Journal articles on the topic 'Нейромережа'

В роботі вирішено завдання створення математичного забезпечення для побудови моделей кількісних залежностей на основі згорткових нейронних мереж. Запропоновано архітектуру згорткової нейронної мережі, що може використовуватися для даних, в яких вхідні значення не пов’язані між собою. В запропонованій архітектурі в якості першого шару використовується повнозв’язний шар. Завдяки цьому в процесі навчання нейронної мережі між вихідними значеннями нейронів першого шару можуть з’явитись зв’язки, що необхідні для роботи наступних згорткових шарів. Як і в звичайних згорткових нейромережах, згорткові шари можуть чергуватися із шарами підвибірки, але при цьому використовується одновимірна згортка. Після згорткових шарів використовуються повнозв’язні. В якості функції активації останнього шару використовується функція softmax, що дозволяє визначати ймовірності належності розпізнаваного екземпляра до кожного з класів. Вирішено практичне завдання виявлення шахрайських операцій з кредитними картками. Виконано побудову нейромережевих моделей, їх навчання та тестування на даних за транзакціями протягом 2 діб. Зазвичай кількість шахрайських операцій складає невелику частину від усіх операцій, тому метрика точності (accuracy) не може використовуватися для оцінки якості побудованої моделі. Для цього використано метрику AUPRC, що розраховується як площа під кривою залежності значень precision та recall. Завдяки використанню функції активації softmax на останньому шарі нейромережі, побудувати туку криву набагато простіше, ніж при використанні інших функцій активації. Порівняно результати тестування всіх побудованих моделей. За результатами тестування визначено, що якість запропонованої моделі вища, але на її навчання поребується більше часу.

На основі розробленого реляційного класифікатора запропонований універсальний підхід до вибору топології нейромереж, що задовольняють критеріям вирішення прикладної проблеми / задачі. Запропоновано агентно-орієнтований підхід до вибору топології нейромережі. Обгрунтована логічна схема поетапного синтезу штучних нейромереж, що дозволяє автоматизувати процедуру пошуку нейромережі, яка забезпечує обслуговування вимог прикладної задачі.

Робота присвячена аналізу інформаційних технологій хронобіологічного моніторингу кардіосистем, розробці систему підтримки прийняття рішень для лікаря-дослідника на базі методів класифікації з використанням нейронних мереж таких як імовірностна неронна мережа PNN (Probabilistic Neural Networks), багатошаровий персептрон MLP NN (Multi-Layer Perceptron), каскадно-кореляційна мережа CasCor (Cascade Correlation). У результаті отримано наступне: найкращим класифікатором є нейромережа каскадної кореляції з 85-88% точністю класифікації. Найгіршим класифікатором стала ймовірнісна нейронна мережа, оскільки точність цього алгоритму залежить від розміру набору даних.

Наведено принципи медичної діагностики онкологічних захворювань шкіри людини за допомогою штучних нейронних мереж. Розкрито аспекти розвитку штучного інтелекту, які дозволяють створювати на базі біологічних підходів інтелектуальні системи в різних областях застосування. Охарактеризовано етапи онкологічної діагностики, які є обов’язковими та мають фундаментальний вплив на подальше лікування пацієнта у разі діагностування злоякісного раку шкіри, результатом кожного з етапів є клінічний діагноз, морфологічний діагноз та патоморфологічний діагноз. Окреслено поняття меланоми та особливості її розвитку. Досліджено алгоритми автоматизованого комп'ютерного аналізу дерматологічних зображень, які забезпечують допомогу лікарям у постановці діагнозу та сприяють підвищенню точності діагностики. Розроблено структурну схему діагностування онкологічних захворювань шкіри людини за допомогою штучних нейронних мереж. В основі завдання диференціації патологій шкірних покривів людини лежить умовний поділ на 4 частини для вирішення завдань бінарної класифікації. Підкреслено, що навчання штучної нейронної мережі відбувається за допомогою наборів даних. Наголошується, що враховуючи завдання бінарної класифікації, у кожному напрямку застосування, наборам даних присвоюються мітки класу нуль та один, представлені у вигляді масиву. У статті розроблено детальний алгоритм, наведений у вигляді блок-схеми, здатний здійснювати постановку остаточного медичного діагнозу щодо захворювання шкіри на онкологічні патології за допомогою штучної нейронної мережі. Описаний алгоритм розроблений на основі штучних нейронних мереж, навчених вирішувати завдання бінарної класифікації. Результатом роботи штучної нейронної мережі є висновок приналежності вхідного значення до класів, на яких описана нейромережа проходила етап навчання.

Для ідентифікації поточного стану зношення долота в умовах інформаційної невизначеності запропоновано використовувати разом із розробленими підходами нейромережний класифікатор на основі гібридної нейромережі. Він складається з мережі Кохонена та нейромережі прямого поширення. Отримані результати моделювання роботи нейромережевого алгоритму дали змогу розробити структуру системи підтримки прийняття рішень для контролю технічного стану породоруйнівного інструменту у процесі буріння свердловини, яка технічно може бути реалізована на базі системи контролю і управління процесом буріння типу СКУБ-1М або її зарубіжних аналогів.

Подається вирішення актуальної проблеми визначення рівня фінансово-економічної безпеки для компаній через призму нейро-фазі моделювання. Моделі, побудовані за допомогою нейро-нечітких мереж, є ефективним інструментом оцінки фінансово-економічної безпеки і дають можливість своєчасно виявити і подолати проблеми. Крім того, дані моделі є адаптивними, оскільки пристосовуються до змін економічного середовища, що дуже важливо в умовах нестабільної економіки. У даному дослідженні для цього пропонується використання багатошарової нейромережі, кожний шар якої вирішує свою низку завдань. Запропонований підхід дасть можливість визначати рівень фінансової безпеки компанії у різні моменти її функціонування. Розроблена модель дозволяє кожній компанії використовувати свою сукупність фінансових показників для визначення рівня безпеки. Кожний шар нейромережі є автономною одиницею, що дозволяє розвивати мережу. Для запропонованої моделі характерні властивості гнучкості та адаптивності до мінливих умов економічного середовища, що є необхідною умовою для її ефективного застосування в діяльності підприємства.

В даній статті описуються проблеми обробки графічної інформації, шляхи їх вирішення та перспективи розвитку програмного забезпечення на основі штучного інтелекту. Також описано раціональне використання різного типу нейромереж в повсякденому житті, їх якісний вплив на розвиток підприємств різних галузей науки та виробництва та інші важливі шляхи застосування програмних продуктів на базі ШІ.

