Искусственный объект (обычно, программный), имитирующий поведение естественного нейрона. Типичный искусственный нейрон имеет несколько входов и один выход

Cеть, в качестве вершин которой выступают искусственные нейроны

Внешняя величина, характеризующая воздействие на один из входов искусственного нейрона

Вектор величин, подаваемых одновременно на входы искусственного нейрона

Входной сигнал искусственного нейрона, имеющий постоянное значение (равное, как правило, 1)

Величина, характеризующая реакцию искусственного нейрона на вектор его входных сигналов

Функция, вычисляющая значение выходного сигнала искусственного нейрона, используя в качестве аргумента взвешенную сумму входных сигналов искусственного нейрона

Величина, характеризующая степень влияния входного сигнала искусственного нейрона на его поведение (на величину его выходного сигнала)

Процедура подбора входных весов искусственного нейрона с целью обеспечения наилучшего совпадения значений выходного сигнала искусственного нейрона с эталонными значениями для предопределленых значений вектора входов искусственного нейрона

Процедура подбора входных весов искусственной нейронной сети с целью обеспечения наилучшего совпадения значений выходных сигналов с эталонными значениями для предопределленых значений вектора входов искусственной нейроной сети

Вектор входных сигналов искусственного нейрона и, возможно, ожидаемое значение выходного сигнала искусственного нейрона, используемый в процессе обучения искусственного нейрона

Множество обучающих входных векторов, используемых для обучения искусственного нейрона или искусственной нейронной сети

Способ подбора управляемых параметров искусственной нейронной сети

Способ обучения искусственной нейронной сети путем предъявления ей серии эталонных обучающих выборок и векторов ожидаемых значений выходных сигналов

Способ обучения искусственной нейронной сети путем предъявления ей серии эталонных обучающих выборок без указания ожидаемых значений выходных сигналов

Искусственный нейрон, функция активации которого имеет релейный вид, вследствие чего выходной сигнал которого может принимать только два значения: 0 или 1

Исскуственный нейрон, функция активации которого имеет S-образный (сигмоидальный) вид

Искусственный нейрон, способный к обучению распознавания кластера родственных входных сигналов

Группа (слой) искусственных нейронов, способная к обучению распознавания группы кластеров входных сигналов

Искусственный нейрон, использующий для своего обучения непосредственную корреляцию входных и выходного сигналов

Искусственный нейрон, в качестве функции активации которого выступает радиальная функция (обычно, функция Гаусса)

Искусственная нейронная сеть, состоящая из нейронов одного типа

Искусственная нейронная сеть, состоящая из нейронов разных типов

Искусственная нейронная сеть, в которой отсутсутвует хотя бы одна связь с выхода одного нейрона на вход другого

Искусственная нейронная сеть, в которой имеют место связи выходов одних нейронов со входами других

Искусственная нейронная сеть, в которой отсутствуют обратные связи (передачи сигналов с последующих слоев на предыдущие)

Искусственная нейронная сеть, содержащая обратные связи

Искусственная нейронная сеть, для тренировки которой требуется стратегия обучения с учителем

Искусственная нейронная сеть, для обучения которой не требуется учитель

Однонаправленная многослойная искусственная нейронная сеть, состоящая только из персептронов или сигмоидальных нейронов

Функция, своим скалярным значением характеризующая степень обученности искусственной нейронной сети

Процедура обучения искусственной нейронной сети, предусматривающая корректировку ее управляемых параметров после предъявления всего множества обучающих векторов

Процедура обучения искусственной нейронной сети, предусматривающая корректировку ее управляемых параметров после предъявления каждого обучающего вектора

Процедура обучения искусственной нейронной сети, построенной на базе персептронов

Универсальное правило корректировки входных весов искусственной нейронной сети в режиме обучения "онлайн"

Процедура корректировки управляемых параметров искусственной нейронной сети, основанная на учете частных производных целевой функции по всем управляемым параметрам

Вариант метода градиента, специально адаптированный для обучения многослойных искусственных нейронных сетей

Рекуррентная искусственная нейронная сеть, получаемая из однонаправленного многослойного персептрона MLP введением обратных связей с задержкой с выхода на входы сети

Многослойная искусственная нейронная сеть, в которой обратной связью с единичной задержкой охвачен только первый слой нейронов

Однослойная искусственная нейронная сеть, каждый нейрон типа WTA которой отвечает за распознавание отдельного кластера входных данных

Алгоритм обучения автоассоциативных искусственных нейронных сетей

Алгоритм обучения автоассоциативных искусственных нейронных сетей

Двухслойная искусственная нейронная сеть, первый слой которой составляют радиальные нейроны, а второй — линейные

Искусственная нейронная сеть, использующая для аппроксимации зависимости выходного сигнала от входных выражения, заимствованные из нечетких систем

Пятислойная нечеткая искусственная нейронная сеть

Трехслойная нечеткая искусственная нейронная сеть

Алгоритм обучения автоассоциативных нечетких искусственных нейронных сетей

Алгоритм обучения автоассоциативных нечетких искусственных нейронных сетей

Алгоритм обучения автоассоциативных нечетких искусственных нейронных сетей

Множество, элементы которого могут принадлежать ему частично

Величина из диапазона [0,1], характеризующая степень принадлежности элемента нечеткому множеству

Переменная, значениями которой могут быть как числа, так и слова и их сочетания

Преобразование четкого множества в нечеткое множество

Преобразование нечеткого множества в скаляр