Анотація |
В посібнику розглянуто актуальні напрямки робіт в галузі інтелектуальних систем. Розглянуто задачі і методи навчання та самонавчання в інтелектуальних системах. Велику увагу приділено важливому напрямку в галузі ІС-штучним нейронним мережам. Розглянуто та проаналізовано методи навчання нейромерсж: 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 макроекономіді. 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 тс, 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.
|