В даній статті описуються проблеми обробки графічної інформації, шляхи їх вирішення та перспективи розвитку програмного забезпечення на основі штучного інтелекту. Також описано раціональне використання різного типу нейромереж в повсякденому житті, їх якісний вплив на розвиток підприємств різних галузей науки та виробництва та інші важливі шляхи застосування програмних продуктів на базі ШІ.

У статті досліджується питання оптимізації пошукових процесів та актуальність використання штучних нейронних мереж для підбору інвентаря для настільного теннісу. Проводиться аналіз останніх публікацій в обраній темі та розглядаються переваги штучнихнейронних мереж порівняно з традиційними видами знаходження рішень. Визначаються переваги використання комп’ютерних технологій з метою автоматизації процесів підбору інвентаря для настільного тенісу. За домопомгою нейронних мереж можна розв’язати будь-яку задачу. Проблема полягає лише у тому, щоб здійснити правильний вибір архітектури та структури нейронної мережі, алгоритму її функціонування та здійснити формалізацію вихідних даних, результату та відповідного перетворення. В роботі розглядаються варіанти різних побудов штучних нейронних мереж і алгоритми їх функціонування з метою вибору оптимального алгоритму. Аналіуються недоліки та переваги мереж з алгоритмом оберненого поширення похибки, RBF (штучних нейронних мереж із радіально-базисними активаційними функціями) та карти Кохонена. В статті також розглянуто задачу кластеризації ринку інвентаря для настільного тенісу. Результатом дослідження стало створення нейромережевої інформаційно-аналітичної системи «Neuro TT» для аналізу ринку інвентаря настільного тенісу з можливістю підбору оптимального поєднання накладок і основи. Розроблено структуру такої нейромережевої системи. Вона складається з трьох інформаційних банків, в яких міститься інформація про властивості основ і накладок, а такожвідомі комбінації таких поєднань накладок і основ. Елементи системи розташовуються на сервері і є незалежними один від одного. Використання такої системи дасть змогу передбачати тенденції розвитку ринку інвентаря для настільного тенісу, виробникам планувати та змінювати структуру виробництва, покупцям (гравцям) та продавцям повністю задовольнити інформаційні потреби. Використання такої системи дозволить передбачати тенденції розвитку ринку інвентаря для настільного тенісу, виробникам планувати та змінювати структуру виробництва, покупцям (гравцям) та продавцям повністю задовільніть інформаційні потреби.

У статті виконано огляд сьогочасних публікацій з досліджень щодо модифікацій базових алгоритмів маршрутизації, базової архітектури капсульної нейромережі та використовуваних даними мережами датасетів. На підставі аналізу та узагальнення зроблені висновки щодо принципів побудови таких мереж на сучасному етапі, вибору алгоритму маршрутизації та оптимізатора для складних наборів даних. Розглянуто питання щодо можливості застосування капсульного підходу при побудові нейронної мережі з розпізнавання зображень для мобільних додатків.

У наш час парадигма інтернету речей здобуває більш широке роз- повсюдження. Прикладна її реалізація в глобальному масштабі потребує залучення спеціалізованих технологій та засобів. Один із напрямів, що потребує опрацювання, є забезпечення сумісності компонентів відповідних систем. Цю роботу присвячено розвитку вказаного напряму. Для цього у роботі розв’язується завдання розроблення моделі контролю сумісності компонентів системи інтернету речей на рівні апаратного забезпечення, що дозволятиме своєчасно попереджувати відмови та/або виходи зі строю компонентів системи. У межах роботи розкривається складник представленого комплексного підходу до контролю сумісності компонентів системи інтернету речей на рівнях як програмного, так і апаратного забезпечень. При цьому акцент робиться саме на апаратній сумісності компонентів системи. Запропоновано модель контролю апаратної сумісності компонентів системи інтернету речей, що будується на основі математичного апарату нейронних мереж. Апаратна сумісність компонентів системи розглядається з позиції функціональної безпеки останньої. Компонентами розглянуто пристрої на базі мікроконтролерів ESP 8266 і ESP 8285, що набули значного поширення, зокрема, завдяки низькій вартості їх придбання. Практична значущість отриманих у роботі результатів полягає у такому: запропоновано засіб оцінювання актуального стану компонентів системи інтернету речей, що дозволяє своєчасно виявити й усунути загрозу функціональній безпеці системи в цілому на рівні окремого компонента системи; запропоновано засіб прогнозування кількості таких компонентів упродовж заданого інтервалу часу. Перевірку розробленої моделі побудовано на розв’язанні завдань апроксимації й екстраполяції. Показано, що прикладне використання запропонованої моделі дозволяє виявляти компоненти системи, що потребують налаштування або заміни, тобто порушують функціональну безпеку системи в цілому. Розв’язання задачі екстраполяції дозволяє прогнозувати кількість таких компонентів через заданий час.

Метою статті є огляд і класифікація основних моделей прогнозування часових рядів. Розглянуті статистичні моделі експоненційного згладжування, ковзного середнього, регресійні та авторегресійні моделі, їх особливості та сфери використання. Зі структурних методів проведено аналіз моделей на базі нейромереж, ланцюгів Маркова, опорних векторів та дерев рішень. Найкращі результати демонструють комбіновані моделі прогнозування, які розглянуто у сучасних публікаціях в інформаційних системах різноманітного призначення. Подальші дослідження будуть об’єднувати статистичні та структурні моделі для отримання кращого прогнозу.

he issues of reducing the content of nitrogen and sulfur oxides in the flue gases of steam boilers using the proposed neural network system for monitoring the content of harmful emissions in flue gases are considered.

Розв'язок задач електронної комерції, які здебільшого характеризуються нелінійними поверхнями відгуку, є важливим завданням. Застосування сучасних засобів обчислювального інтелекту не завжди є доречним зважаючи на складність реалізації процедур навчання і налагодження. Неітеративні засоби та нейронні мережі без навчання також не забезпечують задовільної точності результату. З огляду на це у роботі описано новий ансамбль на підставі нейронних мереж узагальненої регресії. Основна ідея розробленого ансамблю полягає в лінеаризації поверхні відгуку, що задається даними наявної вибірки. Для цього отримана за допомогою мережі GRNN поверхня подається на вхід лінійної нейроподібної структури. Така комбінація забезпечує підвищення точності роботи ансамблю під час розв'язання поставленої задачі. Описаний ансамбль застосовано для розв'язання задачі прогнозування ціни на вживані автомобілі. Експериментальним способом підібрано оптимальні параметри його роботи. Шляхом порівняння із відомими методами встановлено найвищу точність його роботи. Результати експериментальних досліджень порівняно з теоретичними оцінками на підставі висновків теореми Кондорсе про журі присяжних. Розроблений ансамбль нейронних мереж узагальненої регресії на підставі зміщення поверхонь відгуку та з додатковим використанням нейроподібних структур Моделі послідовних геометричних перетворень варто застосовувати під час розв'язання різноманітних задач електронної комерції підвищеної точності.

