Введение. 
Нейронные сети для обработки данных

нейронный точка графовый давидон Адаптивная обработка данных означает изменение алгоритмов обработки после получения информации об объекте исследования на основе обработки имеющихся данных или получения новой информации. Для построения адаптивной системы оперативной обработки информации выделим два важнейших вопроса:

• * какую информацию нужно извлечь из данных, чтобы алгоритм обработки данных (для выбранного критерия качества обработки) стал оптимальным;
• * формирование минимального объема информации (выделение наиболее информативных параметров) для выбранного критерия качества обработки.

В настоящее время в системах обработки данных интенсивно развивается новое направление информационных технологий — оперативный анализ данных. Это направление должно дать работникам управления возможность изучать большие объемы взаимосвязанных данных с помощью отображения существенной информации и более оперативно принимать решение по управлению в условиях неопределенности.

Следует подчеркнуть, что существенность, ценность информации зависит от выбора критериев обработки данных. Отсюда следует необходимость адаптации алгоритмов обработки к конкретной задаче, к пользователю.

Инструментом принятия решений в задачах управления является информационная модель. Первоначальная оценка параметров этой модели основана на накопленном статистическом материале, может быть, даже с выделением существенных факторов, но по мере поступления новых данных, получаемых на каждом шаге времени, должны происходить дальнейшая корректировка параметров модели, их адаптация к новым нерегулярно изменяющимся условиям функционирования системы.

Рассматриваемые методы пригодны для различных информационных систем: системы оценки некоторых величин, системы оценки характеристик сигналов, системы оценки состояния контролируемого объекта, системы управления экспериментами.

Задание.

Исходные данные:

• — Изложить обучение нейронных сетей методом Давидона-Флетчера-Пауэлла; для негладких функций произвести расчет с индивидуальными данными начальной точки.
• — Осуществить кластеризацию данных на основе графовых моделей и статистических методов с индивидуальным заданием точек наблюдения.
• — По результатам кластеризации изложить метод описания области допустимых изменений параметров.