Розглянуто питання представлення інформації в системах штучного інтелекту. Для кожної задачі, яку традиційно відносять до проблематики штучного інтелекту (розпізнавання образів, розуміння мови) існує проблема зв'язування імені об'єкта та його опису (образу). Запропоновано підхід до розв'язання даних задач з використанням асоціативно-проективних нейронних сіток з ансамблевою організацією і нейронних класифікаторів. Як приклад наведено задачі розпізнавання текстур, форми об'єктів, а також рукописних символів і слів.

Розглянуто питання розпізнавання рукописних текстів з використанням оригінальних нейросіткових класифікаторів та асоціативно-проективних нейронних сіток. Технологія розпізнавання базується на аналізі триплетів (трилітерних комбінацій). Наведено результати дослідження на прикладі розпізнавання українських рукописних слів.

Розглядаються можливості застосування генетичного алгоритму для оптимізації структури нейронних сіток, що розв'язують задачі розпізнавання рукописних і друкованих символів і слів. Наводяться результати експериментального дослідження. Експерименти демонструють підвищення продуктивності нейронних сіток після оптимізації. Обговорюються шляхи покращання отриманих результатів.

Розглянуто характеристики грубого кодування за допомогою випадково розподілених гіперпрямокутних рецептивних полів для схеми випадкових підпросторів RSC. Одержано розподіли ймовірностей рецептивних полів, вирази для щільності розподілу у різних точках вхідного простору, характеристики перекриття кодів та ін. Результати теоретичного аналізу підтверджено експериментами на кодах великої розмірності.

Описано розподілені коди, їх властивості, міри подібності та інші характеристики. Розглянуто низку процедур стохастичного розподіленого кодування скалярних величин. Визначено методи керування крутизною характеристики перекриття кодів. Одержані коди можуть використовуватися для подачі числових величин.

Висвітлено притаманні складним ієрархічним представленням проблеми збереження інформації про структуру даних, що кодуються, та способи їх подолання шляхом "зв'язування" підструктур. Розглянуто тип розподілених представлень, в якому інформація кодується багатовимірними бінарними векторами з малим числом одиниць. Наведено вимоги до процедури зв'язування та реалізація для таких представлень.

Розглянуто процедури стохастичного розподіленого бінарного розрідженого кодування числових векторів. Розглянуто деякі проблеми такого кодування та варіанти їх подолання, у тому числі шляхом зв'язування контекстно-залежним проріджуванням. Наведено характеристики перекриття кодів для різних розмірностей вхідного простору та параметрів кодування.