В даній статті виконано дослідження методів вирішення задачі управління дзвінками в колл-центрі при використанні інтелектуальних нейронних мереж. Виконано огляд існуючих рішень для колл-центрів та приведені їх недоліки. Враховуючи вимоги колл-центрів до модулю управління зроблена постановка задачі та виконано огляд методів її вирішення. Для реалізації модулю «інтелектуального додзвону» вибрані нейронні мережі, а саме багатошаровий персептрон. Приведена архітектура мережі, проведено її навчання та виконано аналіз результатів її роботи. Виходячи з середньоквадратичних відхилень між фактичними та прогнозованими результатами, пр. збільшенні розмірів навчальної вибірки похибка прогнозів мережі прямує до 0, це значить що архітектура нейромережі підібрана вірно.

This paper describes the results of a study of proposed methods of proactively managing key parameter deviations in complex projects based on the study of the effects of the external and internal environment of such projects. The methods of forecasting the level of changes in the results of project activity at any time during the execution of projects and depending on changes in the time parameters of the work of the projects and the study of the effects on changes in the cost of the work of the projects are proposed. Impact reactions on cost parameters and project timelines are investigated. An integrated information system has been developed to simulate the flow of changes to key IT project parameters using cloud data warehouses. In the process of modeling modern information technologies of project management of leading developers are involved and integrated. Modeling effects of the environment on project parameters based on models of deep learning neural networks are used as research tools. A model of deep learning of the neural network is proposed, through the experimental representation of the input and output data of numerical experiments. This model takes into account the optimistic and pessimistic distribution of the cost of each project when planning the projects and choosing their optimal configuration. The evaluation of the results of modeling the effects of changes on the timing and cost of performing work is based on the context of project characteristics, including resource allocations both in time and in project work, cost allocations, etc. Thus, the modeled indicators in the system indicate slight deviations within 10-15% of the set values under the influence of a wide range of values of environmental factors and their effects on changes in project work resources for the selected and unchanged technological configuration of the project model. Using proactive controls, in the re-simulation, it became possible to significantly reduce deviations in costs that do not exceed 10% of the deviation from the optimum values

Запропоновано метод контролю технічного стану об'єкта під час роботи складних систем, на основі засобів штучного інтелекту. Вибір розглянутого методу зумовлений особливістю ідентифікації технічного стану об'єкта та передаварійних ситуацій, що виникають у процесі функціонування складних технологічних систем. Здійснено моделювання у середовищі SOM Toobox програмного пакету Matlab на прикладі контролю технічного стану породоруйнівного інструменту в процесі поглиблення свердловини. Результати проведених наукових досліджень довели доцільність використання штучних нейромереж для вирішення завдань цього напрямку. А також це дасть змогу розробляти адаптивні системи контролю технічного стану об'єкту, що значно підвищить вірогідність контролю, оскільки вони можуть автоматично пристосовуватися до змінних умов функціонування, прогнозувати виникнення і розпізнавати відомі та невизначені передаварійні ситуації, які можуть трапитись під час роботи складних систем.

This pa­per addres­ses the prob­lem of iden­tif­ying rhe­olo­gi­cal pa­ra­me­ters of wo­od using ar­ti­fi­ci­al neu­ral net­works with pa­ral­lel le­ar­ning al­go­rithm using Python prog­ram­ming lan­gua­ge, Cha­iner fra­me­work and CU­DA techno­logy. An in­tel­li­gent system for iden­ti­fi­ca­ti­on of rhe­olo­gi­cal pa­ra­me­ters of wo­od has be­en de­ve­lo­ped. The system cre­ated con­ta­ins the most user-fri­endly in­ter­fa­ce, all the ne­ces­sary set of to­ols for au­to­ma­ti­on of the pro­cess of vis­ua­li­za­ti­on and analysis of da­ta. In the pro­cess of cre­ati­on of the in­tel­lec­tu­al system, the fol­lo­wing tasks we­re en­vi­sa­ged: to carry out the analysis of ar­ti­fi­ci­al in­tel­li­gen­ce systems and the analysis of tra­ining of ar­ti­fi­ci­al neu­ral net­works, in par­ti­cu­lar mul­ti­la­yer neu­ral net­works of di­rect pro­pa­ga­ti­on, re­cur­rent neu­ral net­works and the Ko­ho­nen neu­ral net­work; exa­mi­ne the struc­tu­re of the Cha­iner fra­me­work and its in­te­rac­ti­on with CU­DA; to con­duct exis­ting clo­ud techno­lo­gi­es to ac­complish the task; to con­duct the analysis of al­go­rithms of stu­di­es of ar­ti­fi­ci­al neu­ron net­works, the­ir mat­he­ma­ti­cal pro­vi­ding; to imple­ment pa­ral­le­li­za­ti­on of le­ar­ning al­go­rithms and to de­ve­lop the ne­ces­sary softwa­re. Using Cha­iner al­lows you to cre­ate a me­mory po­ol for GPU me­mory al­lo­ca­ti­on. To avo­id me­mory al­lo­ca­ti­on and era­su­re du­ring com­pu­ting, Cha­iner pro­vi­des the abi­lity to use the CuPy me­mory po­ol as a stan­dard me­mory al­lo­ca­ti­on wit­ho­ut de­aling with me­mory al­lo­ca­ti­on. An in­tel­lec­tu­al system to de­ter­mi­ne the physi­cal and mec­ha­ni­cal pa­ra­me­ters of a mat­he­ma­ti­cal mo­del of non-isot­her­mal mo­is­tu­re transfer and vis­co­elas­tic de­for­ma­ti­on of ca­pil­lary-po­ro­us ma­te­ri­als was de­ve­lo­ped. It pro­vi­des the op­por­tu­nity to iden­tify pa­ra­me­ters of the ker­nels of cre­ep and re­la­xa­ti­on that is writ­ten as a li­ne­ar com­bi­na­ti­on of ex­po­nen­ti­al ope­ra­tors. The pro­po­sed al­go­rithm of appro­xi­ma­ti­on and ob­ta­ined cal­cu­la­ted ra­ti­os of rhe­olo­gi­cal be­ha­vi­or of wo­od by me­ans of mul­ti­la­yer neu­ral net­work with ex­po­nen­ti­al ac­ti­va­ti­on functi­ons in hid­den la­yers al­lows to incre­ase the ac­cu­racy of appro­xi­ma­ti­on of ex­pe­ri­men­tal cre­ep da­ta. The de­ve­lo­ped mat­he­ma­ti­cal mo­dels can be used to cre­ate an au­to­ma­ted systems of fi­ni­te-dif­fe­ren­ce cal­cu­la­ti­on of tem­pe­ra­tu­re and mo­is­tu­re con­tent, stress com­po­nents du­ring the drying of ca­pil­lary-po­ro­us ma­te­ri­als with ta­king in­to ac­co­unt the techno­lo­gi­cal pa­ra­me­ters of the drying agent.

