1. ВВЕДЕНИЕ

Нейросетевые технологии являются одними из наиболее интенсивно развиваемых в настоящее время технологий в ИИ. Появилось новое направление науки – нейрокомпьютинг.

Нейронные сети (НС) широко используются для решения самых разнообразных задач – от распознавания текстов и речи до автоматического управления и прогнозирования.

НС относятся к классу аппроксиматоров и «черных ящиков», аппроксимирующих некоторые функции вида

Y = F(X),

где Х – вектор входных и Y – вектор выходных переменных.

Cчитается, что НС может функционировать в двух режимах:
эксплуатации, когда на вход подаются сигналы, а на выходе снимаются результаты вычислений;
обучения, когда происходит корректировка весов таким образом, чтобы выходные сигналы наиболее точно соответствовали желаемым.

К настоящему времени создано большое количество пакетов прикладных программ, содержащих средства для проектирования, моделирования, обучения и использования множества известных парадигм аппарата искусственных НС - от базовых моделей персептрона до самых современных ассоциативных и самоорганизующихся сетей.

Из специализированных пакетов приведем сведения о некоторых:

• Программный пакет Neuro Office (разработчик — ЗАО «АльфаСистем».
• OWL (разработчик — Hyper Logic Соф.);
• Neuro Windows (разработчик —Ward Systems Group);
• NNet+ (разработчик — NeuroMetric Vision System) и пр. [1];
• STATISTICA Neural Networks - нейронно-сетевой пакет фирмы StatSoft.

Основная цель работы: изучение принципов функционирования нейронных сетей в рабочем режиме и режиме обучения.

Программным обеспечением лабораторной работы является пакет STATISTICA Neural Networks.