РАЗРАБОТКА И ПРОДВИЖЕНИЕ
ВЫСКОТЕХНОЛОГИЧНЫХ ПОРТАЛОВ,
ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
И ИНТЕРФЕЙСОВ ПОЛЬЗОВАТЕЛЯ

Приветствие ректора НГТУ Кириенко В.П. и президента НГТУ Тишков К.Н. Государственный технический Нижегородский университет им. Р.Е. Алексеева – кузница инженерных и научных кадров. Баранов В.Г. Байесовские методы обучения нейронных сетей. Милов В.Р., Баранов В.Г., Шалюгин С.А. Обсуждены основные подходы к реализации байесовского обучения нейронных сетей: метод Монте-Карло, метод интегрирования Лапласа и вариационный подход. Нейросетевые алгоритмы.. Подробнее →

Нейрокомпьютеры в управлении динамическими системами (Труды Уфимского государственного технического университета) Под ред. проф. В. И. Васильева и проф. Б. Г. Ильясова Уфимский государственный авиационный технический университет: «Наука – фундамент качественного образования». Гузаиров М. Б. Планирование обучающей выборки для нейронной сети на основе теории оптимального эксперимента. Попов Д. В., Сабирьянова Г. Р. Предложен подход к планированию.. Подробнее →

Рассмотрены особенности и перспективы применения нейронных сетей в задачах управления полетом и силовой установкой летательного аппарата. Приведены характерные примеры решения подобных задач, иллюстрирующие преимущества использования нейросетевых технологий по сравнению с классическими методами идентификации и управления нелинейными динамическими объектами. Васильев В. И., Ильясов Б. Г. Подробнее →

Изложены принципы и методы решения задач обработки данных с помощью нейронных сетей в бортовых комплексах управления космических аппаратов наблюдения с целью повышения автономности и эффективности их функционирования. Рассмотрена структура нейросетевого обеспечения бортового комплекса управления и предложены методы построения его основных компонентов. Ефимов В. В. Подробнее →

Рассмотрены основные положения бионического метода построения управляющих систем, названного методом автономного адаптивного управления. Предложены конкретные способы построения формальных нейронов, подсистем формирования и распознавания образов, баз знаний, принятия решений и аппарата эмоций для практически действующих управляющих систем. Описаны примеры нескольких практических приложений. Проведено сравнение предлагаемого подхода с альтернативными направлениями систем искусственного интеллекта. Показано, что предлагаемый подход.. Подробнее →