Уперше розроблено комплексний критерій, що враховує суперечливість, нерівномірність, середньоквадратичну помилку перетворення вхідних даних, кількість розпізнаваних класів навчальної вибірки (НВ). Розроблено автоматизований метод побудови якісної НВ для системи підтримки прийняття рішень (СППР), який базується на комплексній кількісній оцінці якості НВ. Розвинуто метод навчання з використанням штучних нейронних мереж зі зворотним поширенням помилки, який полягає у застосуванні: нового критерію оцінки розпізнавання навчальних наборів нейронною мережею та базується на аналізі глобальної, локальної й елементарної помилок; нових правил відновлення вагових коефіцієнтів (ВК); формального механізму ініціалізації та динамічного коректування величини кроку зміни ВК. Розроблено інформаційну технологію прискорення синтезу нейромережевих моделей для розв'язання задач прогнозування в СППР, яка містить формалізацію етапів побудови навчальної вибірки, структурного та параметричного синтезу і поєднує всі етапи до єдиного формалізованого процесу.

  Скачати повний текст