Feasability of artificial neuronets methodology application for valuation of tangible and intangible assets is grounded. Proposed is general structural neuronets model for most widely used comparative approach of property and property rights valuation. Neuro net is used for modelling processes of valuation object recognition, its classification and value assessment utilising comparison with analog items with respect to price unfluencing parameters. Algorithm of neuro nets model program realization is described for its practical realization purposes.

Метою статті є розробка нейромережевої моделі прогнозування параметрів руху судна в системі формування надводної обстановки ближньої морської зони для підвищення ситуаційної обізнаності судноводія. В статті визначено, що ближня морська зона характеризується достатньо високою інтенсивністю транспортної активності. Надводна обстановка у ближній морській зоні характеризується значною кількістю факторів, що обумовлює різноманітність руху судна, їх необхідно врахувати при формуванні інформаційних моделей. Виконано розробку нейронної мережі, яка прогнозує координати судна на один крок вперед, що дозволяє прогнозувати координати судна за інформацією від навігаційних приладів, з високою навігаційною точністю.

Досліджено та обґрунтовано вибір нейромережевих структур для оброблення статистичних даних з метою прогнозування та виявлення аномальних показників споживання енергоресурсів. Показано, що системам на основі нейронних мереж завжди протиставлялись експертні системи, які, на відміну від перших, очевидно програмувались. Середовище, в якому працює система, не завжди є статичним і потрібні методи опрацювання даних, які могли б адекватно реагувати на зміну середовища та вміти відповідно адаптувати отримувані результати. Нейронні мережі володіють такою особливістю, як вміння навчатись. Ця особливість і є основним аргументом для застосування таких структур у системах управління енергоефективністю. Розроблена архітектура мережі та застосований процес навчання дав змогу прогнозувати показники спожитої електроенергії з урахуванням багатьох параметрів. Особливістю розробленої архітектури є можливість здійснювати перенавчання у процесі функціонування, не перериваючи його. Використання адаптивного та безперервного навчання нейромережі дасть змогу виявляти аномальні показники даних. Точність такого виявлення було перевірено на реальній вибірці даних. Аналіз отриманих результатів показує, що використання нейронних мереж хоч і потребує швидкодії і часу на навчання, проте, під час класифікації вхідного вектора, швидкодія нейронної мережі перевищує будь-який алгоритм кластеризації.

У контрольній групі при рівні складності до п’яти фігур виявлено вентральну систему візуальної оперативної пам’яті, а за підвищення складності завдання – активацію процесів top-down контролю. У групі без «акутравматичного зубця» виявлено лише вентральну систему зорової оперативної пам’яті, а в групі з «акутравматичним зубцем» – хаотичну активацію на різних рівнях складності різноманітних зон, у результаті чого не була створена адекватна система зорової оперативної пам’яті. Підвищення порогів слухової чутливості на 4/6 кГц і формування «акутравматичного зубця» аудіограми можна вважати специфічним маркером більш глибоких уражень структур головного мозку при ЧМТ та акутравмі.

У контрольній групі при рівні складності до п’яти фігур виявлено вентральну систему візуальної оперативної пам’яті, а за підвищення складності завдання – активацію процесів top-down контролю. У групі без «акутравматичного зубця» виявлено лише вентральну систему зорової оперативної пам’яті, а в групі з «акутравматичним зубцем» – хаотичну активацію на різних рівнях складності різноманітних зон, у результаті чого не була створена адекватна система зорової оперативної пам’яті. Підвищення порогів слухової чутливості на 4/6 кГц і формування «акутравматичного зубця» аудіограми можна вважати специфічним маркером більш глибоких уражень структур головного мозку при ЧМТ та акутравмі.

Для оцінки ризику сумісного прийняття помилкових рішень пілотом та авіадиспетчером в особливих випадках в польоті (ОВП) була розроблена чотиришарова рекурентна нейронна мережа з додатковими входами – зсувами: перший шар (вхід) – збитки при виникненні ОВП в залежності від виду польотної ситуації; другий шар (прихований) – нормативний час на виконання технологічних процедур з парирування ОВП; третій шар (прихований) – нормативна послідовність виконання технологічних процедур з парирування ОВП; четвертий шар (вихід) – оцінка ризику при виникненні ОВП. Розроблена нейромережева модель за рахунок зсувів дає змогу врахувати взаємодію між пілотом та авіадиспетчером при виконанні технологічних процедур з парирування ОВП і за допомогою зворотного зв’язку коригувати прогнозовану оцінку ризику сумісного прийняття помилкових рішень на основі динамічних даних про дотримання операторами узгоджених нормативів часу та нормативної послідовності дій. За допомогою нейроемулятора NeuroSolutions на прикладі ОВП “Відмова та пожежа двигуна на повітряному судні при наборі висоти після зльоту” побудовано та навчено з вчителем процедурою оберненого поширення помилки багатошарового прямонаправленого персептрона зі зсувами.

