| Аннотацiя: | 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 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 те, 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 щтучного інтелекту.
|