The development of methods of learning artificial neural networks of intelligent decision-making support systems

Розроблено комплекс методів навчання штучних нейронних мереж інтелектуальних систем підтримки прийняття рішень. Відмінною особливістю запропонованих методів є те, що навчаються не тільки синаптичні ваги штучної нейронної мережі, але й вид та параметри функції належності. Якщо неможливо забезпечити задану якість функціонування штучних нейронних мереж за рахунок навчання параметрів штучної нейронної мережі, відбувається навчання архітектури штучних нейронних мереж. Вибір архітектури, типу та параметрів функції належності відбувається з урахуванням обчислювальних ресурсів інструменту та з урахуванням типу та обсягу інформації, що надходить на вхід штучної нейронної мережі. Завдяки використанню запропонованих методів не відбувається накопичення помилок навчання штучних нейронних мереж в результаті обробки інформації, що надходить на вхід штучних нейронних мереж. Також відмінною рисою розроблених методів є те, що для розрахунку даних не потрібні попередні розрахункові дані. Розробка запропонованих методів обумовлена необхідністю навчання штучних нейронних мереж для інтелектуальних систем підтримки прийняття рішень, з метою обробки більшого обсягу інформації, при однозначності рішень, що приймаються. За результатами досліджень встановлено, що зазначені методи навчання забезпечують в середньому на 10‒18% вищу ефективність навчання штучних нейронних мереж та не накопичують помилок під час навчання. Ці методи дозволять проводити навчання штучних нейронних мереж, визначати ефективні заходи щодо підвищення ефективності функціонування штучних нейронних мереж. Використання зазначених методів дозволить підвищити ефективність функціонування штучних нейронних мереж за рахунок навчання параметрів та архітектури штучних нейронних мереж, зменшити використання обчислювальних ресурсів систем підтримки прийняття рішень. Розроблені методи дозволять розробити заходи, спрямовані на підвищення ефективності навчання штучних нейронних мереж; підвищити ефективність обробки інформації в штучних нейронних мережах.