Анотація. Штучний інтелект і машинне навчання мають вагому частку в сучасних інформаційних технологіях і надають широкий набір інструментів: від експертних систем до нейромереж. Їх реалізація потребує специфічного середовища та відповідного програмного забезпечення. Однією із мов програмування для цього підходить мова «Пролог». В той же час існують серйозні ризики щодо помилок при використання цього забезпечення. Обговорено диференціацію завдань з управління у таких складних соціальнота організаційно-технічних системах як штучний інтелект. В статті надано всебічний аналіз і осмислення значення мови «Пролог» в системі підтримки рішень (DSS) та проведено встановлення його місця в цій агломерації. В зв’язку з цим обґрунтовано необхідність створення DSS нового покоління. В контексті поставленої мети показано перспективність використання DSS для прийняття стратегічних рішень в дедуктивному навчанні в порівнянні з індуктивним. Доведено, що саме такою стратегічною технологією стає DSS. Воно використовує дедуктивне навчання, яке при використанні мови «Пролог» в процесі формування систем штучного інтелекту створює максимальну прозорість і надає обґрунтованість при прийнятті рішень. Акцентовано увагу на тому, чому мова «Пролог» має стати перспективною мовою систем AI/ML. Пропонується також концепція гібридної DSS, що поєднує в собі переваги обох систем. Така система дозволяє приймати рішення на різних рівнях, отримуючи вигоди від систем з індуктивним навчанням на тактичному рівні та дедуктивних систем на стратегічному рівні прийняття рішень.

Показано, що діагностика об'єктів машинобудування передбачає обґрунтування розширення застосовуваних фізичних ефектів, орієнтованих, в першу чергу, на неруйнівного контролю параметрів продукції машинобудування. На підставі досліджень, які показують перспективність експериментальних і теоретичних доказів, доведена доцільність пошуку підтвердження інформативності частотних спектрів резонансних акустичних сигналів досліджуваних об'єктів, порушених широкосмуговими резонаторами рівній амплітуди в акустичному діапазоні. Надані прикладі застосування широкосмугових випромінювачів наноамплітудних впливів на досліджувані об'єкти з метою акустичної спектроскопії для створення їх ідентифікаційних моделей. Для практичного використання експериментальних результатів для ідентифікації розмірних і фізико-механічних характеристик станів діагностованих об'єктів авторами застосовані нейромережні моделі. Такі моделі служать практичним цілям діагностики станів об'єктів на основі частотних спектрів власних резонансних коливань. Доведено, якщо діагностика об'єкта проводиться щодо опорного сигналу у вигляді широкосмугового впливу постійної амплітуди, то такий підхід дозволяє нормувати вихідні діагностичні сигнали щодо опорного сигналу. представлені ідентифікаційні моделі, побудовані на нейромережному базисі, показали реальну можливість їх використання для створення системи діагностики об'єктів за кількома кількісними ознаками. Причому, кількість таких ознак, які можна контролювати одночасно, практично, не обмежена. Авторами роботи проведені додаткові дослідження, які показали можливість одночасного контролю не тільки геометричних характеристик об'єктів, а й їх фізико-механічних характеристик, включаючи показники напруженого стану, твердості і т.ін..

Запропоновано нейронну мережу для розпізнавання картографічних зображень ґрунтових масивів та класифікації ландшафтних ділянок за типами ґрунтових масивів із використанням нейронної мережі. Описано підходи до проектування архітектури, методів навчання, підготовки даних для проведення навчання, тренування та тестування нейронної мережі. Розроблено структурно-функціональну схему нейронної мережі, яка складається із вхідного, прихованих та вихідного шарів, кожен окремий нейрон описано відповідною активаційною функцією із підібраними ваговими коефіцієнтами. Показано доцільність застосування кількості нейронів, їх тип та архітектуру для проведення задачі розпізнавання та класифікації ділянок на кадастрових картах. Як вихідні дані використано відкриті державні інформаційні ресурси, в яких виділено окремі ділянки за типами ґрунтів, їх поширення та сформовано базу даних для навчання та тренування нейронної мережі. Проаналізовано ефективність, швидкодію та точність роботи нейронної мережі, зокрема, проведено комп'ютерну симуляцію із використанням сучасного програмного забезпечення та математичне моделювання обчислювальних процесів у середині структури нейронної мережі. Розроблено програмні засоби для попередньої підготовки та оброблення вхідних даних, подальшого тренування та навчання нейронної мережі та безпосередньо процесу розпізнавання та класифікації. Відповідно до отриманих результатів, розроблена модель та структура нейромережі, її програмні засоби реалізації показують високу ефективність як на етапі попереднього оброблення даних, так і загалом на етапі класифікації та виділення цільових ділянок ґрунтових масивів. Надалі наступним етапом досліджень є розроблення та інтеграція програмно-апаратної системи на основі розпаралелених та частково розпаралелених засобів обчислювальної техніки, що дасть змогу значно пришвидшити обчислювальні операції, досягти виконання процесів навчання та тренування нейронної мережі в режимі реального часу та без втрати точності. Подані наукові та практичні результати мають високий потенціал для інтеграції в сучасні інформаційно-аналітичні системи, системи аналізу та моніторингу за станом навколишнього середовища, технологічними об'єктами та об'єктами промисловості.

Ця стаття присвячена знаходженню умов рiвномiрної збiжностi з ймовiрнiстю одиниця вейвлет розкладiв класу випадкових процесiв iз просторiв Fψ(Ω). Вивчення загальних властивостей таких випадкових процесiв, отримання оцiнок розподiлу функцiоналiв вiд процесiв з тих чи iнших просторiв випадкових величин, встановлення умов рiвномiрної збiжностi випадкових функцiональних рядiв є одними iз поширених задач теорiї випадкових процесiв. Вейвлет аналiз є достатньо молодою галуззю математики з багатьма цiкавими проблемами й задачами. Однак дану теорiю, зокрема вейвлет розклади функцiй, на даний час широко використовують як у теорiї випадкових процесiв, так i у рiзних областях науки. Наприклад, вейвлет аналiз активно застосовується для фiльтрацiї i попередньої обробки даних, аналiзу стану i прогнозування ситуацiї на фондових ринках, розпiзнавання образiв, при обробцi i синтезi рiзних сигналiв, зокрема при обробцi мовних сигналiв, бiомедичних сигналiв, для розв’язання завдань стиснення i обробки зображень, при навчаннi нейромереж i в багатьох iнших випадках. Тому є актуальною задача знаходження умов рiвномiрної збiжностi вейвлет розкладiв класу випадкових процесiв iз просторiв Fψ(Ω). У данiй роботi ми зосереджуємося на основних властивостях просторiв Fψ(Ω) та деяких елементах теорiї вейвлетiв. На початку статтi наведено основнi означення, теореми, приклади випадкових величин з просторiв Fψ(Ω) та поняття i властивостi мажоруючої характеристики цього простору. Далi подано необхiднi вiдомостi з вейвлет аналiзу, зокрема: означення f-, m-вейвлетiв та умови S, а також умови розкладу функцiй по цим базисам. Також наведено умови рiвномiрної збiжностi з iмовiрнiстю одиниця вейвлет розкладiв деяких функцiй. Основним результатом статтi є умови рiвномiрної збiжностi вейвлет розкладiв випадкових процесiв iз просторiв Fψ(Ω). Данi умови базуються на оцiнках розподiлу супремуму на R випадкових процесiв iз просторiв Fψ(Ω) та рiвномiрної неперервностi сепарабельного вимiрного випадкового процесу X = {X(t), t ∈ R} з простору Fψ(Ω) на деякому вiдрiзку. Також, наведено приклади функцiй, для яких виконується одна iз умов теореми про оцiнку мажоруючої характеристики κ(n) простору Fψ(Ω)

