Дисертаційна робота присвячена вирішенню проблеми нейромережевої ідентифікації нелінійних динамічних об"єктів на основі багатошарового персептрона в умовах апріорної і поточної невизначеності щодо властивостей досліджуваних об"єктів і діючих на нього завад.
Нейромережеві моделі реалізовано на основі багатошарового персептрона (БШП). Проаналізовано існуючі алгоритми настроювання поширеного фільтра Калмана. Проведено аналіз алгоритмів навчання БШП при наявності перешкод вимірів. Запропоновано здійснювати навчання БШП за допомогою багатокрокових проекційних алгоритмів, що використовують обмежену кількість інформації. З метою поліпшення обчислювальних властивостей даних алгоритмів і стійкості процесу навчання розроблені їх факторизовані форми. Розглянуто опис нелінійного динамічного об"єкта за допомогою предикторів на основі фільтрів Калмана і отримано відповідні структури нейромережевих моделей у просторі станів. Проведено імітаційне моделювання різних алгоритмів навчання БШП за допомогою MATLAB 6.1, Trajan Network Simulator 3.0 і в середовищі IntelligentPad.
Достовірність результатів підтверджується впровадженнями.