Труды КНЦ вып.9 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ) вып. 9/2019(10)

аутентификации, анализ полученных данных, принятие решения по результатам анализа с последующей передачей этого решения информационной системе. Это далеко не полный перечень существующих задач, решаемых с использованием нейросетевого подхода, в частности, логических нейронных сетей. Заключение Искусственные нейронные сети в настоящее время широко применяются практически во всех областях связанных с обработкой информации. Далеко не полный список приложений нейронных сетей выглядит следующим образом: • приближение функций: регрессионный анализ, предсказание временных рядов (финансовые приложения); • распознавание образов: радары, распознавание лиц, почерка, речи, медицинская диагностика и т. д.; • обработка данных: классификация, кластеризация, фильтрация, сжатие данных; • управление: технологические процессы и системы, транспортные средства, манипуляторы, робототехника; • системы принятия решений: игры, экспертные системы. Проведенный обзор показал, что применение логических нейронных сетей позволяет создавать доступные широкому пользователю компьютерные системы мониторинга, управления и принятия решений практически во всех сферах деятельности. Проекты таких систем в области оценки финансов и риска, в управлении и диагностике, в искусстве и развлечениях показывают универсальность подхода, возможность переориентирования нейронных сетей на новые применения. В особенности это касается наиболее распространенных совершенных нейронных сетей - однослойных, в каждом решении использующих все факторы. Литература 1. Хайкин С. Нейронные сети: полный курс, 2-е изд., испр. Издательский дом «Вильямс». М., 2006. 1104 с. 2. Барский А.Б. Логические нейронные сети. / А.Б. Барский; НОУ «ИНТУИТ», 2016. 492 с. 3. Аксенов С. В. Организация и использование нейронных сетей (методы и технологии). / С. В. Аксенов, В. Б. Новосельцев; Под общ. ред. В. Б. Новосельцева. Изд-во НТЛ. Томск, 2006. 128 с. 4. Mozer М. С., Smolensky P. Skeletonization: a technique for trimming the fat from a network via relevance assessment. // Advances in Neural Information Processing Systems. 1989. Vol. 1. Pp. 107-115. 5. Горбань A.H. Обучение нейронных сетей. / A. H. Горбань; М., СП ParaGraph, СССР -СШ А , 1990. 160 с. 6. Le Cun Y., Denker J.S., and Solla S.A. Optimal Brain Damage / Y. Le Cun, J.S. Denker, S.A. Solla // Advances in Neural Information Processing Systems II (Denver 1989). 1990. Pp. 598-605. 7. Hassibi B., Stork D. G. Second Order Derivatives for Network Pruning: Optimal Brain Surgeon / B. Hassibi, D.G. Stork //Neural Information Processing Systems. 1992. P p . 164-171. 107