Вперше обгрунтовано процедури навчання багатошарового персептону (БП) на базі використання методу поточного регресійного аналізу, які забезпечують одержання нейромережевих моделей, що адекватно відображають властивості нестаціонарних динамічних об'єктів. Одержано рекурентні форми регуляризованих багатокрокових процедур навчання штучних нейронних мереж (ШНМ) з метою забезпечення стійкості процесу корекції параметрів. Розроблено процедуру вилучення (дискримінації) моделі з сукупності нейромережевих моделей, які використовуються для опису властивостей об'єктів, що дозволяє прискорити процес керування. З метою зменшення необхідного об'єму обчислень удосконалено процедури прямого адаптивного нейрокерування. Вперше на основі БП розроблено субоптимальний нейрорегулятор, що забезпечує високу швидкодію та якість керування.

  Завантажити