Введение
1 Исследование процесса неиросетевого моделирования и численных методов обучения нейронных сетей прямого распространения 10
1.1 Структура нейронных сетей прямого распространения 11
1.2 Исследование процесса неиросетевого моделирования 20
1.3 Численные методы обучения нейронных сетей и их связь с методами оптимизации
1.3.1 Постановка задачи обучения 28
1.3.2 Численные методы обучения на основе методов безусловной оптимизации 31
1.3.3 Численные методы обучения на основе методов решения нелинейных задач о наименьших квадратах 35
1.3.4 Процедура обратного распространения ошибки 38
Постановка задач диссертационного исследования 40
2 Разработка численных методов обучения неиросетевых моде лей, учитывающих их суперпозиционную линейно-нелинейную структуру 41
2.1 Применение блочных рекуррентно-итерационных процедур в задачах обучения нейронных сетей 42
2.1.1 Использование блочных рекуррентно-итерационных процедур в обучении нейронных сетей 42
2.1.2 Применение блочных процедур для последовательного наращивания структуры 47
2.2 Использование базового линейно-нелинейного соотношения в процессе обучения
2.3 Разработка численного метода обучения нейронных сетей на основе базового линейно-нелинейного соотношения 54
2.3.1 Разработка метода обучения нейронных сетей стандартной структуры 56
2.3.2 Распространение метода на многослойные многовыходные нейронные сети с нелинейной функцией активации в выходном слое 66
Выводы 73
Сравнительный анализ алгоритмических реализаций численных методов обучения 74
3.1 Разработка методики проведения вычислительных экспериментов по сравнению эффективности алгоритмов обучения 74
3.2 Структура программного комплекса для сравнительного исследования эффективности численных методов обучения
3.2.1 Алгоритмизация процесса исследования эффективности алгоритмов обучения 79
3.2.2 Структура программного комплекса исследователя 83
3.3 Результаты сравнительного анализа эффективности алгорит мов обучения 93
Выводы 103
Управление ценовой политикой на основе использования ней росетевых моделей 104
4.1 Разработка алгоритма принятия решений по управлению ценовой политикой предприятий 104
4.2 Структура программного комплекса нейросетевого моделирования для решения практических задач
4.2.1 Алгоритмизация процесса практического использования нейронных сетей ПО
4.2.2 Структура программного комплекса нейросетевого моделирования 116
4.3 Моделирование спроса и оптимизация тарифной политики ОАО «Липецкэлектросвязь» на основе использования ней ронных сетей 121
4.3.1 Построение нейросетевой модели спроса населения на услуги междугородной связи 121
4.3.2 Оптимизация тарифной политики ОАО «Липецкэлектросвязь» 129
Выводы 136
Заключение 137
Библиографический список