Розглянуто штучні нейроні мережі в системі управління силовою установкою транспортного засобу з метою зменшення витрати енергії та діагностики off-line технічного стану тягової акумуляторної батареї. Отримано метод діагностики технічного стану силової установки, який використовує штучні нейронні мережі та системи нечіткого висновку для визначення технічного стану ДВЗ та тягової акумуляторної батареї.Метою роботи є підвищення ефективності діагностики функціональних систем гібридного та електромобіля шляхом оперативного синтезу управляючих впливів за енергетичними і якісними критеріями з урахуванням зовнішніх умов експлуатації. Обґрунтування методу діагностики технічного стану силової установки гібридного та електромобіля з використанням штучної нейронної мережі та системи нечіткого висновку. Дати наукове обґрунтування діагностичних параметрів силової установки гібридного автомобіля. В роботі використано штучні нейронні мережі в системі управління силовою установкою транспортного засобу з метою зменшення витрати енергії та діагностики off-line технічного стану тягової акумуляторної батареї. За допомогою симулятора навчається нейромережева модель автомобіля, яка використовує off-line навчання нейроконтролера. Якість навчання нейроконтролера визначається симулятором. При подальшому функціонуванні системи управління параметри нейронних мереж не змінюються. Відсутність адаптації вагових коефіцієнтів при функціюванні системи управління обґрунтовано тим, що це веде до втрати довго часовоїпам’яті системи управління при виникненні кратко часової несправності, а також можливості виникнення біфуркації при адаптації в нелінійних системах наведено на рисунку 1.Цільова функція оптимізації управління має на увазі мінімізацію витрати енергії при збереженні ступеню заряду тягової акумуляторної батареї при обмеженому діапазоні руху транспортного засобу в заданих умовах експлуатації.За результатами випробувань метода нейроуправління отримано, що нейроконтролер забезпечує зменшення витрати палива на 17 % і скорочує діапазон зміни ступеня зарядженості тягової акумуляторної батареї на 35 %, а також забезпечує мінімізацію викидів токсичних речовин.

