Цель работы - исследование методов и алгоритмов устойчивого обучения искусственных нейронних сетей.
Актуальность данной проблемы обусловлена постоянным увеличением спроса на услуги по разработке программного и информационного обеспечения информационных систем. Для организаций, предоставляющих такие услуги, важным фактором успеха является постоянная оптимизация процесса выполнения проектов, развитие и улучшение методологических основ своей работы. Искусттвенные нейронне сети очень часто используются в интелектуальных системах, что делает их перспективными для исследования.
Пояснительная записка к дипломной работе состоит из пяти частей: раздела по обзору и анализу нейронних сетей, выбор инструментальной базы, создание и обучение сети функции одной переменной, создание и обучение сети таблично заданой функции и раздела "Охраны труда и безопасности в чрезвычайных ситуациях".


НЕЙРОННАЯ СЕТЬ, ПЕРСЕПТРОН РОЗЕНБЛАТТА, МНОГОСЛОЙНЫЙ ПЕРСЕПТРОН, АЛГОРИТМ ОБРАТНОГО РАСПРОСТРАНЕНИЯ ОШИБКИ



Purpose - to study methods and algoritms for sustainable training of artificial neural networks
The urgency of this problem is due to the constant increase in demand for software development services and information support of information systems. For organizations that provide such services, an important factor of success is the constant optimization of the project process, development and improvement of the methodological basis of theirs work. Artifical neural networks very often used in intellectual systems, which makes them promising for research
Explanatory note to the research paper consists of five parts: the section on the analysis of existing achievements in the field of research and the relevance of the rationale, analysis of existing methods of conversion, modification of the method chosen, the results of research and "Health and safety in emergency situations" section.


NEURALR NETWORK, ROSENBLATT'S PERCEPTRONMULTILAYER PERCEPTRON, BACK-PROPAGATION ALGORITM