В посібнику розглянуто актуальні напрямки робіт в області
інтелектуальних систем. Розглянуто задачі і методи навчання та
самонавчання в інтелектуальних системах. Велику увагу приділено
важливому напрямку в області ІС- штучним нейронним мережам.
Розглянуто та проаналізовано методи навчання нейромереж:
генетичний, градієнтні методи, метод спряжених градієнтів та інші.
Крім класичних нейромереж в посібнику розглянуто новий
перспективний клас нейромереж – нечіткі нейромережі, їх
властивості, алгоритми навчання та самонавчання. Застосування
нечітких мереж ілюструється численними прикладами в задачах
класифікації, кластер-аналізу та прогнозування в макроекономіці.
Розглянуто також перспективний метод самоорганізації моделей
складних систем – так званий метод МГУА, а також його новий варіант
– нечіткий МГУА, запропонований в роботах автора. Ці методи дістали
широке використання в задачах моделювання та прогнозування.
Особливістю навчального посібника є то, що він містить багато
прикладів застосування методів ІС, нейронних мереж та МГУА в
задачах класифікації та моделювання в економіці, які є
оригінальними і раніше в монографіях не висвітлювались.
Підручник розраховано насамперед на студентів ВНЗ різних напрямів, зокрема Комп’ютерні науки, Прикладна математика, він буде корисний також і спеціалістам, що займаються розробкою та експлуатацією систем штучного інтелекту.
Підручник розраховано насамперед на студентів ВНЗ різних напрямів, зокрема Комп’ютерні науки, Прикладна математика, він буде корисний також і спеціалістам, що займаються розробкою та експлуатацією систем штучного інтелекту.