Наукові дослідження стають ефективними тоді, коли природу подій чи явищ можна розглядати з єдиних позицій, виробити універсальний підхід до них, сформувати загальні закономірності. Більшість сучасних фундаментальних наукових проблем і високих технологій тісно пов’язані з явищами, які лежать на границях різних рівнів організації. Природничі та деякі з гуманітарних наук (економіка, соціологія, психологія) розробили концепції і методи для кожного із ієрархічних рівнів, але не володіють універсальними підходами для опису того, що відбувається між цими рівнями ієрархії. Неспівпадання ієрархічних рівнів різних наук – одна із головних перешкод для розвитку дійсної міждисциплінарності (синтезу різних наук) і побудови цілісної картини світу. Виникає проблема формування нового світогляду і нової мови.Теорія складних систем – це одна із вдалих спроб побудови такого синтезу на основі універсальних підходів і нової методології [1]. В російськомовній літературі частіше зустрічається термін “синергетика”, який, на наш погляд, означує більш вузьку теорію самоорганізації в системах різної природи [2].Мета роботи – привернути увагу до нових можливостей, що виникають при розв’язанні деяких задач, виходячи з уявлень нової науки.На жаль, теорія складності не має до сих пір чіткого математичного визначення і може бути охарактеризована рисами тих систем і типів динаміки, котрі являються предметом її вивчення. Серед них головними є:– Нестабільність: складні системи прагнуть мати багато можливих мод поведінки, між якими вони блукають в результаті малих змін параметрів, що управляють динамікою.– Неприводимість: складні системи виступають як єдине ціле і не можуть бути вивчені шляхом розбиття їх на частини, що розглядаються ізольовано. Тобто поведінка системи зумовлюється взаємодією складових, але редукція системи до її складових спотворює більшість аспектів, які притаманні системній індивідуальності.– Адаптивність: складні системи часто включають множину агентів, котрі приймають рішення і діють, виходячи із часткової інформації про систему в цілому і її оточення. Більш того, ці агенти можуть змінювати правила своєї поведінки на основі такої часткової інформації. Іншими словами, складні системи мають здібності черпати скриті закономірності із неповної інформації, навчатися на цих закономірностях і змінювати свою поведінку на основі нової поступаючої інформації.– Емерджентність (від існуючого до виникаючого): складні системи продукують неочікувану поведінку; фактично вони продукують патерни і властивості, котрі неможливо передбачити на основі знань властивостей їх складових, якщо розглядати їх ізольовано.Ці та деякі менш важливі характерні риси дозволяють відділити просте від складного, притаманного найбільш фундаментальним процесам, які мають місце як в природничих, так і в гуманітарних науках і створюють тим самим істинний базис міждисциплінарності. За останні 30–40 років в теорії складності було розроблено нові наукові методи, які дозволяють універсально описати складну динаміку, будь то в явищах турбулентності, або в поведінці електорату напередодні виборів.Оскільки більшість складних явищ і процесів в таких галузях як екологія, соціологія, економіка, політологія та ін. не існують в реальному світі, то лише поява сучасних ЕОМ і створення комп’ютерних моделей цих явищ дозволило вперше в історії науки проводити експерименти в цих галузях так, як це завжди робилось в природничих науках. Але комп’ютерне моделювання спричинило розвиток і нових теоретичних підходів: фрактальної геометрії і р-адичної математики, теорії хаосу і самоорганізованої критичності, нейроінформатики і квантових алгоритмів тощо. Теорія складності дозволяє переносити в нові галузі дослідження ідеї і підходи, які стали успішними в інших наукових дисциплінах, і більш рельєфно виявляти ті проблеми, з якими інші науки не стикалися. Узагальнюючому погляду з позицій теорії складності властиві більша евристична цінність при аналізі таких нетрадиційних явищ, як глобалізація, “економіка, що заснована на знаннях” (knowledge-based economy), національні і світові фінансові кризи, економічні катастрофи і ряд інших.Однією з інтригуючих проблем теорії є дослідження властивостей комплексних мережеподібних високотехнологічних і інтелектуально важливих систем [3]. Окрім суто наукових і технологічних причин підвищеної уваги до них є і суто прагматична. Справа в тому, що такі системи мають системоутворюючу компоненту, тобто їх структура і динаміка активно впливають на ті процеси, які ними контролюються. В [4] наводиться приклад, коли відмова двох силових ліній системи електромережі в штаті Орегон (США) 10 серпня 1996 року через каскад стимульованих відмов призвели до виходу із ладу електромережі в 11 американських штатах і 2 канадських провінціях і залишили без струму 7 млн. споживачів протягом 16 годин. Вірус Love Bug worm, яких атакував Інтернет 4 травня 2000 року і до сих пір блукає по мережі, приніс збитків на мільярди доларів.До таких систем відносяться Інтернет, як складна мережа роутерів і комп’ютерів, об’єднаних фізичними та радіозв’язками, WWW, як віртуальна мережа Web-сторінок, об’єднаних гіперпосиланнями (рис. 1). Розповсюдження епідемій, чуток та ідей в соціальних мережах, вірусів – в комп’ютерних, живі клітини, мережі супермаркетів, актори Голівуду – ось далеко не повний перелік мережеподібних структур. Більш того, останнє десятиліття розвитку економіки знань привело до зміни парадигми структурного, функціонального і стратегічного позиціонування сучасних підприємств. Вертикально інтегровані корпорації повсюдно витісняються розподіленими мережними структурами (так званими бізнес-мережами) [5]. Багато хто з них замість прямого виробництва сьогодні займаються системною інтеграцією. Тому дослідження структури та динаміки мережеподібних систем дозволить оптимізувати бізнес-процеси та створити умови для їх ефективного розвитку і захисту.Для побудови і дослідження моделей складних мережеподібних систем введені нові поняття і означення. Коротко опишемо тільки головні з них. Хай вузол i має ki кінців (зв’язків) і може приєднати (бути зв’язаним) з іншими вузлами ki. Відношення між числом Ei зв’язків, які реально існують, та їх повним числом ki(ki–1)/2 для найближчих сусідів називається коефіцієнтом кластеризації для вузла i:. Рис. 1. Структури мереж World-Wide Web (WWW) і Інтернету. На верхній панелі WWW представлена у вигляді направлених гіперпосилань (URL). На нижній зображено Інтернет, як систему фізично з’єднаних вузлів (роутерів та комп’ютерів). Загальний коефіцієнт кластеризації знаходиться шляхом осереднення його локальних значень для всієї мережі. Дослідження показують, що він суттєво відрізняється від одержаних для випадкових графів Ердаша-Рені [4]. Ймовірність П того, що новий вузол буде приєднано до вузла i, залежить від ki вузла i. Величина називається переважним приєднанням (preferential attachment). Оскільки не всі вузли мають однакову кількість зв’язків, останні характеризуються функцією розподілу P(k), яка дає ймовірність того, що випадково вибраний вузол має k зв’язків. Для складних мереж функція P(k) відрізняється від розподілу Пуассона, який мав би місце для випадкових графів. Для переважної більшості складних мереж спостерігається степенева залежність , де γ=1–3 і зумовлено природою мережі. Такі мережі виявляють властивості направленого графа (рис. 2). Рис. 2. Розподіл Web-сторінок в Інтернеті [4]. Pout – ймовірність того, що документ має k вихідних гіперпосилань, а Pin – відповідно вхідних, і γout=2,45, γin=2,1. Крім цього, складні системи виявляють процеси самоорганізації, змінюються з часом, виявляють неабияку стійкість відносно помилок та зовнішніх втручань.В складних системах мають місце колективні емерджентні процеси, наприклад синхронізації, які схожі на подібні в квантовій оптиці. На мові системи зв’язаних осциляторів це означає, що при деякій критичній силі взаємодії осциляторів невелика їх купка (кластер) мають однакові фази і амплітуди.В економіці, фінансовій діяльності, підприємництві здійснювати вибір, приймати рішення доводиться в умовах невизначеності, конфлікту та зумовленого ними ризику. З огляду на це управління ризиками є однією з найважливіших технологій сьогодення [2, 6].До недавніх часів вважалось, що в основі розрахунків, які так чи інакше мають відношення до оцінки ризиків лежить нормальний розподіл. Йому підпорядкована сума незалежних, однаково розподілених випадкових величин. З огляду на це ймовірність помітних відхилень від середнього значення мала. Статистика ж багатьох складних систем – аварій і катастроф, розломів земної кори, фондових ринків, трафіка Інтернету тощо – зумовлена довгим ланцюгом причинно-наслідкових зв’язків. Вона описується, як показано вище, степеневим розподілом, “хвіст” якого спадає значно повільніше від нормального (так званий “розподіл з тяжкими хвостами”). У випадку степеневої статистики великими відхиленнями знехтувати вже не можна. З рисунку 3 видно, наскільки добре описуються степеневою статистикою торнадо (1), повені (2), шквали (3) і землетруси (4) за кількістю жертв в них в США в ХХ столітті [2]. Рис. 3. Системи, які демонструють самоорганізовану критичність (а саме такі ми і розглядаємо), самі по собі прагнуть до критичного стану, в якому можливі зміни будь-якого масштабу.З точки зору передбачення цікавим є той факт, що різні катастрофічні явища можуть розвиватися за однаковими законами. Незадовго до катастрофи вони демонструють швидкий катастрофічний ріст, на який накладені коливання з прискоренням. Асимптотикою таких процесів перед катастрофою є так званий режим з загостренням, коли одна або декілька величин, що характеризують систему, за скінчений час зростають до нескінченності. Згладжена крива добре описується формулою,тобто для таких різних катастрофічних явищ ми маємо один і той же розв’язок рівнянь, котрих, на жаль, поки що не знаємо. Теорія складності дозволяє переглянути деякі з основних положень ризикології та вказати алгоритми прогнозування катастрофічних явищ [7].Ключові концепції традиційних моделей та аналітичних методів аналізу і управління капіталом все частіше натикаються на проблеми, які не мають ефективних розв’язків в рамках загальноприйнятих парадигм. Причина криється в тому, що класичні підходи розроблені для опису відносно стабільних систем, які знаходяться в положенні відносно стійкої рівноваги. За своєю суттю ці методи і підходи непридатні для опису і моделювання швидких змін, не передбачуваних стрибків і складних взаємодій окремих складових сучасного світового ринкового процесу. Стало ясно, що зміни у фінансовому світі протікають настільки інтенсивно, а їх якісні прояви бувають настільки неочікуваними, що для аналізу і прогнозування фінансових ринків вкрай необхідним став синтез нових аналітичних підходів [8].Теорія складних систем вводить нові для фінансових аналітиків поняття, такі як фазовий простір, атрактор, експонента Ляпунова, горизонт передбачення, фрактальний розмір тощо. Крім того, все частіше для передбачення складних динамічних рядів використовуються алгоритми нейрокомп’ютинга [9]. Нейронні мережі – це системи штучного інтелекту, які здатні до самонавчання в процесі розв’язку задач. Навчання зводиться до обробки мережею множини прикладів, які подаються на вхід. Для максимізації виходів нейронна мережа модифікує інтенсивність зв’язків між нейронами, з яких вона побудована, і таким чином самонавчається. Сучасні багатошарові нейронні мережі формують своє внутрішнє зображення задачі в так званих внутрішніх шарах. При цьому останні відіграють роль “детекторів вивчених властивостей”, оскільки активність патернів в них є кодування того, що мережа “думає” про властивості, які містяться на вході. Використання нейромереж і генетичних алгоритмів стає конкурентноздібним підходом при розв’язанні задач передбачення, класифікації, моделювання фінансових часових рядів, задач оптимізації в галузі фінансового аналізу та управляння ризиком. Детермінований хаос пропонує пояснення нерегулярної поведінки і аномалій в системах, котрі не є стохастичними за природою. Ця теорія має широкий вибір потужних методів, включаючи відтворення атрактора в лаговому фазовому просторі, обчислення показників Ляпунова, узагальнених розмірностей і ентропій, статистичні тести на нелінійність.Головна ідея застосування методів хаотичної динаміки до аналізу часових рядів полягає в тому, що основна структура хаотичної системи (атрактор динамічної системи) може бути відтворена через вимірювання тільки однієї змінної системи, фіксованої як динамічний ряд. В цьому випадку процедура реконструкції фазового простору і відтворення хаотичного атрактора системи при динамічному аналізі часового ряду зводиться до побудови так званого лагового простору. Реальний атрактор динамічної системи і атрактор, відтворений в лаговому просторі по часовому ряду при деяких умовах мають еквівалентні характеристики [8].На завершення звернемо увагу на дидактичні можливості теорії складності. Розвиток сучасного суспільства і поява нових проблем вказує на те, що треба мати не тільки (і навіть не стільки) експертів по деяким аспектам окремих стадій складних процесів (професіоналів в старому розумінні цього терміну), знадобляться спеціалісти “по розв’язуванню проблем”. А це означає, що істинна міждисциплінарність, яка заснована на теорії складності, набуває особливого значення. З огляду на сказане треба вчити не “предметам”, а “стилям мислення”. Тобто, міждисциплінарність можна розглядати як основу освіти 21-го століття.

