы распознавания малогабаритных наземных транспортных средств. Построенные в результате машинного обучения решающие правила являются инвариантными к произвольному положению объекта распознавания в кадре зоны интереса.