Розглянуто алгоритмічно-програмні засоби розпізнавання рукописних символів на зображенні за алгоритмом логістичної регресії та побудови штучної нейронної мережі (ШНМ). Здійснено порівняльний аналіз цих двох підходів. Виконано тестування рукописних цифр. Встановлено, що краща якість розпізнавання досягається у разі використання штучної нейронної мережі.
Викладено результати дослідження залежності похибок прогнозування значення температури із використанням нейронних мереж від розрядності аналогово-цифрового перетворювача. Описано алгоритм створення тестових послідовностей та навчання нейронних мереж. Наведено результати дослідження залежності похибки прогнозування значення температури від кількості входів нейронної мережі та від розрядності АЦП. Подано результати дослідження залежності середньої похибки прогнозування значення температури та залежності абсолютної непевності прогнозування значення температури від розрядності АЦП.
Розглянуто варіант послідовного застосування компресуючої нейронної мережі та методів контекстного моделювання для ефективного ущільнення даних, зокрема зображень та аудіосигналів. Запропонований метод оснований на поданні проміжного архіву зберігання даних у форматі чисел з фіксованою комою та забезпечує покращення характеристики щодо коефіцієнта компресування та якості відтворення первинних даних.
Проаналізовано нейронні мережі як засіб прогнозування значення температури за перехідним процесом. Розглянуто штучний нейрон як основу нейронної мережі. Наведено класифікацію нейронів залежно від функцій, які вони виконують в нейронній мережі, та основні види передавальних функцій нейрона. Подано класифікацію нейронних мереж за критерієм їх архітектури, алгоритму навчання та типу завдань, які вони можуть виконувати. Зроблено висновок, що для розв’язання поставленої задачі оптимальним є застосування нейронної мережі з архітектурою прямого поширення з алгоритмом навчання з вчителем.
Описано результати дослідження похибок прогнозування значення температури із використанням нейронних мереж, алгоритм створення та навчання нейронних мереж. Наведено результати дослідження залежності похибки прогнозування значення температури від кількості шарів у мережі, від кількості входів мережі та від кількості послідовностей для навчання. Дослідження залежності похибки прогнозування температури від кількості входів мережі виконано для двох випадків: за однакового часу вимірювання температури перехідного процесу і за різного.
Наведено аналіз бібліотек нейронних мереж. На основі аналізу запропоновано розробляти нейронну мережу для класифікації спектрів на основі бібліотеки Encog, оскільки вона реалізовує безліч компонентів та дає найкращий результат з невеликою кількістю даних для навчання. Подано архітектуру нейронної мережі для класифікації даних спектрального аналізу.
Розглянуто особливості знаходження оптимального маршруту мобільних роботів. На основі нейронних мереж, які використовуються у задачі, було проаналізвано і розроблено генетичний алгоритм.
Запропоновано методи і критерії оптимізації архітектури нейронної мережі, призначеної для розв’язання актуальних задач з захисту інформації в комп’ютерних системах та мережах. Наведено приклади оптимізації архітектури нейронної мережі, призначеної для виявлення комп’ютерних вірусів.