Роботу присвячено вирішенню актуального завдання створення математичного забезпечення для побудови моделей кількісних залежностей на основі багатошарових нейронних мереж та вирішенню за його допомогою практичної задачі моделювання залежностей параметрів процесу роботи авіаційних двигунів під час їх випробувань. Запропоновано метод побудови глибоких нейронних мереж прямого поширення, який використовує коригувальну нейронну мережу для покращення результатів роботи звичайної нейромережі. Пропонована архітектура нейромережі складається з двох блоків-нейромереж: перший – чотиришарова нейромережа прямого поширення, другий – нейронна мережа, що виправляє результати роботи першої. Для цього значення виходу першої мережі передається на вхід другої разом із вхідними параметрами. При цьому для збільшення точності для кожного вихідного параметра будується окрема модель. Кожна з нейронних мереж навчається окремо, що дозволяє спростити та прискорити процес навчання. Навчання пропонованої нейромережі пропонується проводити на основі градієнтного методу та техніки зворотного поширення помилки. У процесі навчання мінімізується функція помилки мережі, яка визначає різницю між виходами мережі і реальними значеннями. Для збільшення точності моделі, побудованої на основі гібридної нейромережі із коригувальним блоком, пропонується виконувати відбір інформативних ознак шляхом послідовного видалення найменш інформативних ознак, доки помилка нейронної мережі не збільшиться від чергового видалення ознаки. Для прискорення відбору доцільно використовувати зменшену кількість епох навчання та не використовувати коригувальну нейронну мережу. Розроблено програмне забезпечення, яке реалізує запропонований метод і дозволяє виконувати побудову нейронних мереж, їх навчання та тестування на вибірках даних; вирішено практичне завдання визначення значень параметрів авіаційних двигунів при проведені їх випробувань.

В статті досліджено особливості створення штучних нейронних мереж, їх навчання, застосування в економічній сфері та порівняння їх ефективності з статистичними методами. Встановлено, що наукові роботи стосовно нейронних мереж є лише загальними та не відображають особливості використання різних архітектур. Проведене дослідження особливостей різних ядер нейромереж на основі методу опорних векторів та порівняння їх ефективності між собою для класифікації даних. Завдяки дослідженню показано, що метод опорних векторів дозволяє нам ефективно класифікувати дані, в тому числі з нелінійною структурою. З’ясовано, що нейронні мережі дійсно ефективні для аналізу економічних показників і вже значно випереджають класичні методи аналізу. Встановлено, що нейромережі використовуються для вирішення трьох основних типів задач: прогнозування, класифікація та моделювання. Представлено платформи та бібліотеки, що допомагають при створенні нейронної мережі та мають готові зразки використання та детальну документацію. Підтверджено, що основні переваги нейронних мереж – це здатність до навчання, можливість працювати з неповними даними, можливість автоматизувати аналіз, висока точність результатів. З’ясовано, що основні недоліки нейромереж – це технічні вимоги, необхідність великої кількості зібраних і оброблених даних для навчання та складність реалізації в кожному окремому випадку. Представлено найбільш поширені типи нейромереж та алгоритми навчання, а також в задачах яких типів будуть ефективними різні нейронні мережі. Запропоновано порівняння ефективності перцептрона та логістичної регресії при вирішенні однакової задачі класифікації. Отже, штучні нейронні мережі дійсно переважають класичні методи аналізу даних, а розмір цієї переваги буде залежати від кількості факторів, що впливають на результат та складності взаємозв’язків між ними.