Розв'язано актуальну наукову задачу адаптації апарату штучних нейронних мереж для розв'язання задач ідентифікації та кластеризації у якісному хімічному аналізі. Надано рекомендації щодо вибору архітектури та параметрів (методу навчання, функцій активації) штучних нейронних мереж. Запропоновано формулу для розрахунку оптимального числа нейронів прихованого шару та процедуру формування представницької навчальної вибірки для правильного навчання алгоритмів класифікації. Вивчено стійкість алгоритмів до варіювання вихідних значень характеристик об'єктів. Показано, що використання алгоритмів нейронних мереж забезпечує надійну ідентифікацію походження зразків вод і харчової сировини за даними про вміст металів. Алгоритми імовірнісної та динамічної нейронних мереж - ефективні методи класифікації об'єктів за даними багатовідгукового експерименту. Розроблено процедуру стійкої класифікації об'єктів без апріорної інформації про число класів і навчальну вибірку на основі комбінації алгоритмів мережі Кохонена й імовірнісної мережі. У результаті її застосування запропоновано нову класифікацію розчинників (11-ти груп) за набором з 9-ти фізико-хімічних характеристик, що відповідає їх хімічній природі.

• Пушкарьова Ярослава Миколаївна (хімічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"